Šajā posmā tika definēts pamatjautājums “vai mašīnas var domāt?” un izstrādāti formāli kritēriji pētniecībai. Zinātnieki sāka veidot pirmās teorijas par mākslīgo intelektu.
• A. Tjūrings (1950) publicē “Computing Machinery and Intelligence”, ieviešot ideju par imitācijas spēli (Tjūringa testu).
• Dārtmutas vasaras projekts (1956) – šeit oficiāli nostiprinās termins “artificial intelligence” un tiek formulēti pirmie mērķi.
Attīstās noteikumu sistēmas, loģika un meklēšanas algoritmi. MI tiek būvēts, balstoties uz zināšanām (knowledge-first pieeja).
• ELIZA (1966) – agrīns čatbots, kas izmantoja vienkāršu rakstu atpazīšanu un aizvietošanas noteikumus, lai radītu “sarunas” ilūziju.
Tiek izstrādātas zināšanu bāzes un inferenču dzinēji praktiskām jomām, piemēram, medicīnai, inženierijai un diagnostikai.
• MYCIN – medicīniskas konsultēšanas sistēma, kas palīdzēja infekciju diagnostikā un terapijas izvēlē.
Pārspīlētas gaidas un vāja veiktspēja reālajā pasaulē noveda pie finansējuma un uzticības krituma atsevišķos periodos.
• ALPAC ziņojums (1966) – kritika mašīntulkošanai, kas samazināja finansējumu.
• Lighthill ziņojums (1973) – izvērtējums Lielbritānijā, kas noveda pie atbalsta sarukuma.
Tiek attīstītas ļoti spēcīgas, bet šauri specializētas sistēmas. Uzsvars uz meklēšanu, heuristikām un lielu skaitļošanas jaudu.
• IBM Deep Blue (1997) – ikoniska demonstrācija, uzvarot pasaules čempionu Gariju Kasparovu sešu partiju šaha mačā.
Notiek pāreja no “noteikumiem” uz “mācīšanos no datiem”. GPU attīstība un lielie dati padara dziļos tīklus praktiski pārākus.
• Krizhevsky, Sutskever, Hinton (2012) – būtisks lēciens attēlu klasifikācijā ar dziļiem konvolūcijas tīkliem (ImageNet).
Tiek ieviesti valodas modeļi ar uzmanības (attention) mehānismiem, kas labi mērogojas un uzlabo valodas apstrādi.
• “Attention Is All You Need” (2017) – ievieš Transformer arhitektūru, atsakoties no rekursīvajiem tīkliem.
Modeļi, kas ne tikai atpazīst, bet arī ģenerē tekstu, attēlus un kodu. Notiek plaša integrācija produktos.