Mākslīgais intelekts ir datorzinātnes apakšnozare, kas nodarbojas ar tādu datorsistēmu projektēšanu un izstrādi, kurām piemīt raksturojumi (spēja risināt problēmas, atspoguļot zināšanas, secināt, mācīties, utt.), kas ir saistīti ar intelektu cilvēku uzvedībā. Mūsdienās mākslīgā intelekta metožu, tehnoloģiju un lietojumu attīstība ir ļoti strauja: pašbraucošie transportlīdzekļi, sarunboti, preču rekomendācijas sistēmas, ziņu lasīšanas boti, virtuālie asistenti, neironu tīklos balstītā medicīnas diagnostika, emocionāli intelektuālas mācību sistēmas un iespaidīgi industriālie roboti. Šāda strauji augoša mākslīgā intelekta loma mūsdienu un nākotnes sabiedrībā nosaka vajadzību pēc akadēmiski izglītotiem speciālistiem, kas ir apguvuši mākslīgā intelekta pamatus, zina tā perspektīvas, un kuriem ir pieredze mākslīgā intelekta uzdevumu risināšanā, lai tiktu galā ar problēmu dažādību, ar kurām sastopas inženieri, projektētāji, finanšu speciālisti, izglītības un medicīnas darbinieki, u.tml. Šajā studiju kursā galvenā uzmanība ir pievērsta problēmu stāvokļu telpu konstruēšanai un risinājumu atrašanai, izmantojot neinformētas un heiristiski informētas pārmeklēšanas algoritmus (pārmeklēšana), zināšanu par problēmu atspoguļošanai ar dažādām zināšanu atspoguļošanas shēmām (zināšanu atspoguļošana) un pagātnē savākto datu modeļu atklāšanai un vispārināšanai, lai šos modeļus piemērotu jauniem datiem tādos uzdevumos kā klasifikācija, prognozēšana, datu līdzības atrašana un citos (mašīnmācīšanās). Divpersonu spēļu ar pilnu informāciju realizācija, kurā dators spēlē pret cilvēku, tiek aplūkota kā praktisks lietojums studiju kursā apgūstamajiem jēdzieniem par pārmeklēšanu. Ar datu kopas atlasi, analīzi un apstrādi saistīts praktiskais darbs nodrošina zināšanu nostiprināšanu mašīnmācīšanās jomā. Studiju kursā tiek izmantota apgrieztas klases pieeja (flipped classroom approach), kurā studenti patstāvīgi apgūst e-studiju kursā pieejamos studiju materiālus, lekciju laiku veltot praktisku uzdevumu risināšanai, tai skaitā strādājot pāros vai mazās grupās. Lekcijās piedāvātie praktiskie uzdevumi var tikt risināti gan manuāli, gan izmantojot brīvpieejamus datorizētus rīkus konkrētu uzdevumu izpildei (piemēram, Orange, Segrada, Protégé-Frame u.c.).