人工智能作为一个领域始于二十世纪中叶。最初，符号推理流行，带来了如专家系统等重要进展，但因从专家提取知识并以计算机可读形式表现的任务复杂且成本高，无法大规模拓展应用场景，导致 20 世纪 70 年代出现“人工智能寒冬”。
随着时间推移，计算资源更便宜，数据更多，神经网络方法在计算机视觉、语音理解等领域展现出卓越性能，过去十年中“人工智能”常被视为“神经网络”的同义词，多数成功案例基于神经网络。
在创建国际象棋计算机对弈程序方面，早期如 Eliza 基于简单语法规则，将输入句子重述为问题；现代助手如 Cortana、Siri 或谷歌助手是混合系统，用神经网络转换语音并识别意图，再执行操作。未来有望出现完整基于神经网络的独立处理对话模型，如最近的 GPT 和 Turing-NLG 系列神经网络已取得巨大成功。
早期国际象棋对弈程序以搜索为基础，发展出阿尔法-贝塔剪枝搜索算法，搜索策略在对局结束时效果好，开始时因搜索空间大需改进，随后采用基于案例的推理，在知识库中找相似案例决定棋步。能战胜人类棋手的现代对弈程序基于神经网络和强化学习，通过与自己对弈从错误中学习，学习速度比人类快。
