人工智能第二次发展热潮（1980~2000）

寻求新方向

70年代末，人工智能进入低谷期。科研人员低估了人工智能的难度，美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景望而兴叹。主要技术瓶颈：计算机性能不足；处理复杂问题的能力不足；数据量严重缺失。

在专家系统的有限世界被外界无限的世界和繁复的挑战摧毁后，AI科学家不得不寻找新的方向以求突破。

这时候在语音识别领域，统计学派开始出现，并取代专家系统。而随之而来还有在如今大放异彩的两个重要分支——“机器学习”和“神经网络”。

80年代，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。它具有完整专业知识和经验的计算机智能系统。在1986年之前能为公司每年节省下来超过四千美元经费！

同一时期，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。日本政府在同一年代积极投资AI以促进其第五代计算机工程。80年代早期另一个令人振奋的事件是John Hopfield和David Rumelhart使联结主义重获新生，AI再一次获得了成功。

1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。令“芜杂派”不满的是，他们选用Prolog作为该项目的主要编程语言。

其他国家纷纷作出响应。英国开始了耗资三亿五千万英镑的Alvey工程。美国一个企业协会组织了MCC（Microelectronics and Computer Technology Corporation，微电子与计算机技术集团），向AI和信息技术的大规模项目提供资助。DARPA也行动起来，组织了战略计算促进会（Strategic Computing Initiative），其1988年向AI的投资是1984年的三倍。

机器学习

专门研究计算机怎样模拟和实现人类的学习行为，以获得新的知识和技能。并借此不断强化自身的性能。

神经网络

1982年，物理学家John Hopfield证明一种新型的神经网络（现被称为“Hopfield网络”）能够用一种全新的方式学习和处理信息。大约在同时（早于Paul Werbos），David Rumelhart推广了“反传法（en:Backpropagation）”，一种神经网络训练方法。这些发现使1970年以来一直遭人遗弃的联结主义重获新生。

1980年代-1990年代：连接主义AI阶段：转向神经网络和机器学习，通过模拟神经元的连接和规则来实现智能。

1981年，美国数学家詹姆斯·莱特希尔提出了神经网络的概念，即通过模拟人脑神经元来实现智能的机器学习方法。这一概念成为了连接主义的基础。

联结主义的重获新生，这要归功于物理学家John Hopfield证明一种新型的神经网络（现被称为“Hopfield网络”）能够用一种全新的方式学习和处理信息。大约在同时（早于Paul Werbos），David Rumelhart推广了反向传播算法，一种神经网络训练方法。

这两个重要的研究分支出现后，算法和理论不断被优化，但是因为计算机硬件和计算资源的匮乏。人工智能依然没有发挥出人们期待看到的能力。

1984年，大百科全书（Cyc）项目。Cyc项目试图将人类拥有的所有一般性知识都输入计算机，建立一个巨型数据库，并在此基础上实现知识推理，它的目标是让人工智能的应用能够以类似人类推理的方式工作，成为人工智能领域的一个全新研发方向。

1986年，英国计算机科学家戴维·柯尔津斯推出了反向传播算法，即一种可以根据输出结果来调整神经网络中的权重的方法。这一算法成为了连接主义中最重要的技术之一。

1987年，苹果和IBM公司生产的台式机性超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。80年代末，美国国防先进研究项目局高层认为人工智能并不是“下一个浪潮”。

1997年，IBM的Deep Blue战胜国际象棋世界冠军加里·卡斯帕罗夫，标志着机器在某种程度上能够超越人类的智能。