از تناوب شبکه های عصبی و لایه های توجه استفاده کنید. هوش مصنوعی اسکرچ  لایه‌های توجه مفاهیم را با هم ترکیب می‌کنند، و اجازه می‌دهند که زمینه در نظر گرفته شود و روابط پیچیده گرفته شود.

این مدل‌ها اغلب در چت‌بات‌ها ادغام می‌شوند، جایی که متن  هوش مصنوعی اسکرچ تولید شده برای پاسخگویی به کاربر فرمت می‌شود. به عنوان مثال، چت ربات ChatGPT از مدل های GPT-3.5 و GPT-425 استفاده می کند. در سال 2023، مدل‌های مصرف‌کننده ظاهر می‌شوند که می‌توانند به طور همزمان انواع مختلفی از داده‌ها مانند متن، صدا، تصاویر و ویدیوها را پردازش کنند، مانند Google Gemini26.

تحقیق و بهینه سازی

برخی از مشکلات نیازمند جستجوی هوشمندانه در میان بسیاری از راه حل های ممکن است.

جستجوی محلی

تصویر نزول گرادیان برای سه نقطه شروع مختلف، با تغییر د هوش مصنوعی اسکرچ و پارامتر به گونه ای که تابع هزینه نشان داده شده توسط ارتفاع را به حداقل برساند.

جستجوی محلی یا جستجو از طریق بهینه‌سازی، برای یافتن راه‌حل عددی برای یک مسئله، با بهبود تدریجی راه‌حل انتخابی، بر بهینه‌سازی ریاضی تکیه دارد.

به طور خاص، در یادگیری ماشین، نزول گرادیان، یافتن یک هوش مصنوعی اسکرچ  راه‌حل بهینه محلی را ممکن می‌سازد، با توجه به اینکه تابع هزینه با تغییر پارامترهای مدل به حداقل می‌رسد. این شامل، در هر مرحله، اصلاح پارامترها برای بهینه سازی در جهتی است که به بهترین نحو عملکرد هزینه را کاهش می دهد. راه‌حل به‌دست‌آمده از نظر محلی بهینه است، اما ممکن است راه‌حل‌های بهتری در سطح جهانی وجود داشته باشد که می‌توان با مقادیر پارامترهای اولیه متفاوتی به‌دست آمد. مدل‌های هوش مصنوعی مدرن می‌توانند میلیاردها پارامتر برای بهینه‌سازی هوش مصنوعی اسکرچ  داشته باشند و اغلب از تغییرات پیچیده‌تر و کارآمدتر شیب نزولی استفاده می‌کنند.

الگوریتم های تکاملی (الهام گرفته از نظریه تکامل) از نوعی جستجو با بهینه سازی استفاده می کنند. در هر مرحله، عملیاتی مانند "جهش" یا "تقاطع" به طور تصادفی برای به دست آوردن انواع مختلف انجام می شود و مناسب ترین انواع برای مرحله بعدی انتخاب می شود.

جستجوی فضای حالت

هدف جستجوی فضای حالت یافتن حالتی است که هدف آموزش برنامه نویسی کودکان و نوجوانان   را از طریق درختی از حالت‌های ممکن انجام می‌دهد28. به عنوان مثال، جستجوی هوش مصنوعی اسکرچ  خصمانه برای برنامه هایی که بازی هایی مانند شطرنج یا go را انجام می دهند استفاده می شود. این شامل عبور از درخت حرکات ممکن توسط بازیکن و حریفش برای جستجوی یک حرکت برنده است29. با توجه به تعداد حالت های ممکن، جستجوی جامع ساده در عمل به ندرت کافی است. اکتشافی برای اولویت بندی امیدوارکننده ترین مسیرها استفاده می شود.

منطق

منطق صوری برای استدلال و بازنمایی دانش  هوش مصنوعی اسکرچ استفاده می شود. به دو صورت اصلی منطق گزاره ای و منطق محمولی می آید. منطق گزاره‌ای بر روی گزاره‌هایی عمل می‌کند که درست یا نادرست هستند و از منطق پیوندی با عملگرهایی مانند «و»، «یا»، «نه» و «مطلب» استفاده می‌کند. منطق گزاره ای منطق گزاره ای را گسترش می دهد و همچنین می تواند روی اشیا، محمول ها یا روابط عمل کند. می‌تواند ا هوش مصنوعی اسکرچ ز کمیت‌نماها مانند «هر X یک Y است» یا «برخی X هستند Y هستند»31 استفاده کند.

روش های مونت کارلو مجموعه ای از تکنیک Scratch artificial intelligence  ها برای حل مسائل پیچیده با انجام تصادفی هستند