其中还造出一些使用电子网络构造的初步智能，如W.GREYWALTER的TURTLES和JOHNSHOPKINSBEAST！这些研究者还经常在普林斯顿大学和英国的RATIOCLUB举行技术协会会议.直到,大部分人已经放弃这个方法，尽管在80年代再次提出这些原理!符号处理主条目：GOFAI当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理！研究主要集中在卡内基梅隆大学,斯坦福大学和麻省理工学院，而各自有独立的研究风格.

　　值得一提的是，机器翻译是人工智能的重要分支和先应用领域!不过就已有的机译成就来看，机译系统的译文质量离目标仍相差甚远；而机译质量是机译系统成败的关键。中国数学家、语言学家周海中教授曾在论文《机器翻译五十年》中指出：要提高机译的质量，首先要解决的是语言本身问题而不是程序设计问题；单靠若干程序来做机译系统，肯定是无法提高机译质量的；另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下，机译要想达到“信、达、雅”的程度是不可能的!

　　这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征(如移动，感知和形象)！计算智能80年代中DAVIDRUMELHART等再次提出神经网络和联结主义!这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。统计学法90年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题.这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是人工智能成功的原因.

　　JOHNHAUGELAND称这些方法为GOFAI(出色的老式人工智能)！[33]60年代，符号方法在小型证明程序上模拟思考有很大的成就.基于控制论或神经网络的方法则置于次要。[34]60~70年代的研究者确信符号方法可以成功创造强人工智能的机器，同时这也是他们的目标!认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学,运筹学和经营科学!

　　80年代符号人工智能停滞不前，很多人认为符号系统永远不可能模仿人类所有的认知过程，特别是感知，机器人，机器学习和模式识别.很多研究者开始关注子符号方法解决特定的人工智能问题!自下而上,接口AGENT，嵌入环境（机器人），行为主义，新式AI机器人领域相关的研究者，如RODNEYBROOKS，否定符号人工智能而专注于机器人移动和求生等基本的工程问题!他们的工作再次关注早期控制论研究者的观点，同时提出了在人工智能中使用控制理论！

哈尔滨科学哈尔滨魔力机器人机构

　　“反逻辑”斯坦福大学的研究者(如马文·闵斯基和西摩尔·派普特)发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案-他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为！ROGERSCHANK描述他们的“反逻辑”方法为SCRUFFY!常识知识库(如DOUGLENAT的CYC)就是SCRUFFYAI的例子,因为他们必须人工一次编写一个复杂的概念。基于知识大约在年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件.

　　AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用.一个系统中包含符号和子符号部分的系统称为混合智能系统,而对这种系统的研究则是人工智能系统集成.分级控制系统则给反应级别的子符号AI和别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。RODNEYBROOKS的SUBSUMPTIONARCHITECTURE就是一个早期的分级系统计划.机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。