1976年，凱尼斯·阿佩爾和沃夫?qū)?middot;哈肯等人利用人工和計算機混合的方式證明了一個著名的數(shù)學猜想：四色定理——“任意一張區(qū)域劃分的地圖，僅用四種顏色就可以染色該地圖，使任意兩個相鄰的國家不會撞色；這個定理之前被經(jīng)驗肯定，但人們不知如何從公理上證明。兩位研究者把這個定理化作幾千種不同的特例，然后用計算機的窮舉能力，一個一個證明了。但這種借助計算機蠻力的辦法，至今被許多數(shù)學家認為不算是真正的證明。
機器學習也突飛猛進；達特茅斯會議上，阿瑟·薩繆爾公開了一個跳棋程序，它具有自學習函數(shù)，可以不斷總結(jié)經(jīng)驗提高水平。1959年，該跳棋程序打敗了設(shè)計者薩繆爾本人，3年后，它已經(jīng)可以擊敗美國一個州的跳棋冠軍。
1956年，奧利弗·薩爾夫瑞德研制出首個字符識別程序，開辟了模式識別這一新的領(lǐng)域。1957年，紐厄爾和西蒙等開始研究一種不依賴于具體領(lǐng)域的“通用問題求解器”。1963年，詹姆斯·斯拉格發(fā)表了符號積分程序SAINT，輸入一個函數(shù)的表達式，該程序就能自動輸出這個函數(shù)的積分表達式。過了4年后，他們研制出了升級版SIN，已可表現(xiàn)出專家水準。
挫折后轉(zhuǎn)向機器學習
一開始人工智能就顯現(xiàn)出光明前景，學者們沒有理由不樂觀。1958年，紐厄爾和西蒙自信地說，不出10年，計算機將會成為世界象棋冠軍，證明重要的數(shù)學定理，譜出優(yōu)美的音樂。照這樣的速度發(fā)展下去，2000年人工智能就能超過人類。
可事實沒那么簡單。1965年，機器定理證明遇到瓶頸：計算機推了數(shù)十萬步也無法證明兩個連續(xù)函數(shù)之和仍是連續(xù)函數(shù)。薩繆爾的跳棋程序也無法進一步戰(zhàn)勝世界冠軍。
1960年代計算機技術(shù)爆發(fā)時，大家估計人工智能不超過十年就能實現(xiàn)。但后來人工智能技術(shù)的發(fā)展之難，讓很多科學家放棄了這個領(lǐng)域。后來學界也將人工智能分為兩種：難以實現(xiàn)的強人工智能和可以嘗試的弱人工智能。
強人工智能是科幻電影里常見的那種，可以認為它就是人，可執(zhí)行“通用任務(wù)”。弱人工智能則處理單一問題。我們迄今仍處于弱人工智能時代。
1970年代，愛德華·費根鮑姆的思路被學界接受：人工智能不光要研究解法，還得引入知識。專家系統(tǒng)就誕生了。它利用數(shù)字化的知識去推理，以模仿領(lǐng)域?qū)＜医鉀Q問題。第一個成功的專家系統(tǒng)DENDRAL1968年問世，可根據(jù)質(zhì)譜儀的數(shù)據(jù)推知分子結(jié)構(gòu)。
在1977年世界人工智能大會提出的“知識工程”的啟發(fā)下，日本的第五代計算機計劃、英國的阿爾維計劃、歐洲的尤里卡計劃和美國的星計劃相機出臺，人工智能都是這些計劃的重要組成部分。
于是，在1980年代，機器學習成為了人工智能的焦點。而且學者也提出了讓機器不靠人類灌輸知識，而是模擬小孩子自己去學的方法。其中，有學者模擬大腦結(jié)構(gòu)（神經(jīng)網(wǎng)絡(luò)）實現(xiàn)，也有學者模擬與環(huán)境互動的簡單生物體。他們與傳統(tǒng)的人工智能流派鼎足而立。
但是，直到1990年代，人工智能的研究仍未走出低潮，日本在機器人領(lǐng)域大量投資，但當時效益不明顯。
IBM“三兄弟”唱主角
1988年，人工智能系統(tǒng)深思闖入國際象棋界。它是IBM研發(fā)的，每秒考慮70萬步棋。1991年，深思II戰(zhàn)平了澳大利亞國際象棋冠軍。
1996年，深思的升級版深藍挑戰(zhàn)人類國際象棋世界冠軍，如日中天的加里·卡斯帕羅夫，2∶4落敗。一年后的5月11日，深藍以3.5∶2.5的成績戰(zhàn)勝了卡斯帕羅夫。這兩次比賽都引發(fā)了全球關(guān)注，最終讓人工智能重新贏得世界的注意力。
2011年2月，在美國一個著名的電視問答節(jié)目《危險》中，IBM公司的沃森（Watson）系統(tǒng)戰(zhàn)勝了人類選手，成為深藍后另一個里程碑。這個節(jié)目是各種知識的問答，主持人給出一些線索，選手則要猜出主持人所講的東西。自然語言理解對機器是很難的，因為涉及到語言的隱含意思，各種比喻和歧義。沃森能夠搞明白人類的語言是一大進步。
IBM巨額投入在各種表演性質(zhì)的人工智能上，樹立了AI領(lǐng)袖的形象，也拉升了自己的股票。目前，沃森和同類系統(tǒng)已經(jīng)被用在幫助律師處理案卷，或者幫助醫(yī)生根據(jù)病例做初步診斷上。