自60年代后期，人工智能出现了新的发展思路，即模拟人类决策的逻辑过程，力图通过知识的输入让机器变“聪明”。具体来说就是利用特定领域人类专家的经验形成知识库，并事先设定好问答系统，进行人机对话。关于实现人工智能、人机对话的途径有两种观点，一种是让机器去理解输入的内容再去表达，一种是输入尽可能多的数据，让机器自己通过数据的计算自行去理解和表达。
人机对话引发了社会各界对人工智能的广泛关注，人机对话的延伸——“专家系统”的应用，标志着人工智能第二次浪潮的形成。通过设定逻辑规则判别问题是非的方法——逻辑编程是当时人工智能的热点。
相比人工智能的第一次热潮，这一阶段人工智能研究仍由高校等科研机构主导，但已从实验室拓展到商业应用。由于专家系统有了具体的商业应用场景，一批技术企业加入商业应用的开发和推广。当时最知名的研究主导者包括斯坦福大学、麻省理工学院和卡内基梅隆大学。斯坦福大学1972年开发的MYCIN专家系统，初始系统内置200条菌血症规则[3]，只要按提示输入问题，就能够判定血液病的致病细菌，进行诊断并开出处方。卡内基梅隆大学为DEC公司制造了专家系统，据称每年能为公司节约数千万美元成本，带动了20世纪80年代专家系统的商品化。美国、英国、日本涌现出一批将问答系统、专家系统相关技术商业化的企业，如symbolic、Teknowledge等。有数据显示，20世纪80年代有三分之二的财富500强企业使用了专家系统[4]。(www.xing528.com)
此外，人工智能开始成为各国政府展开技术比拼的重点领域。日本经济产业省自1982年起，在其后10年间共拨款8.5亿美元推进第五代计算机计划，研制能够与人类进行交互，搭载语音图像、视频处理功能的机器。为与日本争夺信息技术的领先地位，美国国防部先进项目研究局DARPA于1983—1993年实施国家性计算机战略计划——“天网”，投入研究经费超过10亿美元，意图推进包括人工智能、机器人在内的前沿技术用于国防领域[5]。但由于数据的缺乏和硬件水平的局限，第五代计算机只能通过强化并行推理机制的方法制造，天网计划推出的智能机器的功能既无法满足军事需求，又没能走向消费市场。最终，这场生不逢时的AI竞赛宣告搁浅。
这一阶段人工智能面临的问题是：基础条件不够，算法仍无法解决实际问题。仿生派尚没有算法能够实现让机器自行理解输入内容，工程学派向机器输入数据并处理的方式，由于可输入的知识太过庞杂，输入方法和逻辑单一，且受到数据库的限制，解决的问题仅限于某个单一领域。两大学派均无法突破解决实际问题，人工智能的发展再次跌进低谷。与此同时，个人计算机出现，一方面将IT能力推广到大众，另一方面，普通计算机即可以运行问答软件，令成本较高的传统专家系统优势尽失，人工智能第二次热潮逐渐冷却。
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。
