到了20世紀70年代，人工智慧研究領域形成三駕馬車：卡內基梅隆大學的紐厄爾和西蒙，斯坦福大學的麥肯錫，麻省理工學院的馬文.明斯基。

他們分屬兩個人工智慧研究流派，資訊計算學派和神經網路學派。

前者著眼於程式的邏輯結構、符號作業系統以及程式語言，他們尤其強調“計算”這一概念對於人工智慧研究的重要性；後者著眼於神經網路的研究，強調對大腦神經系統工作方式的探索和模擬。

他們都是理性主義哲學流派的忠實信徒，堅定的認為大腦就是一個複雜的肉質機器，更進一步，受到夏農資訊理論和圖靈可計算性理論的啟發，對人類大腦的思維活動有了更加清晰的推測，那就是接受資訊，對資訊進行加工計算，得出結論，並進行適當的決策反應。

編過程式的人都知道，早期的程式，實質上是一個數據加工處理過程，據此看來，一定和這一大腦機器模型有直接的關係。

他們在人工智慧寒冬來臨之前的研究的重要成果包括：

1.各種國際象棋下棋系統：很多人工智慧大咖都參與研究過，如1955年紐厄爾編寫的NSS程式，1951年麥卡錫編寫的下棋程式和α-β搜素法。

2.通用問題求解機，紐厄爾和西蒙從五十年代一直研究到70年代，先後開發了邏輯理論機器（LTM）、通用問題求解器（GPS）、SOAR等。由此構造出他們的認知模型，並最終得出結論，即智慧作為一種高階的資訊處理過程，可以通過操作物理符號來加以解釋。

3.隨機化強化神經模擬計算機（SNARC），由馬文.明斯基和迪安.埃德蒙在1951年設計,模擬大腦神經元的工作方式，使用電子元件對外界訊號進行反應，在完成任務時，它的人造神經元首先會建立一些隨機聯結，如果其中一種特定的聯結能夠協助完成任務，那麼這種聯結就得到增強，由此，各種得到增強的聯結構成一個模擬神經網路。

4、計算機語言，這裡只列出和人工智慧有關的，包括IPL（資訊處理語言，紐厄爾和西蒙）、LISP（表處理語言，麥卡錫）、Prolog（邏輯處理語言，阿蘭.科爾邁倫和羅伯特.科沃爾斯基）。

“知識就是力量”，培根的名言至今仍在中國的各種學習場所懸掛，具有強大的生命力。

如果立論的前提是錯誤的，無論用多麼完善的推理機制和規則來推到，結論肯定是錯誤的，甚至是荒謬的，如中世紀的經院哲學，只有知識的普及帶來了光明，照亮歐洲盡千年的黑暗。

具備人工智慧的機器也一樣，沒有知識的支撐，將幼稚得連一個嬰兒都不如。

人工智慧的大師們逐漸意識到了這點，開始探求具有常識的機器的研究，要想機器具備常識，就得讓機器理解並記憶人類的知識，知識的機器表達成了研究的關鍵。

但早期的大師們仍沒有將知識和資訊的概念進行有意識的區分，他們所謂知識就是資訊，紐厄爾研發一款並不怎麼成功的梅林（Merlin）程式，試圖讓程式理解的方式對資訊進行表徵，麥卡錫和明斯基提出框架（frame）概念，來對知識進行組織化和條目化。

人工智慧呼喚新的研究大師，愛德華.費根堡姆，道格拉斯.裡南應時而生。

費根堡姆基於歸納推理的專家系統和道格拉斯.裡蘭的大百科全書計劃成功推出，讓知識的光芒閃爍在人工智慧的天空，並迅速成為人工智慧研究領域的主流，還在商業領域得到了廣泛的應用。

費根堡姆提出了知識庫的概念，包括某種特定領域的高階技能，他和特定領域的專家合作，將他們的知識和工作經驗灌入知識庫，形成一個專家系統，又通過一種被稱做“推理機構”的程式對顧客的問題進行推理和解答。

費根堡姆1965年成功研製出DENDRAL，利用知識庫和一種叫做“推論引擎”的結構產生一條邏輯鏈條，從而有效的解決問題。

如果說DENDRAL是一個實驗室得力助手，1970年的改進版METADENDRAL又稱為一位全自動的化學家。

斯坦福大學研製出MYCIN是專家系統在醫學領域的應用，它擁有強大的傳染病知識庫，可以作為醫生的諮詢助手。

除了醫學和化學，專家系統還廣泛應用於工業製造、生物和地質學的科研、軍事訊號、航天科技等諸多領域。

如果說專家系統是某一領域的專才，那麼，道格拉斯.裡南負責研發的機器大百科全書Cyc則是無所不知的通才。

Cyc是通過一種類似Lisp的CycL程式語言進行編寫的，管理著上百萬的知識命題，這些命題以微型理論作為單元來組織，每個微型理論由一些命題條目和概念組成，並對特定領域的比喻和習語提供解釋規則，Cyc還擁有30多個獨立的推理引擎。

Cyc以強大的知識庫著稱，伴隨著不斷的質疑聲和不斷推遲的研究計劃，Cyc的知識條目也在不斷增長，1984年100萬條，1994年400萬條，人們預計最終會需要2000萬到4000萬條才夠，這麼龐大的知識無疑使Cyc成為一個通用專家系統。

但在開放的網際網路時代，各種知識層出不窮，實時上傳到網上，加上各種智慧化的搜尋引擎讓我們快速獲得，Cyc知識庫的存在價值究竟還有多少呢？