The spirit is willing but the flesh is weak.（心有余而力不足。）
遗憾的是，在关于机器与心智的判断上，西蒙和其他年少轻狂的人工智能科学家们都过于乐观了。1965年，人工智能在机器定理证明领域遭遇了滑铁卢，计算机推了数十万步也无法证明两个连续函数之和仍是连续函数。最糟糕的事情则发生在机器翻译领域，自然语言的理解与处理确实是人工智能中的硬骨头，但计算机在自然语言理解与翻译过程中表现之差也的确超乎了研究者的想象，一个最典型的例子就是下面这个著名的英语句子：
可当计算机把这句话翻译成俄语再翻译回英语时，得到的结果可谓风马牛不相及：
“逻辑理论家”的出现在人工智能的历史上具有里程碑式的意义。这不仅因为它是第一个人工智能程序，更因为它颠覆了人们对计算机的印象：自1946年首台计算机诞生以来，计算机用来解决的都是诸如导弹弹道计算、核反应模拟这类具体数值的计算问题，抽象的、符号化的数学证明一直以来被认为超出了计算机的能力范围，“逻辑理论家”的出现显然颠覆了这固有的印象。其发明者西蒙曾评论道：“我们发明了具备抽象思考能力的程序……解释了合成的物质如何能够拥有人类的心智。”
The wine is good but the meet is spoiled.（酒是好的，肉变质了。）
机器定理证明的前进一发而不可收。1958年，美籍华人王浩在IBM704计算机上证明了《数学原理》中有关命题演算部分的全部220条定理，同年IBM公司还研制出了平面几何的定理证明程序。1959年，纽埃尔和西蒙又开发出一种不依赖于具体领域的通用问题求解器（General Problem Solver）。1961年，约翰·霍普金斯大学的美国学者詹姆斯·斯拉格（James Slagle）发表了一个符号积分程序（Symobolic Automatic Integrator），它能完成初等微积分中的不定积分式的计算。1963年，“逻辑理论家”也进化到能够证明《数学原理》的全部前52条定理。
骨感的现实打碎了丰满的理想，不仅让已被过誉的人工智能走下神坛，也给研究者们的头浇了一盆冷水。痛定思痛，他们开始思考如何突破这一瓶颈，美国计算机科学家爱德华·费根鲍姆（Edward Feigenbaum）正是人工智能新路的开拓者。受哲学家弗朗西斯·培根（Francis Bacon）“知识就是力量”著名论断的指引，费根鲍姆将视线从抽象的通用证明方法转移到具体的专业知识上，强调人工智能必须在知识的指导下实现，这催生了人工智能新领域——专家系统（Expert System）的诞生。
人工智能大展身手的第一个学科是纯数学学科，而最早取得突破的领域是使用计算机程序代替人类进行自动推理来证明数学定理。20年后分享图灵奖的纽埃尔和西蒙在达特茅斯会议上展示了人类历史上首个人工智能程序“逻辑理论家（Logic Theo-rist）"，它不仅证明出《数学原理》——阿尔弗雷德·怀特海（Alfred Whitehead）和贝特兰·罗素（Bertrand Russell）的三卷本数理逻辑巨著——中前52个定理中的38个，还给出了一些比罗素本人的证明更加简洁的解法，这甚至让罗素本人兴奋不已。
所谓的专家系统实质上是利用计算机基于已有的知识进行自动推理，从而从领域专家的角度解决实际问题。第一个实用的专家系统Dendral于1968年诞生，它可以根据质谱仪的数据推知物质的分子结构。在这个系统的影响下，各式各样的专家系统很快陆续涌现，形成了软件产业一个全新的分支：知识产业。1977年，在第五届国际人工智能大会上，费根鲍姆用术语“知识工程”为这个全新的领域命名。
这次会议最重要的成果就是确定了会议所讨论的研究内容的名称——由麦卡锡提出的人工智能（Artificial Intelligence），1956年也就成为了人工智能元年。正是在达特茅斯会议之后，人工智能进入了其发展的第一次黄金时期。
可惜好景不长，在专家系统或知识工程获得大量的实践经验之后，其弊端也开始逐渐显现：它们的运作需要从外界获得大量知识的输入，而这样的输入工作是极其费时费力的，这就是知识获取的瓶颈。这个全新的棘手问题虽然没有催生新的“费根鲍姆”，却给人工智能这个学科带来了革命性的改变：它逐渐分化成了几大不同的学派，沿着不同的路径继续发展。
当计算机的理论基础与工程技术全部成熟之后，人工智能的出现就可谓万事俱备，只欠东风。这一瓜熟蒂落的时刻的到来出现在1956年8月。彼时在美国达特茅斯学院（Dartmouth Col-lege）召开的学术会议，正可谓群贤毕至，少长咸集，汇聚了一大批未来学界的风云人物——包括1969年图灵奖获得者马文·闵斯基（Marvin Minsky）、1971年图灵奖获得者约翰·麦卡锡（John McCarthy）、1975年图灵奖获得者艾伦·纽埃尔（Allen Newell）、1975年图灵奖和1978年诺贝尔经济学奖获得者赫伯特·西蒙（Herbert Simon）在内的诸多科学家。在宁静的汉诺斯小镇，这些计算机大咖们正讨论着一个不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。