人工智能的傳說可以追溯到古埃及，但隨著1941年以來電子計算機的發展，技術已最終可以創造出機器智能，“人工智能”（ARTIFICIAL INTELLIGENCE）壹詞最初是在1956年DARTMOUTH學會上提出的，從那以後，研究者們發展了眾多理論和原理，人工智能的概念也隨之擴展，在它還不長的歷史中，人工智能的發展比預想的要慢，但壹直在前進，從40年前出現至今，已經出現了許多AI程序，並且它們也影響到了其它 技術的發展。 1941年的壹項發明使信息存儲和處理的各個方面都發生了革命.這項同時在美國和德國出現的 發明就是電子計算機.第壹臺計算機要占用幾間裝空調的大房間，對程序員來說是場噩夢：僅僅為運行壹 個程序就要設置成千的線路.1949年改進後的能存儲程序的計算機使得輸入程序變得簡單些，而且計算機 理論的發展產生了計算機科學，並最終促使了人工智能的出現.計算機這個用電子方式處理數據的發明，為人工智能的可能實現提供了壹種媒介.
雖然計算機為AI提供了必要的技術基礎，但直到50年代早期人們才註意到人類智能與機器之間 的聯系. NORBERT WIENER是最早研究反饋理論的美國人之壹.最熟悉的反饋控制的例子是自動調溫器.它 將收集到的房間溫度與希望的溫度比較，並做出反應將加熱器開大或關小，從而控制環境溫度.這項對反饋 回路的研究重要性在於：WIENER從理論上指出，所有的智能活動都是反饋機制的結果.而反饋機制是有可 能用機器模擬的.這項發現對早期AI的發展影響很大.
1955年末，NEWELL和SIMON做了壹個名為邏輯專家(LOGIC THEORIST）的程序.這個程序被許多人 認為是第壹個AI程序.它將每個問題都表示成壹個樹形模型，然後選擇最可能得到正確結論的那壹枝來求解 問題.邏輯專家對公眾和AI研究領域產生的影響使它成為AI發展中壹個重要的裏程碑.1956年，被認為是 人工智能之父的JOHN MCCARTHY組織了壹次學會，將許多對機器智能感興趣的專家學者聚集在壹起進行了壹 個月的討論.他請他們到 VERMONT參加 DARTMOUTH人工智能夏季研究會.從那時起，這個領域被命名為 人工智能.雖然 DARTMOUTH學會不是非常成功，但它確實集中了AI的創立者們，並為以後的AI研究奠定了基礎.
DARTMOUTH會議後的7年中，AI研究開始快速發展.雖然這個領域還沒明確定義，會議中的壹些思想 已被重新考慮和使用了. CARNEGIE MELLON大學和MIT開始組建AI研究中心.研究面臨新的挑戰：下壹步需 要建立能夠更有效解決問題的系統，例如在邏輯專家中減少搜索；還有就是建立可以自我學習的系統.
1957年壹個新程序，通用解題機(GPS）的第壹個版本進行了測試.這個程序是由制作邏輯專家 的同壹個組開發的.GPS擴展了WIENER的反饋原理，可以解決很多常識問題.兩年以後，IBM成立了壹個AI研 究組.HERBERT GELERNETER花3年時間制作了壹個解幾何定理的程序.
當越來越多的程序湧現時，MCCARTHY正忙於壹個AI史上的突破.1958年MCCARTHY宣布了他的新成 果：LISP語言. LISP到今天還在用.LISP的意思是表處理(LIST PROCESSING），它很快就為大多數AI開發者采納.
