Žinių lygis yra racionalus dirbtinį intelektą naudojančios sistemos elgesio pagrindas. Tokioms sistemoms, žinomoms kaip agentai, reikia žinių, kad būtų galima daryti išvadas apie pasaulį ir imtis veiksmų reaguodamos į konkrečius raginimus. Kurdami tokias sistemas, programuotojai gali užkoduoti žinias, taip pat gebėjimą įgyti daugiau laikui bėgant stebėdami ir tyrinėdami supančią aplinką.
Dirbtinio intelekto tyrėjai pasiūlė žinių lygio modelį devintajame dešimtmetyje, kai savo studijose pradėjo dirbti su sudėtingesniais agentais. Ši tema buvo tolesnio tyrimo ir diskusijų tema tarp žmonių, besidominčių dirbtinai intelektualių sistemų komponentų apibrėžimu. Supratimas, kaip tokios sistemos veikia, gali padėti žmonėms laikui bėgant sukurti geresnes sistemas.
Tai viršija simbolio lygį – mechaninį pagrindą, naudojamą sistemos veiklai palaikyti. Žinių lygmeniu agentas turi loginės informacijos biblioteką, kurią gali naudoti kartu su šios informacijos naudojimo tikslais. Jei atrodo, kad sistema elgiasi racionaliai, net jei atsakymas yra neteisingas arba neturi prasmės, ji demonstruoja savo žinių lygį. Pavyzdžiui, agentas gali turėti klaidingą informaciją, rodančią, kad du plius du yra penki. Paklaustas, kas yra du plius du, jis atsakytų penkis, parodydamas, kad turi tikslą atsakyti į klausimą ir naudoja turimas žinias, kad jį pasiektų.
Žinių lygio kodavimas gali užtrukti ir gali apimti derinimą, kad būtų pašalinta neteisinga, prieštaringa ar paini informacija. Kuo sudėtingesnis dirbtinis intelektas, tuo didesnis žinių lygis ir daugiau būdų, kaip pritaikyti saugomą informaciją. Tai dažnai užkoduota sakinių rinkinyje, kurį sistema gali naudoti atliekant loginį testavimą atsakydama į raginimą. Pavyzdžiui, agentas, kuris kontroliuoja cheminį procesą, gali turėti sakinį, kuriame sakoma, kad jei temperatūra pakyla virš tam tikro lygio, ji turi imtis veiksmų proceso įrangai atvėsti, kad būtų išvengta avarijos.
Dirbtinio intelekto tyrimuose nagrinėjama, kaip tokios sistemos kuriamos ir kaip jos reaguoja į aplinką. Žinių lygiu vartotojai gali sąveikauti su sistema, kad pamatytų, kaip gerai ji buvo užprogramuota. Informacijos spragos ir nesugebėjimas mokytis rodo, kad agentas nėra pakankamai lankstus, kad laikui bėgant prisitaikytų. Sistemos, kurios gali daryti sudėtingas išvadas, ypač jei jos gali apimti loginius šuolius, yra galingesnės ir gali būti naudojamos daugiau nustatymų.