當時主要問題：

　　1.計算機運算能力遭遇瓶頸，無法解決指數型爆炸的復雜計算問題

　　2.常識和推理需要大量對世界的認識信息，計算機達不到“看懂”和“聽懂”的地步

　　3.無法解決莫拉維克悖論

　　4.無法解決部分涉及自動規劃的邏輯問題

　　5.神經網絡研究學者遭遇冷落

　　說明：莫拉維克悖論：如果機器像數學天才一樣下象棋，那么它能模仿嬰兒學習又有多難呢?然而，事實證明這是相當難的。

　　第二次發展高潮(1980年—1987年)

　　80年代初，一類名為“專家系統”的AI程序開始為全世界的公司所采納，人工智能研究迎來了新一輪高潮。在這期間，卡耐基梅隆大學為DEC公司設計的XCON專家系統能夠每年為DEC公司節省數千萬美金。日本經濟產業省撥款八億五千萬美元支持第五代計算機項目。其目標是造出能夠與人對話、翻譯語言、解釋圖像、能夠像人一樣推理的機器。其他國家也紛紛作出了響應，并對AI和信息技術的大規模項目提供了巨額資助。

　　說明：專家系統是一種程序，能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。由于專家系統僅限于一個很小的領域，從而避免了常識問題?！爸R處理”隨之也成為了主流 AI 研究的焦點。

　　當時主要成就：

　　1.專家系統的誕生

　　2.AI研究人員發現智能可能需要建立在對分門別類的大量知識的多種處理方法之上

　　3.BP算法實現了神經網絡訓練的突破，神經網絡研究學者重新受到關注

　　4.AI研究人員首次提出：機器為了獲得真正的智能，機器必須具有軀體，它需要有感知、移動、生存，與這個世界交互的能力。感知運動技能對于常識推理等高層次技能是至關重要的，基于對事物的推理能力比抽象能力更為重要，這也促進了未來自然語言、機器視覺的發展。

　　第二次寒冬(1987年—1993年)

　　1987年，AI硬件的市場需求突然下跌?？茖W家發現，專家系統雖然很有用，但它的應用領域過于狹窄，而且更新迭代和維護成本非常高。同期美國Apple和IBM生產的臺式機性能不斷提升，個人電腦的理念不斷蔓延;日本人設定的“第五代工程”最終也沒能實現。人工智能研究再次遭遇了財政困難，一夜之間這個價值五億美元的產業土崩瓦解。

　　當時主要問題：

　　1.受到臺式機和“個人電腦”理念的沖擊影響

　　2.商業機構對AI的追捧和冷落，使AI化為泡沫并破裂

　　3.計算機性能瓶頸仍無法突破

　　4.仍然缺乏海量數據訓練機器

　　第三次發展高潮(1993年至今)

　　在摩爾定律下，計算機性能不斷突破。云計算、大數據、機器學習、自然語言和機器視覺等領域發展迅速，人工智能迎來第三次高潮。

　　摩爾定律起始于Gordon Moore在1965年的一個預言，當時他看到因特爾公司做的幾款芯片，覺得18到24個月可以把晶體管體積縮小一半，個數可以翻一番，運算處理能力能翻一倍。沒想到這么一個簡單的預言成真了，下面幾十年一直按這個節奏往前走，成為了摩爾定律。

　　主要事件

　　1997年：

　　IBM的國際象棋機器人深藍戰勝國際象棋世界冠軍卡斯帕羅夫

　　2005年：

　　Stanford開發的一臺機器人在一條沙漠小徑上成功地自動行駛了131英里，贏得了DARPA挑戰大賽頭獎;