Leibniz: A Biography是伟大的思想家戈特弗里德·莱布尼茨的传记。但是他的思想大都分散在他旅途中书写的一万多封信里。《哲学百科全书》（The Encyclopedia of Philosophy）中的文章对他进行了更为全面的介绍。
查尔斯·达尔文在《物种起源》中谈到了眼睛的进化。他如是说：
眼睛通过其无与伦比的结构，可以调整焦距以适应不同距离，可以调节光线强度，还可以校正球面色差，如果要说这种能力是通过自然选择而来，那么我只能说，这种说法简直荒谬至极。
Origins of the modern mind: three stage of the evolution of culture and cognition（带有评论）和The Symbolic Species:The Co-Evolution of Language and the Brain讨论了思想本身的进化过程。
知识表示假说引自布莱恩·史密斯（Brian Smith）的博士论文（Reflection and Semantics in a Procedural Language）。人们通常会将此观点归功于约翰·麦卡锡，但是显而易见，其他研究人员与他的观点很相似。对于艾伦·纽厄尔（Allen Newell）和赫伯·西蒙（Herb Simon）而言，重点更多放在象征领域，因此他们的版本被称为物理符号系统假说（physical symbol system hypothesis），他们认为：“物理符号系统是普遍智能行为的充分必要条件”（见Computer Science as empirical inquiry: Symbols and search）。（马文·明斯基作为早期人工智能的研究人员之一，他发现了逻辑和数值方法对于人工智能都有很大局限，提出应将这些方法进行融合，可参见Logical versus symbolic versus connectionist or neat versus scruffy。）
Knowledge Representation and Reasoning和Knowledge Representation, Reasoning and Declarative Problem solving这两本书专门介绍了人工智能中的知识表示和推理领域。此外，还有每两年举行一次的该领域的学术会议（见https://kr.org）。可以在Readings in knowledge Representation中找到相关的早期内容。Logical Foundations of Artificial Intelligence和Computational Intelligence: A Logical Approach提出了逻辑是人工智能统一的主题，The role of logic in knowledge representation and common sense reasoning和The role of gic in knowledge representation对此进行了进一步讨论。马文·明斯基关于逻辑的论述摘自A framework for representing knowledge 第262页。Logic, probability and human reasoning 是从心理学方面看待推理。关于根据信仰程度不同，用概率的方法进行推理的优势，可参见Bayesian Rationality: The Probabilistic Approach to Human Reasoning。
关于建设大型知识库这一问题，CYC是相关的一个长期项目，参见Building Large Knowledge-Based Sytems: Representation and Inference in the Cyc Project。（由于无法深入了解，因此目前很难说清CYC取得了何种成果，总体来说不太像可控的科学研究。）斯坦福国际研究院的HALO（见A question-answering system for AP chemistry: assessing KR&R technologies.）和AURA（参见Achieving intelligence using prototypes, composition, and analogy）、艾伦人工智能研究所的ARISTO（见Elementary school science and math tests as a driver for AI: Take the Aristo challenge!）是其他相关且更为专业的工作。关于从网络自动从文本中提取知识的前景，请参阅Open information extraction from the web一文的回顾。
最后，在网页（https://sites.google.com/site/krr2015/）上可以看到，该研讨会对调和GOFAI中的逻辑方法与AML中的统计方法进行了新的尝试。