（馬文·明斯基）
明斯基的這些成果雖然可以被稱作人工智能的早期工作，但是鑒于當(dāng)時(shí)的明斯基還是一個(gè)青澀的毛頭小子，所做的博士論文都不能得到相應(yīng)的認(rèn)可，所以影響力有限。
接著上場的第二位人物影響力就大很多，那就是計(jì)算機(jī)科學(xué)之父阿蘭·圖靈，他是被認(rèn)為最早提出機(jī)器智能設(shè)想的人。圖靈在1950年的時(shí)候（也就是明斯基還在讀本科的時(shí)候）在雜志《思想》（Mind）發(fā)表了一篇名為“計(jì)算機(jī)器與智能”的文章，在文章中，圖靈并沒有提出什么具體的研究方法，但是文章中提到的好多概念，諸如圖靈測試、機(jī)器學(xué)習(xí)、遺傳算法和強(qiáng)化學(xué)習(xí)等，至今都是人工智能領(lǐng)域十分重要的分支。
（圖靈在1950年的時(shí)候在雜志《思想》（Mind）發(fā)表的名為“計(jì)算機(jī)器與智能”的文章）
介紹完以上兩大人物，接下來標(biāo)志著人工智能作為一個(gè)獨(dú)立領(lǐng)域而誕生的盛會——達(dá)特茅斯研討會就要粉墨登場了。
不過在介紹達(dá)特茅斯研討會之前，我們不得不介紹這第三位重量級的人物，那就是約翰·麥卡錫，因?yàn)樗沁@次研討會的發(fā)起人。約翰·麥卡錫于1948年獲得加州理工學(xué)院數(shù)學(xué)學(xué)士學(xué)位，1951年獲得普林斯頓大學(xué)數(shù)學(xué)博士學(xué)位。然后又在那里作為老師工作了兩年，接著短暫地為斯坦福大學(xué)供職后到了達(dá)特茅斯大學(xué)，正是這個(gè)時(shí)期，它組織了達(dá)特茅斯研討會。在這次大會上，麥卡錫的術(shù)語人工智能第一次被正式使用，所以麥卡錫也被稱作人工智能之父。其實(shí)麥卡錫在達(dá)特茅斯會議前后，他的主要研究方向正是計(jì)算機(jī)下棋。
（約翰·麥卡錫）
下棋程序的關(guān)鍵之一是如何減少計(jì)算機(jī)需要考慮的棋步。麥卡錫經(jīng)過艱苦探索，終于發(fā)明了著名的 - 搜索法，使搜索能有效進(jìn)行。 - 搜索法說核心就是，算法在采取最佳招數(shù)的情況下允許忽略一些未來不會發(fā)生的事情。說的有點(diǎn)抽象，我們來舉個(gè)十分簡單的例子。
假如你面前有兩個(gè)口袋和一個(gè)你的敵人，每個(gè)口袋放著面值不等的人民幣，你來選擇口袋，你的敵人決定給你這個(gè)口袋里哪張面值的錢。假設(shè)你一次只能找一只口袋，在找口袋時(shí)一次只能從里面摸出一次。當(dāng)然你希望面值越大越好，你的敵人自然希望面值越小越好。假如你選擇了第一個(gè)口袋。現(xiàn)在我們從第一個(gè)口袋開始，看每一張面值，并對口袋作出評價(jià)。比方說口袋里有一張5元的和一張10元的。如果你挑了這只口袋敵人自然會給你5元的，10元的就是無關(guān)緊要的了。
現(xiàn)在你開始翻第二個(gè)口袋，你每次看一張面值，都會跟你能得到的最好的那張面值(5元)去比較。所以此時(shí)你肯定就去找這個(gè)口袋里面面值最小的，因?yàn)橹灰钌俚囊?元好，那么你就可以挑這個(gè)口袋。假如你在第二個(gè)口袋摸出一張1元的，那么你就不用考慮這個(gè)口袋了，因?yàn)槿绻闾袅诉@個(gè)口袋，敵人肯定會給你1元面值的，那當(dāng)然要選擇最小面值的5元的那個(gè)口袋啦。
（基于 - 剪枝算法的智能五子棋）
雖然有點(diǎn)繞，不過我覺得你應(yīng)該大概已經(jīng)理解了這個(gè)思路。這就是 - 搜索法，因?yàn)檫@種算法在低于或者超過我們搜索中的 或者 值時(shí)就不再搜索，所以這種算法也稱為 - 剪枝算法。這種算法至今仍是解決人工智能問題中一種常用的高效方法。當(dāng)年IBM的深藍(lán)國際象棋程序，因?yàn)榇驍∈澜绻谲娍ㄋ古亮_夫而聞名世界，它靠的正是在30個(gè)IBM RS/6000處理器的并行計(jì)算機(jī)上運(yùn)行的 - 搜索法。
但是需要注意的是，前不久的谷歌AlphaGo，由于棋盤是19x19的，幾乎所有的交叉點(diǎn)都可以走子，初始的分支因子為361，這對于常規(guī)的 - 搜索來說太令人生畏了，所以別看名字里面帶了一個(gè) （Alpha，有可能這個(gè)名字是為了紀(jì)念麥卡錫的 - 搜索算法），AlphaGo采用的是卻是蒙特卡洛搜索樹（MCTS），它是一種隨機(jī)采樣的搜索樹算法，它解決了在有限時(shí)間內(nèi)要遍歷十分寬的樹而犧牲深度的問題。