Leibniz: A Biography是偉大的思想家戈特弗裡德·萊布尼茨的傳記。但是他的思想大都分散在他旅途中書寫的一萬多封信裡。《哲學百科全書》（The Encyclopedia of Philosophy）中的文章對他進行了更為全面的介紹。
查爾斯·達爾文在《物種起源》中談到了眼睛的進化。他如是說：
眼睛通過其無與倫比的結構，可以調整焦距以適應不同距離，可以調節光線強度，還可以校正球面色差，如果要說這種能力是通過自然選擇而來，那麼我只能說，這種說法簡直荒謬至極。
Origins of the modern mind: three stage of the evolution of culture and cognition（帶有評論）和The Symbolic Species:The Co-Evolution of Language and the Brain討論了思想本身的進化過程。
知識表示假說引自布萊恩·史密斯（Brian Smith）的博士論文（Reflection and Semantics in a Procedural Language）。人們通常會將此觀點歸功於約翰·麥卡錫，但是顯而易見，其他研究人員與他的觀點很相似。對於艾倫·紐厄爾（Allen Newell）和赫伯·西蒙（Herb Simon）而言，重點更多放在象徵領域，因此他們的版本被稱為物理符號系統假說（physical symbol system hypothesis），他們認為：「物理符號系統是普遍智能行為的充分必要條件」（見Computer Science as empirical inquiry: Symbols and search）。（馬文·明斯基作為早期人工智能的研究人員之一，他發現了邏輯和數值方法對於人工智能都有很大局限，提出應將這些方法進行融合，可參見Logical versus symbolic versus connectionist or neat versus scruffy。）
Knowledge Representation and Reasoning和Knowledge Representation, Reasoning and Declarative Problem solving這兩本書專門介紹了人工智能中的知識表示和推理領域。此外，還有每兩年舉行一次的該領域的學術會議（見https://kr.org）。可以在Readings in knowledge Representation中找到相關的早期內容。Logical Foundations of Artificial Intelligence和Computational Intelligence: A Logical Approach提出了邏輯是人工智能統一的主題，The role of logic in knowledge representation and common sense reasoning和The role of gic in knowledge representation對此進行了進一步討論。馬文·明斯基關於邏輯的論述摘自A framework for representing knowledge 第262頁。Logic, probability and human reasoning 是從心理學方面看待推理。關於根據信仰程度不同，用概率的方法進行推理的優勢，可參見Bayesian Rationality: The Probabilistic Approach to Human Reasoning。
關於建設大型知識庫這一問題，CYC是相關的一個長期項目，參見Building Large Knowledge-Based Sytems: Representation and Inference in the Cyc Project。（由於無法深入瞭解，因此目前很難說清CYC取得了何種成果，總體來說不太像可控的科學研究。）斯坦福國際研究院的HALO（見A question-answering system for AP chemistry: assessing KR&R technologies.）和AURA（參見Achieving intelligence using prototypes, composition, and analogy）、艾倫人工智能研究所的ARISTO（見Elementary school science and math tests as a driver for AI: Take the Aristo challenge!）是其他相關且更為專業的工作。關於從網絡自動從文本中提取知識的前景，請參閱Open information extraction from the web一文的回顧。
最後，在網頁（https://sites.google.com/site/krr2015/）上可以看到，該研討會對調和GOFAI中的邏輯方法與AML中的統計方法進行了新的嘗試。