1959年，C.P.斯诺在他的里德演讲中首次提出“两种文化”这一新词，用于描述横亘于西方科学世界和人文世界之间的巨大沟壑。这使得他在学术界赢得了相当的知名度。他1964年获得贵族爵位，1980年去世。霍尔丹于1957年移居印度。部分原因是不满英国政府对苏伊士运河危机的处置方式。在那里，他继续从事遗传学研究，直到1964年去世。薛定谔的小册子《生命是什么》，成为当时分子生物学这一新兴研究领域的推动力——尽管其中关于基因结构的观点后来被沃森、克里克以及其他学者的研究工作证明是错误的。薛定谔最终回到了维也纳，在那里度过了他的余生，并于1961年谢世。
阿兰·图灵于1954年自杀。这距维特根斯坦因前列腺癌去世刚好三年。其实，早在出席斯诺的晚宴时，维特根斯坦就已经得了癌症。在1956年夏天著名的达特茅斯会议上，这一研究领域被约翰·麦卡锡(John McCarthy)命名为“人工智能(AI)”。图灵和维特根斯坦俩人都无缘目睹这一曙光的到来。
按照普遍接受的看法，直到今天，全球AI运动的学术议程，就是在这次在达特茅斯学院召开的会议上被确定下来的。出席这次会议的著名学者有信息论权威克劳德·香农(Claude Shannon)，麻省理工学院人工智能实验室的元老马文·明斯基(Marvin Minsky)，神经网络研究的先驱人物弗兰克·罗森布拉特(Frank Rosenblatt)和诺贝尔奖获得者、经济学家赫伯特·西蒙(Herbert Simon) 以及西蒙在卡耐基·梅隆大学的长期合作者艾伦·纽厄儿(Alan Newell)。在人工智能研究席卷北美和整个世界的1960年代，这批人构成了人工智能研究界的中坚力量。
达特茅斯会议提出了机器智能研究的两种基本方法。以纽厄儿和西蒙为倡导者的第一种方法主张认知是一种高级现象，差不多能够像从一瓶生牛奶上面撇取脱脂乳一样从大脑中“撇取”。这一学派相信智能就是大脑中的符号处理。因此，要想在机器中实现相同的智能，只需简单地产生大脑所使用的符号的合适硅制代用品，并生成与大脑在头盖内用于操纵符号的规则相同的规则。这就是所谓的“自顶而下”AI的基本思想。它撇开大脑的真实有机结构，而专注于符号和用于将符号组合为更多的新符号的规则。
在达特茅斯会议上，以弗兰克·罗森布拉特为首的一批学者是“自顶而下”方法的坚定反对者。他们强调大脑的真实神经结构。这种“由底向上” 的观点实质上也就是说人脑的实际结构对于实现认知功能具有举足轻重的作用。因此，要想真正创造机器智能，应该努力在硬件上模拟人脑结构。 在1960年代的早期，这两种AI学派都在为赢得AI领域的统治地位而互不相让，直到一件奇异的事件发生后，“自顶而下”者才占了上风。这就是明斯基和他的同事西摩-佩珀特(Seymour Papert)所发表的一项研究结果。该项研究结果表明：用罗森布拉特的一个神经模型，也就是感知器，无法解决一个简单的布尔逻辑问题。由于一些无法解释的原因，这个纯粹的数学结果被解释为用神经网络永远无法模拟人脑的活动。因为人脑能够很容易地解决这个逻辑问题，而罗森布拉特的机器却不行。随着这一“令人沮丧的”结果的发表，“由底向上”方法研究的资助经费枯竭了，学生们也纷纷抛弃该研究领域而转向“自顶而下”方法。对于AT运动“自顶而下”和“由底向上” 两大流派的早期历史的详尽记述，以及对有关当事人缤纷个性的妙趣横生的描摹可以从如下两本很有启发性的权威著作中找到，即帕梅拉·麦克多克(Pamela McCorduck)的Machines Who Think Freeman，San Fran Cisco，1979) 和霍华德·加德纳(Howard Gardner)的The Mind's New Science(Basic Books，New York，1985)。
20世纪六七十年代，AI研究集中在对“自顶而下”的游戏策略的探究。其中涉及到各种各样的大量方法，用以解决如何找到正确的思维符号种类和操纵这些符号的规则这一问题，以求建造像你我一样具有认知行为的计算机。在所有这些努力之中，最大的拦路虎就是所谓“背景知识”问题。人的认知从孩提时开始发展，因此我们携带了大量的背景信息。这些信息告诉我们这个世界究竟是一个怎样的世界。而计算机却没有这样的知识可资利用。这使得由一个机器去理解“The ball is the the pen”这样的语句变得非常困难。而一个人却可以立刻意识在这种语境中，“pen”指的是“playpen” (婴儿用围栏)。但是，怎么把这类知识赋予机器呢? “自顶而下”的AI研究者至今仍在为这一问题而绞尽脑汁。
由于倡导建立真实机器智能的“自顶而下”AI研究进展甚微，加上过去20年来计算机技术的长足发展，到了1980年代，人们开始重新审视罗森布拉特的基于神经网络的“由底向上”AI方法。基于新瓶装旧酒的原则，研究者们给它取了一个“连结主义”的新名字——一朵不再被称为玫瑰的玫瑰! 关于连结主义方法和更多的有关思维、大脑和机器的论述，一个不可替代的信息资源是道格拉斯·霍夫施塔特(Douglas Hofstadter)的普利策奖获奖著作Godel，Escher，Bach：An Eternal Golden Braid(Basic Books，New York，1979)。
