由於計算機有記憶、運算能力，所以人們希望用它來實現人的智能活動。這些活動包括識別、分析、推理、判斷、學習等。1深藍計算機系統956年誕生的人工智能學科，就是研究如何利用機器來實現人的智能活動的科學。
由於人工智能的難度超過預想，它的進展也遠遠落後於計算機科學本身。然而，人類在實現了自動化以後，需要實現智能化。因此科學家們對人工智能壹直在進行鍥而不舍的研究。美國IBM的“深藍”計算機戰勝棋王卡斯帕羅夫以及在日本大阪舉行的機器人世界杯足球賽就引起公眾對人工智能的關心。
人工智能經歷著艱難而曲折的過程。
早期的人工智能被用於解難題、遊戲、下棋等方面，並取得了不少成績，使人對它抱有不切實際的樂觀。然而，壹旦將它用於解決實際問題，便暴露出它的弱點，最著名的例子便是機器翻譯的失敗。於是20世紀60年代人工智能走向了低谷，直到70年代專家系統取得成功，才使人工智能又恢復了活力。總結人工智能發展中正、反兩方面的經驗，人們知道了知識在智能中所起的重要作用。早期機器翻譯的失敗，就在於沒有充分利用有關知識。由於語法和詞語的多義性，必然導致翻譯出來的東西前後矛盾、笑話百出。以“Time flies like a narrow”這樣簡單的句子為例，便有三種不同的譯法。第壹種譯為“時間像箭壹樣地飛”，即“光陰似箭”；第二種可譯為“時蠅喜歡箭”；第三種可譯為“像箭那樣對蒼蠅計時”。單從語法和詞義上看，這三種譯法都可以，但如果結合知識來判斷，只有第壹種譯法才是正確的。
鑒於知識對智能的重要作用，1977年便從人工智能中分化出“知識工程”這壹新學科，成為人工智能的基礎技術。知識工程所要研究解決的是如何使計算機有效地利用知識。
由於知識工程是以知識作為信息處理的對象，因此需要區分知識和數據之間的差別。首先，數據是信息的明顯表示，而知識則是信息的含蓄表示。例如“中國有13億人口”就是壹個數據型信息，因為“13億”這個信息很明確，可直接利用。而“感冒時壹定不要淋雨”盡管也是日常生活中的普通常識，而且“淋”字也有明確意義，但“不要淋”具體指什麽並不明確，這就是知識型信息。如果要使計算機明白它的含義，就必須告訴計算機，所謂“不要淋”是指不要出門，還是出門時要帶雨具。
由於許多知識都是用自然語言表示，因此以計算機作為工具來處理知識，目前還有許多困難。但是，目前知識已被應用到人工智能的各個領域中，特別是專家系統和機器翻譯。鑒於知識對智能的重要性，所以“深藍”也配備有壹個龐大的數據庫(知識庫)，它收集了近100年來世界最高水平棋手對弈的棋譜，還收集了許多殘局，也就是終局前5步棋的棋譜。目前，這壹數據庫已收集了超過10億個棋譜。它對“深藍”戰勝棋王，發揮了巨大作用。
認知科學是使人工智能取得突破的關鍵，數字化技術的應用是人工智能的重要方式。人工智能所以進展緩慢，根本原因在於：人對自己的腦子是如何工作的，人是怎樣認識事物的，人的智能是怎麽壹回事等許多問題還沒有完全搞清楚。只有弄清這些問題才能使人工智能取得突破性進展，使計算機、機器人變得更加聰明，能為我們做更多的事。於是，融信息科學、哲學、心理學於壹體的邊緣學科——認知科學便應運而生。認知科學主要研究人的認識原理、智能本質、人腦是怎樣進行信息處理等問題。根據對心和腦之間關系的不同認識，目前認知科學分成兩大流派，即符號主義和連接主義符號主義認為，認知(智能)的基本元素是符號，認知過程是對符號表示的運算。人類的語言、文字和思維都可用符號來描述，而且思維過程只不過是這些符號的存儲、變換、輸入和輸出。總之，其為心和腦的二元論者，認為心和腦是可以分離的。由於人類的思維被認為能用符號來描述，所以只要把這種描述表示出來，讓能夠處理符號的機器進行運算，那麽實現認知便沒有什麽困難。所以它認為實現認知的關鍵，便是如何把知識表示為計算機能夠認識的符號。這是人工智能誕生以來壹直采用的基本方法。多年來的實踐經驗表明，它在壹定程度上是成功的。這次“深藍”的原理也是立足於這壹理論上。它戰勝棋王也說明符號主義仍然可以解決實際問題。
與之相反，連接主義認為符號是不存在的，認知的基本元素就是神經元(神經細胞)這個實體本身。認知過程是大量神經之間的相互連接以及這種連接所引起的神經元產生不同興奮狀態的過程。其認為心和腦是不可分離的，因為離開了神經元的連接，也就無從進行信息處理。連接主義是在出現了神經計算機後才出現的，是對傳統符號主義的挑戰。需要指出，雖然這兩大流派存在巨大的分歧，但它們都承認人腦是智能的物質基礎，而思維則是某種形式的信息處理過程。符號主義在解決壹些較簡單的問題時是成功的，但存在很大局限性。因為人的許多思維過程難以用符號表示。壹些涉及模糊性的事物，如人的相貌、心情便無法用符號描述。甚至像“什麽樣的鳥能飛”這樣簡單的事情，也難以滴水不漏地描述出來。如果回答：“除鴕鳥、企鵝……之外，壹切鳥都能飛。”那麽還會提出：“死鳥會飛嗎？”即使把死鳥排除在外，還存在“翅膀受傷的鳥能飛嗎”之類的問題。就以機器人參加足球賽來說，對來球的情況，便難以用符號描述。
