这依赖于对「人工智能算法」的定义，从广义的角度来看，它们当然也都属于人工智能的算法。「人工智能」这个词的强调的是人类通过设计方法来达成智能的效果，而不是要求「通过用人类的方法来实现智能」，只要最后能实现看起来「智能」的效果，那么用怎样的算法其实是不重要的。例如一个分类问题，我们可以用神经网络来实现，也可以用支持向量机实现，还可以用决策树或者随机森林来实现……如果这些方法都实现的是分类的同样效果，那么它们就都属于人工智能的算法。
可能也有人会指出，这些算法与近年来大家提到的人工智能算法看起来有些不同，因为这些算法解决的问题都只是优化问题，这些优化问题与人工智能研究关心的问题之间仍然有一定的距离。事实上，优化问题是人工智能研究的基础，在机器学习问题中，不管是监督学习还是无监督学习，都可能遇到各种优化问题（例如最小化损失函数，最大化互信息……），蚁群算法、遗传算法和模拟退火算法就可以为这些优化问题提供解决方案。
人工智能「算法」真正重要的一点就在于我们怎样将看起来是「智能」的一些现象，翻译成具体的「优化问题」。举个例子来说，我们很可能需要用人工智能的方法来预测一些事情，「预测」看起来是一件很智能的事情，尽管预测问题本身很难解决，我们可以考虑将其变成变成「拟合」问题，然后把点到曲线的距离定义为损失，最小化这个损失函数。
