黑板系統是一種基于黑板架構模型的人工智能方法，其中一個共同的知識庫，黑板，由不同的專業知識源組迭代更新，從問題說明開始到解決方案結束。 每個知識源在其內部約束與黑板狀態匹配時用部分解決方案更新黑板。 這樣，專家們共同努力解決問題。 黑板模型最初是作為一種處理復雜的、定義不明確的問題的方法而設計的，解決方案是各部分的總和。

以下場景提供了一個簡單的比喻，可以讓您深入了解黑板的功能：

一群專家坐在有一塊大黑板的房間里。 他們作為一個團隊工作，集思廣益解決問題，使用黑板作為合作開發解決方案的工作場所。

當問題規格被寫到黑板上時，會話開始。 專家們都盯著黑板，尋找機會將他們的專業知識應用到正在開發的解決方案中。 當有人在黑板上寫下允許另一位專家應用其專業知識的內容時，第二位專家將他們的貢獻記錄在黑板上，希望其他專家能夠隨后應用他們的專業知識。 這個向黑板添加貢獻的過程一直持續到問題被解決。

黑板系統應用程序由三個主要組件組成

• 軟件專家模塊，稱為知識源 (KS)。 就像黑板上的人類專家一樣，每個知識源都提供應用程序所需的特定專業知識。
• 黑板，問題、部分解決方案、建議和貢獻信息的共享存儲庫。 黑板可以被認為是其他知識源最近發布的對當前問題的貢獻的動態庫。
• 控制外殼，控制系統中問題解決活動的流程。 正如急切的人類專家需要一個調節器來防止他們在瘋狂沖刺中互相踐踏以搶奪粉筆一樣，KS 需要一種機制來以最有效和連貫的方式組織他們的使用。 在黑板系統中，這是由控制外殼提供的。

黑板系統是多智能體系統的中心空間。 它用于描述世界，作為代理的交流平臺。 要在計算機程序中實現黑板，需要一種機器可讀的符號來存儲事實。 一種嘗試是使用 SQL 數據庫，另一種選擇是可學習的任務建模語言 (LTML)。 LTML 規劃語言的語法類似于 PDDL，但增加了額外的功能，如控制結構和 OWL-S 模型。 LTML 于 2007 年作為一個更大的項目的一部分開發，該項目稱為 POIROT（通過一次試驗的推理進行計劃順序歸納），這是一個從過程挖掘的演示框架中學習的項目。 在 POIROT 中，計劃軌跡和假設存儲在 LTML 語法中，用于創建語義 Web 服務。

這是一個小例子：人類用戶正在執行計算機游戲中的工作流程。 用戶按下一些按鈕并與游戲引擎交互。 當用戶與游戲交互時，會創建計劃軌跡。 這意味著用戶的操作存儲在日志文件中。 日志文件被轉換為機器可讀的符號，并通過語義屬性加以豐富。 結果是放在黑板上的 LTML 語法的文本文件。 代理（黑板系統中的軟件程序）能夠解析 LTML 語法。

早期學術黑板系統的著名示例是 Hearsay II 語音識別系統和 Douglas Hofstadter 的 Copycat 和 Numbo 項目。

最近的例子包括已部署的實際應用程序，例如 RADARSAT-1 任務控制系統的 PLAN 組件，RADARSAT-1 是加拿大開發的地球觀測衛星，用于監測環境變化和地球的自然資源。

GTX Corporation 的 GTXImage CAD 軟件是在 1990 年代初期開發的，使用一組規則庫和神經網絡作為在黑板系統上運行的專家。

Adobe Acrobat Capture（現已停產）使用黑板（計算機）分解和識別圖像頁面，以了解頁面上的對象、文本和字體。 此功能目前作為 OCR 文本識別內置于 Adobe Acrobat 零售版中。 用于波斯語文本的類似 OCR 黑板的詳細信息屬于公共領域。

許多軍用 C4ISTAR 系統經常使用黑板（計算機）來檢測和跟蹤目標。

黑板（計算機）在 AI 寒冬之前很流行，并且與大多數具有象征意義的 AI 模型一起，在 AI 寒冬期間過時了。