Tietotaso on järkevä perusta tekoälyä käyttävän järjestelmän käyttäytymiselle. Tällaiset järjestelmät, jotka tunnetaan agentteina, tarvitsevat tietoa tehdäkseen johtopäätöksiä maailmasta ja toimiakseen vastauksena tiettyihin kehotteisiin. Tällaisia järjestelmiä kehitettäessä ohjelmoijat voivat koodata tietoa sekä kykyä hankkia lisää ajan mittaan havainnoimalla ja tutkimalla ympäröivää ympäristöä.
Tekoälyn tutkijat ehdottivat tietotason mallia 1980 -luvulla, kun he alkoivat käsitellä kehittyneempiä tekijöitä opinnoissaan. Aihe on ollut jatkotutkimuksen ja keskustelun aiheena ihmisten keskuudessa, jotka ovat kiinnostuneita määrittämään keinotekoisesti älykkäiden järjestelmien komponentit. Tällaisten järjestelmien toiminnan ymmärtäminen voi auttaa ihmisiä koodaamaan parempia järjestelmiä ajan myötä.
Tämä on symbolitason yläpuolella, mekaaninen pohjarakenne, jota käytetään järjestelmän toiminnan tukemiseen. Tietämystasolla agentilla on loogisten tietojen kirjasto, jota se voi käyttää yhdessä tietojen käytön tavoitteiden kanssa. Jos järjestelmä näyttää käyttäytyvän järkevästi, vaikka vastaus olisi virheellinen tai siinä ei olisi järkeä, se käyttää tietotasoaan. Esimerkiksi agentilla voi olla vääriä tietoja, jotka osoittavat, että kaksi plus kaksi on viisi. Kun kysytään, mitä kaksi plus kaksi on, se vastaa viiteen, mikä osoittaa, että sillä on tavoite vastata kysymykseen ja että se käyttää olemassa olevaa tietoa saavuttaakseen sen.
Tietämystason koodaus voi viedä aikaa ja saattaa sisältää virheenkorjauksen virheellisten, ristiriitaisten tai hämmentävien tietojen poistamiseksi. Mitä kehittyneempi tekoäly, sitä korkeampi tietotaso ja sitä enemmän tapoja soveltaa tallentamiaan tietoja. Tämä on usein koodattu joukkoon lauseita, joita järjestelmä voi käyttää loogisessa testauksessa vastauksena kehotteeseen. Esimerkiksi kemiallista prosessia ohjaavalla aineella voi olla lause, joka kertoo, että jos lämpötila nousee tietyn tason yläpuolelle, sen on ryhdyttävä toimiin prosessilaitteiden jäähdyttämiseksi onnettomuuden estämiseksi.
Tekoälyä koskevassa tutkimuksessa tarkastellaan sekä sitä, miten tällaiset järjestelmät on rakennettu että miten ne reagoivat ympäristöönsä. Tietotasolla käyttäjät voivat olla vuorovaikutuksessa järjestelmän kanssa nähdäkseen, kuinka hyvin se on ohjelmoitu. Tietojen aukot ja kyvyttömyys oppia ovat merkkejä siitä, että agentti ei ole tarpeeksi joustava sopeutuakseen ajan myötä. Järjestelmät, jotka voivat tehdä monimutkaisia johtopäätöksiä, varsinkin jos niihin voi liittyä loogisia harppauksia, ovat tehokkaampia ja niitä voidaan käyttää useissa asetuksissa.