1956 到 1974人工智慧獲得一些機構的重視及財務資助，從50年代後期到60年代湧現出大批AI程序及新的研究方向，是AI首次黃金時期。
1974 – 1980是AI第一次低谷。AI一些過於樂觀的承諾無法在現實中兌現，AI學者間也會因為意見不同而相互批評及攻擊：譬如贊成採用計算方式實現人工智慧的馬文·閔斯基(Marvin Minsky)猛烈批評他的高中同學弗蘭克·羅森布拉特(Frank Rosenblatt)依據聯結主義所發明的感知器(Perceptron)。不僅限制聯結派人工神經網路的發展，也讓外界對人工智慧的發展方式產生迷惑。
1980 – 1987藉「知識處理」之名及日本政府大力發展第五代電腦出現榮景。1987年第一次計算生物學(Computational Biology)研討會在聖塔菲研究所(SFI，Santa Fe Institute)贊助下展開。第一屆神經網路研討會(First International Conference on Neural Networks)於1987年6月在美國聖地亞哥舉行。
1987 – 1993是AI第二次低谷。人們把注意力放在電腦硬體性能的提升，對AI的需要相對降低。電腦可以擁有專家知識，但卻不具備基本『常識』。
1993 – 今1993年之後電腦數據越來越多，需要研究數據挖掘(Data mining)，AI又找到新舞台發揮。1997年IBM的「深藍」(Deep Blue)打敗了國際象棋的世界冠軍，2006年傑弗里·辛頓(Geoffrey Hinton)提出了深度學習(deep learning)的概念。2011年微軟研究院和Google利用深度學習在語音識別得到突破。2012進一步應用在圖像識別降低錯誤率，Google Brain採用非監督(unsupervised)方式辦法，從YouTube視頻中在沒有人工介入的情況下識別出貓的特徵，2014年Facebook研發了DeepFace，2016年DeepMind用AlphaGo打敗圍棋高手，讓人工智慧又熱鬧起來。
機器學會自主學習
機器學習開啟人工智慧的新頁，不需要人類持續修正模型及參數，電腦可以從資料或環境中獲取資訊變得更聰明，學習方式大略可分為監督學習(利用標註的輸入資料)、無監督學習(輸入資料不需事先標註)、半監督學習(介於監督學習與無監督學習之間)及增強學習(通過觀察的反饋來做出判斷)。
