在达特茅斯会议之后，对该领域的兴趣（以及几个季度的反思）迅速增长。研究人员开始研究各种任务，从证明定理到玩游戏。一些早期的开创性工作涉及非常明显的成就，如Arthur Samuel 1959年的跳棋运动员。6这个非凡的节目向世界展示了一个新颖的主张，即计算机可以被编程为学习比其创作者更好地玩游戏。它可以通过比赛改善其表现，并且可以做一些人类无法对抗自己进行练习的事情 – 最终达到高级业余身份。Allen Newell和Herbert Simon（后来获得诺贝尔经济学奖）于1956年创建了逻辑理论机器，证明了Whitehead和Russell 1910年正式化的大部分定理
数学，Principia
Mathematica。7几年后，同一个团队建立了一般问题解决者，该解决方案被明确地设计为模仿观察到的人类主体试图解决逻辑和其他问题的行为。8
当今的许多演示系统都集中在所谓的玩具问题上，限制了它们对某些简化或自足的世界的适用性，例如游戏或逻辑。部分原因在于，当假设可以简化或孤立地研究现象时，会发生许多科学进步。（例如，加拉帕戈斯群岛贫瘠且相对稀疏的自然环境是达尔文在观察自然选择影响方面的重要帮助。）它也是出于必要性的驱动 – 当时的计算机与今天的计算机相比几乎是无法忍无可忍的。
。今天的典型智能手机实际上比早期AI研究人员可用的计算设备强大100多万倍。
但同样的权宜之计使这个领域受到批评甚至嘲笑。赫伯特・德雷福斯在1965年题为“炼金术和人工智能”的报告中对整个企业进行了谴责，引起了人工智能研究人员的骚动。9他后来躲了起来，“第一个爬树的人可能会在到达月球方面取得切实进展。” 10
但从20世纪60年代中期开始，该领域在美国国防部高级研究计划局（现称为国防高级研究计划局，或DARPA）找到了一位富有的赞助人。根据投资理论，它应该为特定项目的优秀中心提供资金，该组织每年向麻省理工学院，斯坦福大学和卡内基梅隆大学的三个新兴学术AI实验室投入数百万美元，以及一些着名的商业SRI International等研究实验室。另一个着名的研究中心位于英国爱丁堡大学
尽管没有预期的可交付成果，但一贯的资金流动促成了一种随心所欲的知识文化。
乐观情绪丰富，毕业学生们不断相互争吵，试图通过展示计算机可以表现出来的一些令人惊奇的新事物而脱颖而出，偶尔也没有充分理解这个概念的局限和缺点。在SRI，一个研究人员团队将最先进的技术集成到计算机视觉，绘图，规划，学习和错误恢复（以及其他）中，以构建Shakey机器人，这是第一个自动驾驶车辆 – Shakey，一个滚动推车，可以围绕SRI实验室和大厅的相对受控环境进行导航。尽管仅在这个相对简单和人为的领域中运作，但Shakey给了世界最早的一个真实的AI程序，这个程序体现在移动形式中，任何人都可以理解。当Shakey被椅子挡住时，停下来制定它的下一个动作，它只是简单地处理数字还是陷入沉思？是生活杂志有权将Shakey称为1970年的“第一电子人”吗？11
Terry Winograd的麻省理工学院博士论文是另一个展示了重要进展的发展，也说明了该领域如何易于炒作。他的演示程序，在排版机上的第二列字母后命名为SHRDLU，以自然语言（普通英语）回答问题，并在虚拟世界中移动块。12这项精湛的工作将最近在语法，语义，问答，对话，逻辑，知识表示和计算机图形方面的进展汇集在一起，创造出明显的机器智能显示，承载着我们很快就能够参与的隐含承诺与计算机对话作为知识同行。以下提供了SHRDLU对话框如此逼真的感觉：13
人：拿起一个大红块。电脑：好的。
人：抓住金字塔。
电脑：我不明白你的意思是哪个金字塔。
人（改变他们的想法）：找到一个高于你所持有的块并将其放入盒子中。
计算机：通过“它”，我认为你的意思是比我持有的那个更高的块。
电脑：好的。
人：盒子包含什么？
电脑：蓝色金字塔和蓝色块。人：金字塔支持的是什么？
电脑：盒子。
人：盒子里没有多少块？电脑：其中四个。
人：至少有一个比我告诉你的那个更窄吗？
电脑：是的，红色的立方体。
与对话一样令人印象深刻的是，它无法沟通的是当时这样脆弱的问答系统是多么脆弱，无论是他们可以讨论什么，还是输入必须有限。尽管如此，几乎所有人 – 无论是人工智能研究员还是普通大众 – 都可以原谅怀疑人类级人工智能即将到来。（事实上，Winograd的论文是我选择AI职业生涯的主要灵感，更具体地说，是我在自然语言查询系统中自己的博士学位。）但事实是，问答系统虽然有了很大的改进，但是即使在今天，也未能兑现这一承诺。作为斯坦福大学教授的杰出职业生涯，威诺格拉德基本上将人工智能领域转换为人机界面（称为人机交互）。14