对一个系统(不论是人还是机器)中的概念(如“鸟”)来说，其主要语义问题是如何确定其意义，但对陈述(如“鸟会飞”)来说，除了意义的问题之外还有真值的问题。具体说来，主要是1) 真值可能取那些值? 2) 真值刻画了陈述的什么性质?在这些问题上，传统的观点是众所周知的：1) 每个陈述非“真”即“假”。 2) 真值刻画了陈述是否符合事实。
这个“符合论”真理观和前文介绍的“指称论”意义观一起构成了“模型论语义学”的基础。这种语义学及其变种在逻辑学中占统治地位，并被大量人工智能系统所采用。尽管这个“客观真理观”源远流长且成就非凡，历史上却也没少遇到来自各方面的挑战，而且这些挑战的来源逐渐从哲学领域扩散到科学领域，并且出现在多个学科之中。物理学曾经是最强调“描述世界的本来面貌”的，但量子力学却对这种经典的世界观发起了挑战。
认知科学从另一个角度得出了类似的结论。一个观察者能直接接收的外部信号取决于其感官，而且感知过程是一个多层抽象过程，其结果不仅取决于收到的外部信号，同时也取决于观察者对此信号的加工方式。我们信念的客观性因素的另一个来源是社会性。在个体认知系统通过通讯形成共享信念以获得间接经验的过程中，个体差异被在很大程度上排除了。实证论的真理观在科学哲学研究中也受到了挑战。
因为科学结论大都是关于普遍情形的，一次具体检验的成功不能说明其普遍成立，但一次具体检验的失败却能说明其并非普遍成立。基于这一不对称性，波普尔提出了“科学理论无法证实，但可以证伪”的理论。如果“证实”和“证伪”均不可得，还有没有办法得到确定的结论了?似乎唯一的办法是人为地确定它们，并使其免于来自经验的挑战。另一个把信念确定化的方式是把它奉为信仰。
对其它“经验性”信念(如“鸟会飞”)来说，如果上述种种办法均不适用，我们还能在什么意义下谈论其“真值”呢?我们还有“证据”。在智能系统中“知识和资源相对不足”的假设下，参考资料[2]讨论了一个完全基于已有证据的真值定义。系统信息加工资源的不足使得情况更加复杂。由于要在时间不足以考虑所有相关信息的情况下作出判断，在一个真值背后的证据往往不是系统所知道的全部有关证据，而只是系统在当下所考虑到的那些。