现在一般认为AI的最早工作是Warren McCulloch和Walter Pitts（1943）完成的。他们汲取了三种资源：基础生理学知识和脑神经元的功能；从罗素和怀特海德开始进行的对命题逻辑的形式化分析；以及图灵的计算理论。他们提出一种人工神经元模型，模型中的每个神经元具有“开”和“关”的特性，以及被足够多的邻近神经元激活时变为“开”状态的开关。神经元的状态被认为“实际等价于引起足够刺激的命题”。例如，他们证明，任何可计算的函数都可以通过某种由神经元连接成的网络进行计算，而且所有逻辑连接符（与、或、非，等等）都可以用简单的网络结构实现。McCulloch和Walter Pitts还提出适当的网络能够学习。唐纳德·海布（Donald Hebb）阐述了一种简单的更新规则（1949），用于修改神经元之间的连接强度。他的规则被称为海布学习，到现在仍是一种有影响力的模型。
两名普林斯顿大学数学系的研究生，马文·明斯基（Marvin Minsky）和Dean Edmonds，在1951年建造了第一台神经元网络计算机。这台被称为SNARC的计算机，使用了3000个真空管和B-24轰炸机上的备用自动驾驶机构来模拟一个由40个神经元构成的网络。明斯基的博士论文答辩委员会很怀疑这种工作是否算是数学，不过传言冯·诺依曼说“如果它现在不是，总有一天会是”。明斯基晚些时候证明了一些有力的定理显示出神经元网络研究的局限性。
还有不少早期工作的例子可以被当作AI，不过是阿兰· 图灵第一个清晰地描绘出AI的完整景像，在他1950年的论文《计算机器与智能》（Computing Machinery and Intelligence）中。在该文里，他提出了图灵测试、机器学习、遗传算法和增量学习。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