1963年MIT從美國政府得到壹筆220萬美元的資助，用於研究機器輔助識別.這筆資助來自國防部 高級研究計劃署（ARPA），已保證美國在技術進步上領先於蘇聯.這個計劃吸引了來自全世界的計算機科學家，加快了AI研究的發展步伐. LOEBNER（人工智能類）
以人類的智慧創造出堪與人類大腦相平行的機器腦（人工智能），對人類來說是壹個極具誘惑的領域，人類為了實現這壹夢想也已經奮鬥了很多個年頭了。而從壹個語言研究者的角度來看，要讓機器與人之間自由交流那是相當困難的，甚至可以說可能會是壹個永無答案的問題。人類的語言，人類的智能是如此的復雜，以至於我們的研究還並未觸及其導向本質的外延部分的邊沿。 以後幾年出現了大量程序.其中壹個著名的叫SHRDLU.SHRDLU是微型世界項目的壹部分，包括 在微型世界（例如只有有限數量的幾何形體）中的研究與編程.在MIT由MARVIN MINSKY領導的研究人員發現，面對小規模的對象，計算機程序可以解決空間和邏輯問題.其它如在60年代末出現的STUDENT可以解決代數 問題，SIR可以理解簡單的英語句子.這些程序的結果對處理語言理解和邏輯有所幫助.
70年代另壹個進展是專家系統.專家系統可以預測在壹定條件下某種解的概率.由於當時計算機已 有巨大容量，專家系統有可能從數據中得出規律.專家系統的市場應用很廣.十年間，專家系統被用於股市預 測，幫助醫生診斷疾病，以及指示礦工確定礦藏位置等.這壹切都因為專家系統存儲規律和信息的能力而成為可能.
70年代許多新方法被用於AI開發，著名的如MINSKY的構造理論.另外DAVID MARR提出了機器視覺方 面的新理論，例如，如何通過壹副圖像的陰影，形狀，顏色，邊界和紋理等基本信息辨別圖像.通過分析這些信 息，可以推斷出圖像可能是什麽.同時期另壹項成果是PROLOGE語言，於1972年提出. 80年代期間，AI前進更為迅速，並更多地進入商業領域.1986年，美國AI相關軟硬件銷售高達4.25億 美元.專家系統因其效用尤受需求.象數字電氣公司這樣的公司用XCON專家系統為VAX大型機編程.杜邦，通用 汽車公司和波音公司也大量依賴專家系統.為滿足計算機專家的需要，壹些生產專家系統輔助制作軟件的公 司，如TEKNOWLEDGE和INTELLICORP成立了。為了查找和改正現有專家系統中的錯誤，又有另外壹些專家系統被設計出來. 人們開始感受到計算機和人工智能技術的影響.計算機技術不再只屬於實驗室中的壹小群研究人員. 個人電腦和眾多技術雜誌使計算機技術展現在人們面前.有了像美國人工智能協會這樣的基金會.因為AI開發 的需要，還出現了壹陣研究人員進入私人公司的熱潮。150多所像DEC（它雇了700多員工從事AI研究）這樣的公司***花了10億美元在內部的AI開發組上.
其它AI領域也在80年代進入市場.其中壹項就是機器視覺. MINSKY和MARR的成果如今用到了生產線上的相機和計算機中，進行質量控制.盡管還很簡陋，這些系統已能夠通過黑白區別分辨出物件形狀的不同.到1985年美國有壹百多個公司生產機器視覺系統，銷售額***達8千萬美元.
但80年代對AI工業來說也不全是好年景.86-87年對AI系統的需求下降，業界損失了近5億美元.象 TEKNOWLEDGE和INTELLICORP兩家***損失超過6百萬美元，大約占利潤的三分之壹巨大的損失迫使許多研究領 導者削減經費.另壹個令人失望的是國防部高級研究計劃署支持的所謂智能卡車.這個項目目的是研制壹種能完成許多戰地任務的機器人。由於項目缺陷和成功無望，PENTAGON停止了項目的經費.