无论如何，很快人们了解到在1960年代扼杀了神经网络研究的明斯基和佩珀特的研究结果其实和神经网络在思维机器中的应用并不相关。这一事实，再加上廉价且功能强大的计算硬件的广泛使用，导致了“由底向上”AI研究的东山再起，这一情势一直延续到今天。有一本简明读本对“自顶而下” 和“由底而上”的AI研究工作作了非常精彩的描述，这就是杰克·科普兰(Jack Copeland)的a Rthqcial Intel-ligence：A Philosophical Introduction(Blackwell，Oxford，1993)。
1980年代我们目睹了两轮广受关注的针对思维机器思想的讨伐。第一轮来自于哲学家约翰·瑟尔(John Searle)的臭名昭著的“中文屋子”论断。在本书中，这种论断用维特根斯坦的“象形文字屋子”思维实验进行了模拟阐述。瑟尔在他的Minds，Barias，and science(Harvard Llniversity Press，Cambridge，MA，1984)一书中对把图灵实验作为一种有效的智能表征方法的观点进行了不遗余力的批驳。第二轮针对强AI的主要攻击是罗杰·彭罗斯(Roger Penrose)在他的TheEmperor's New Mind(Oxford University Press，Oxford，1989)这一畅销书中对哥德尔定理的呼应。基于本书中斯诺的晚宴上客人们所提出的种种理由，我可以有把握地说，没有多少哲学家和科学家接受他们俩人的观点。所以这里不再赘述。回顾起来，瑟尔和彭罗斯对强AI界的攻击所起到的作用恰恰是激发强AI学术界严肃地反思构成他们研究基础的相关哲学问题，并形成有效的针对瑟尔和彭罗斯观点的反驳论据。
作为对自斯诺时代以来AI研究的这种浮光掠影般的总结的最后一件事项，请让我就早在50年前达特茅斯会议上被AI的创立者们几乎作为神圣使命的两个典型的问题再说几句。这就是计算机对弈和自然语言翻译。在解决这两个扑朔迷离的问题中，今天的AI到底走到什么地步呢? 1997年，世界国际象棋冠军加利·卡斯帕罗夫在一次人机对弈的锦标赛中，被超级国际象棋计算机程序——深蓝2号击败。实际上，即便是在家用电脑上，一个好的国际象棋程序也可以达到只可能被人类国际象棋专家击败的水平。所以，1950年代作出的关于到本世纪末国际象棋世界冠军将会是一部计算机的断言，现在终于成了现实。然而，真正可笑的是，最近有些人觉得编制下棋冠军程序多少会给我们了解人类如何解决问题以启发。唉，事情并没有这么乐观!实际上，我们已经了解到的情况是：人类国际象棋大师和高水平的下棋程序在下棋时所用的方法是毫不相关的。因此，可以这么说，手术取得了成功，病人却死了! 然而，我们能够说的只是深蓝2号通过了一种针对国际象棋的图灵测试。注意一下卡斯帕罗夫在被击败后的谈话是很有意思的。
他说在与深蓝的交手中，他可以看到一个异类的智能体。这与深蓝的设计者们所看到的有很大的不同。设计者们深知下棋程序的内部机理，却不能体会到它下棋的微妙。所以，对于能够体验深蓝2号棋力的卡斯帕罗夫来说，这个程序已经变成了一种人。
尽管如此，从下棋程序的设计中我们并没有学到任何有关人类认知能力和方法方面的东西。对于这次壮观而以失败告终的实验的总结，有一本半技术性但可读性很高的书，这就是蒙逖·纽伯恩(Mounty Newborn)的Kasparoy Versus Deep-Blue：Computer Chess Comes of Age(Springer-verlag，New York，1997)。
以日常现实世界中所谓的能力来衡量，自然语言翻译程序远没有下棋程序那么成功。但是，现实能力效用并不代表一切。考虑要机器像人一样完成这一人类所专长的工作，在过去的半个世纪里，机器翻译工程已经显示出稳步的进展，即便不能说是显著的。其中，这种进展部分应归功于在本书中提到过的诺姆·乔姆斯基在语言理论方面进行的系统研究工作。介绍乔姆斯基的语言理论成果及其局限性的一本好的导读著作是兰笛·哈里斯(Randy Haris)所著的The Linguistic Wars(0xford University：Press，New York ，1993)。从过去那种艰辛而原始的字典查阅方法，到今天能够提供粗糙但可用的译稿这样一件尚可接受的翻译工作的翻译程序，我们有理由希望——如果不是期望的话，在不久的将来《星际旅行》中那种万能翻译器将成为现实。至于这方面的理由，可以参阅W.约翰·哈钦斯(W.John Hutchins)和哈罗德·L.萨墨斯(Harold L.Somers)合著的An Introduction to Machine Transhtion(Academic Press，London，1992)一书。
如果说半个世纪的人工智能研究证明了些什么的话，那就是在机器中实现人的认知功能是一件非常困难的事情。人能够做得很好的事情，像模式识别、视觉和归纳推理以及创造性工作，机器却做不好；反之亦然。这并不是说人的认知过程不能在机器里复制，而是说这是一桩远比在1950年代任何人想像的要棘手得多的事情。现在，很多人感到让机器像人一样地去思考无异于叫机器人去踢足球。或许这是可能的。但是，这样做为了什么呢?就好比叫一匹马去跳舞。更有益的是要认识到通过半个世纪的研究，显示在我们面前的有两种不同形态的智能，而且在近期内，这两种智能将和平共处。经过目前这个不会太长的共存期，人和机器将会分道扬镳，就像数千年前人与豚的告别。假如图灵还活着，看到他的梦想在今天实现的程度，我猜想他一定会感到非常满意。