（马文·明斯基）
明斯基的这些成果虽然可以被称作人工智能的早期工作，但是鉴于当时的明斯基还是一个青涩的毛头小子，所做的博士论文都不能得到相应的认可，所以影响力有限。
接着上场的第二位人物影响力就大很多，那就是计算机科学之父阿兰·图灵，他是被认为最早提出机器智能设想的人。图灵在1950年的时候（也就是明斯基还在读本科的时候）在杂志《思想》（Mind）发表了一篇名为“计算机器与智能”的文章，在文章中，图灵并没有提出什么具体的研究方法，但是文章中提到的好多概念，诸如图灵测试、机器学习、遗传算法和强化学习等，至今都是人工智能领域十分重要的分支。
（图灵在1950年的时候在杂志《思想》（Mind）发表的名为“计算机器与智能”的文章）
介绍完以上两大人物，接下来标志着人工智能作为一个独立领域而诞生的盛会——达特茅斯研讨会就要粉墨登场了。
不过在介绍达特茅斯研讨会之前，我们不得不介绍这第三位重量级的人物，那就是约翰·麦卡锡，因为他正是这次研讨会的发起人。约翰·麦卡锡于1948年获得加州理工学院数学学士学位，1951年获得普林斯顿大学数学博士学位。然后又在那里作为老师工作了两年，接着短暂地为斯坦福大学供职后到了达特茅斯大学，正是这个时期，它组织了达特茅斯研讨会。在这次大会上，麦卡锡的术语人工智能第一次被正式使用，所以麦卡锡也被称作人工智能之父。其实麦卡锡在达特茅斯会议前后，他的主要研究方向正是计算机下棋。
（约翰·麦卡锡）
下棋程序的关键之一是如何减少计算机需要考虑的棋步。麦卡锡经过艰苦探索，终于发明了著名的 - 搜索法，使搜索能有效进行。 - 搜索法说核心就是，算法在采取最佳招数的情况下允许忽略一些未来不会发生的事情。说的有点抽象，我们来举个十分简单的例子。
假如你面前有两个口袋和一个你的敌人，每个口袋放着面值不等的人民币，你来选择口袋，你的敌人决定给你这个口袋里哪张面值的钱。假设你一次只能找一只口袋，在找口袋时一次只能从里面摸出一次。当然你希望面值越大越好，你的敌人自然希望面值越小越好。假如你选择了第一个口袋。现在我们从第一个口袋开始，看每一张面值，并对口袋作出评价。比方说口袋里有一张5元的和一张10元的。如果你挑了这只口袋敌人自然会给你5元的，10元的就是无关紧要的了。
现在你开始翻第二个口袋，你每次看一张面值，都会跟你能得到的最好的那张面值(5元)去比较。所以此时你肯定就去找这个口袋里面面值最小的，因为只要最少的要比5元好，那么你就可以挑这个口袋。假如你在第二个口袋摸出一张1元的，那么你就不用考虑这个口袋了，因为如果你挑了这个口袋，敌人肯定会给你1元面值的，那当然要选择最小面值的5元的那个口袋啦。
（基于 - 剪枝算法的智能五子棋）
虽然有点绕，不过我觉得你应该大概已经理解了这个思路。这就是 - 搜索法，因为这种算法在低于或者超过我们搜索中的 或者 值时就不再搜索，所以这种算法也称为 - 剪枝算法。这种算法至今仍是解决人工智能问题中一种常用的高效方法。当年IBM的深蓝国际象棋程序，因为打败世界冠军卡斯帕罗夫而闻名世界，它靠的正是在30个IBM RS/6000处理器的并行计算机上运行的 - 搜索法。
但是需要注意的是，前不久的谷歌AlphaGo，由于棋盘是19x19的，几乎所有的交叉点都可以走子，初始的分支因子为361，这对于常规的 - 搜索来说太令人生畏了，所以别看名字里面带了一个 （Alpha，有可能这个名字是为了纪念麦卡锡的 - 搜索算法），AlphaGo采用的是却是蒙特卡洛搜索树（MCTS），它是一种随机采样的搜索树算法，它解决了在有限时间内要遍历十分宽的树而牺牲深度的问题。