盡管經歷了這些受挫的事件，AI仍在慢慢恢復發展.新的技術在日本被開發出來，如在美國首創的模糊邏輯，它可以從不確定的條件作出決策；還有神經網絡，被視為實現人工智能的可能途徑.總之，80年代AI被引入了市場，並顯示出實用價值.可以確信，它將是通向21世紀之匙. 人工智能技術接受檢驗 在沙漠風暴行動中軍方的智能設備經受了戰爭的檢驗.人工智能技術被用於導彈系統和預警顯示以 及其它先進武器.AI技術也進入了家庭.智能電腦的增加吸引了公眾興趣；壹些面向蘋果機和IBM兼容機的應用 軟件例如語音和文字識別已可買到；使用模糊邏輯，AI技術簡化了攝像設備.對人工智能相關技術更大的需求促 使新的進步不斷出現.人工智能已經並且將繼續不可避免地改變我們的生活。 人工智能的壹個比較流行的定義，也是該領域較早的定義，是由約翰·麥卡錫（JOHN MCCARTHY）在1956年的達特矛斯會議（DARTMOUTH CONFERENCE）上提出的：人工智能就是要讓機器的行為看起來就象是人所表現出的智能行為壹樣。但是這個定義似乎忽略了強人工智能的可能性（見下）。另壹個定義指人工智能是人造機器所表現出來的智能性。總體來講，對人工智能的定義大多可劃分為四類，即機器“像人壹樣思考”、“像人壹樣行動”、“理性地思考”和“理性地行動”。這裏“行動”應廣義地理解為采取行動，或制定行動的決策，而不是肢體動作。
強人工智能(BOTTOM-UP AI)
強人工智能觀點認為有可能制造出真正能推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，並且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智能可以有兩類：
類人的人工智能，即機器的思考和推理就像人的思維壹樣。
非類人的人工智能，即機器產生了和人完全不壹樣的知覺和意識，使用和人完全不壹樣的推理方式。
弱人工智能(TOP-DOWN AI)
弱人工智能觀點認為不可能制造出能真正地推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。
主流科研集中在弱人工智能上，並且壹般認為這壹研究領域已經取得可觀的成就。強人工智能的研究則處於停滯不前的狀態下。
對強人工智能的哲學爭論
“強人工智能”壹詞最初是約翰·羅傑斯·希爾勒針對計算機和其它信息處理機器創造的，其定義為：
“強人工智能觀點認為計算機不僅是用來研究人的思維的壹種工具；相反，只要運行適當的程序，計算機本身就是有思維的。”（J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980）這是指使計算機從事智能的活動。在這裏智能的涵義是多義的、不確定的，像下面所提到的就是其中的例子。利用計算機解決問題時，必須知道明確的程序。可是，人即使在不清楚程序時，根據發現（HEU- RISTIC）法而設法巧妙的解決了問題的情況是不少的。如識別書寫的文字、圖形、聲音等，所謂認識模型就是壹例。再有，能力因學習而得到的提高和歸納推理、依據類推而進行的推理等，也是其例。此外，解決的程序雖然是清楚的，但是實行起來需要很長時間，對於這樣的問題，人能在很短的時間內找出相當好的解決方法，如競技的比賽等就是其例。還有，計算機在沒有給予充分的合乎邏輯的正確信息時，就不能理解它的意義，而人在僅是被給予不充分、不正確的信息的情況下，根據適當的補充信息，也能抓住它的意義。自然語言就是例子。用計算機處理自然語言，稱為自然語言處理。
關於強人工智能的爭論不同於更廣義的壹元論和二元論（DUALISM）的爭論。其爭論要點是：如果壹臺機器的唯壹工作原理就是對編碼數據進行轉換，那麽這臺機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是對數據進行轉換，而數據本身是對某些事情的壹種編碼表現，那麽在不理解這壹編碼和這實際事情之間的對應關系的前提下，機器不可能對其處理的數據有任何理解。基於這壹論點，希爾勒認為即使有機器通過了圖靈測試，也不壹定說明機器就真的像人壹樣有思維和意識。
也有哲學家持不同的觀點。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 裏認為，人也不過是壹臺有靈魂的機器而已，為什麽我們認為人可以有智能而普通機器就不能呢？他認為像上述的數據轉換機器是有可能有思維和意識的。
有的哲學家認為如果弱人工智能是可實現的，那麽強人工智能也是可實現的。比如SIMON BLACKBURN在其哲學入門教材 THINK 裏說道，壹個人的看起來是“智能”的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另壹個人是否真的像我壹樣是智能的，還是說她/他僅僅是看起來是智能的。基於這個論點，既然弱人工智能認為可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。BLACKBURN 認為這是壹個主觀認定的問題。
需要要指出的是，弱人工智能並非和強人工智能完全對立，也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在百多年前是被認為很需要智能的。