在许多方面，亚里士多德的过程反映了当今最先进的人工智能模型。特别是，它与S.O.A.R模型非常相似。这是一个通用的问题解决模型和学习系统，最初由AllenNewell、HerbertSimon和CliffordShaw于20世纪50年代开发。它最初用于创建计算机国际象棋程序，方法是教计算机如何成为象棋专家，学习它的经验，记住如何解决问题。迄今为止，这些专家象棋程序是人工智能最成功的应用程序。

        S.O.A.R的全名是状态、运算符和结果(状态操作符和结果)。它定义了任何系统的更改过程所涉及的基本步骤。"状态"定义为与某个较大的问题空间"之间的关系。运算符通过改变状态的某些方面来刺激状态的变化，从而"导致"一个新的状态。所希望的状态是通过"过渡状态"路径实现的，最终达到目标。

        根据这个模型，所有专门用于特定任务的心理活动都发生在一个叫做问题空间的认知领域。问题空间依次由一组在任何给定时间描述情况的状态和一组操作符组成，这些运算符描述问题求解者如何将情况从一种状态改变到另一种状态。例如，在国际象棋中，问题空间将是定义"国际象棋游戏"(如两个对手、棋盘等)的参数集，"state"将由棋盘上棋子的特定组合组成，"操作符"将由一个合法的运动组成，例如"骑士到国王4"。问题解决者的任务是搜索一系列操作符，从给定的初始状态(例如在棋局开始时排列的棋子)到给定的解决状态(死方的国王)。"(WalDrop，1988年)

        一旦定义了相关参数，问题求解者就必须制定一种指导策略，以找到从起始状态到目标状态的操作符序列。这是通过一组优先级"条件-操作"规则以"如果您感觉到一个状态，应用一系列运算符"的形式完成的。"如果您已陷入僵局，并且无法在目标状态上取得进展，问题将被"阻塞"到子目标和子操作中，直到找到新的路径为止。"然后，这些新的"块"作为其他"条件-动作"操作规则被记住。在本课程之后，问题解决者的范围从"试错"指导策略(新手)到"登山"(这似乎是当时最好的)到"手段-目的分析"(专家)。

        附：SOAR的字母表示状态、运算符和结果，简而言之，应用运算符改变状态并产生结果。SOAR主要讨论知识、思维、智能和记忆，是一种应用广泛的认知结构。SOAR模型是一个通用的问题求解程序。基于知识块理论，可以利用基于规则的记忆获得搜索控制知识和操作符，即我们可以从经验中学习并记住如何解决问题，并将这些经验和知识应用到未来的问题解决过程中，以实现通用问题的解决。