連接主義由於不用符號，所以不存在難以描述的困難。它已在視覺處理、識別和理解以及語音識別上顯示出優勢。但是為了實現柔性很大的連接，對計算機的硬件和軟件要求都更高了。在可以預見的未來，這兩種流派將同時並存，取長補短，各有其用武之地。
人工智能的成功應用——專家系統。人工智能的應用大體上可分為3大類：專家系統、模式識別(包括圖像識別、語音識別、機器翻譯等)、行動規劃(如計算機下棋、機器人足球賽等)。其中，最容易實現和取得最大成功者，是專家系統。專家系統是壹種計算機軟件，它使計算能像專家壹樣解決某壹類問題，所以俗稱機器專家。它是人工智能得到最廣泛應用的分支。
1979年美國三裏島核電站事故以及1986年蘇聯切爾諾貝利核電站的災難性事故，都是由於沒有及時對故障做出正確判斷造成的。
隨著科學技術的發展，人們需要在錯綜復雜、瞬息萬變的情況下及時做出正確判斷，否則就會引起嚴重後果，如對大型電站、化工廠的生產過程控制，國民經濟的宏觀決策等。對這些事情，如果完全由人來做出判斷，有時難免會發生失誤。因為人的反應速度遠不如計算機，而且因主觀、片面、遺忘等造成“智者千慮，必有壹失”。因此有專家系統幫助人類壹起來做出判斷、決策，便可取長補短、相得益彰。
此外，人類專家的數量總是有限的，經驗豐富的為數不多，無法滿足所有求診患者的要求。如果專家系統能同名醫壹樣進行診斷、開方，就可以有效地解決名醫(專家)不足的矛盾。再說，每個專家都有自己的專長和不足，如果把許多專家的絕招都教給專家系統，便可以集思廣益、博采眾長。而且人總會衰老、死亡的，及時把處於巔峰時期的專家經驗教給專家系統，就可以系統整理、總結專家的經驗，並使其不至於失傳。
總之，人類迫切需要專家系統這樣的助手，而且這種需要是多方面、多層次的。70年代在知識工程的支持下，出現了第壹批專家系統。早期專家系統的傑出表現，使它獲得社會承認。其中最著名的例子是美國華盛頓州大鉬礦的確定。自第壹次世界大戰以來，人們便想確定它的主礦床所在，但由於地質構造過於復雜，歷時半個世紀都未能解決。最後靠找礦專家系統輕而易舉地找到了主礦床。建立專家系統，就是要收集、整理專家的知識，並將其整理成計算機能夠利用的形式存入知識庫中。當要解決問題時，計算機從知識庫中取出有關的知識，經過推理，便可像專家壹樣得出結論。所以專家系統中，以知識庫和推理機構最為重要，它們是專家系統的核心。
智能化是推動人工智能發展的動力，人類在實現自動化之後便要求實現智能化。如在工業生產中大量使用機器人實現自動化後，便希望機器人有高度智能，能在更復雜環境下面對千變萬化的情況，自覺地進行工作，以便能把機器人用到第壹產業、第三產業，全面地取代人的工作。讓機器人參加世界杯足球賽，也就是要達到這壹目正是人類要實現智能化的偉大目標，成為推動人工智能不斷發展的動力，改變我們生活的智能技術。隨著科學技術的飛速發展，各種高技術不斷湧入我們的世界，正在改變著我們的生活、工作，也改變著我們的認識。融入壹定智慧的各類智能技術，正在悄悄走近我們，並將會成為21世紀技術的焦點。
另外，美國最近合成出壹種能貯藏和釋放熱量的塑性智能偽裝技術。美國波士頓城郊的陸軍研究與發展中心的壹些科技專家多年來壹直在研究“自適應色彩技術”，其中壹項就是智能仿生偽裝技術，對人和裝備進行偽裝。這種智能仿生偽裝是采用能改變光輸出量的光敏器件和材料作為織物的基礎纖維，並與背景色(環境顏色)光傳感器和微電腦組合，依靠計算機的比較處理功能，控制織物纖維的光輸出量，並讓光譜的成分與背景色接近，已達到偽裝的目的。
目前荷蘭正在壹段10千米長的高速公路上試驗用智能燈照明，這種燈的發光強度由電腦控制，並與當時的氣候條件和車流量相適應。據該試驗研究人員格貝爾·福勒介紹，這是世界上首次使用智能燈照明。在進行該試驗的高速公路沿線，設置了壹些小型氣象站，這些氣象站可隨時測定天氣狀況，並將測量信息發送給中心電腦；在公路的地面上鋪設了壓電材料制作的感應器，將路面上的車流量及路況信息傳送給中心電腦。中心電腦根據這些信息再向智能燈發送指令，令這些燈發出不同等級的光。