作者第一次引入增长率来讨论人工智能发展，类比经济增长，但模拟数据无意义于现实发展。
二战期间阿兰图灵密码破译小组首席统计师兼数学家IJ古德，是作者认为清晰阐述人工智能途径的第一人。（1965年的名言）
关于风险的讨论，先驱者们通常不会对计算机霸主是否存在安全隐患多费心思。
Vernor Vinge 和Ray Kurzweil等人著述中提到的即将到来的技术性奇点已经收到广泛关注，现在“奇点”在很多不同领域被混乱使用，并催生出一种不合理的技术乌托邦氛围，太平盛世。
人工智能的发展总是落后于预期，主要是因为创造人工智能机器所遭遇到的技术困难远远超过了先驱者认为的程度。
1956年夏，10名研究神经网络、自动化理论以及智能的科学家在达特貌似学院组成了一个为期6周的工作组，这个工作组通常被认为是人工智能研究的第一缕曙光。主要组织者约翰麦卡锡称之为“看，我能办到”的时代。
早起时代。研究者们建立起各种系统以批驳那些认为机器不能做谋士的怀疑论。研究者们所进行尝试的“某时”也被限制在某个非常具体的范围内，模型化从而让机器现实成为可能。例如证明《数学原理》第二章中大多数定力。之后，通用问题结算程序，可以解决大学一年级微积分问题，智商测试中图像类比问题，写出简单代数语言。
Shakey（摇摆）机器人的出现显示出逻辑推理能够与知觉结合在一起，可以应用于设置和控制肢体动作，称之为Shkey是因为这种机器人在偃师市总是不停抖动。
这一阶段的障碍主要体现在常用的穷举法很难解“组合爆炸”的问题，另一缺陷，过多依赖脆弱切勿根据的符号化表达方式，且数据稀缺已经硬盘存储条件，也先知了计算机的存储内容和加工速度。这些问题20世纪70年代才得以解决。
20世纪80年代早期AI迎来春天，日本发起第五代计算机系统工程，决定在AI上大投手笔，其他国家在此时紧随其后。
成果：专家系统。专家系统的设计理念是为决策者提供支持工具。一些基于从一些列由实际只是构建的知识库中得到简单的推论的程序。
缺陷：小规模系统架子不大，大规模系统消耗成本太大，运用时太过麻烦。
20世纪90年代，新技术提供娱乐一种有别于传统逻辑范式的替代路径，出现神经网络和遗传算法等新流星技术，新技术让具备了更多的生物有机体属性，具备了“故障弱化”的特性，神经网络能够从经验中学习，也可以从样本中找到最自然的概括路径以及所输入数据隐含的统计规律。这时神经系统视为从实例中学习分类的更大一类算法中的一种，决策树、逻辑回归模型、支持向量机、朴素贝叶斯、KNN算法。
贝叶斯代理程序
在机器学习以及创造性的问题解决模式之喧嚣炫目的背后，是一系列特定的计算权衡。理想的状态是实现完美的贝叶斯代理程序（Bayesian agent），即在可获得的信息中寻找出概率最优。这种理想状态是无法实现的，因为没有一台物理计算机能支持它所需要的计算量。
贝叶斯网络提供了一个在特定领域中表达的概率以及独立条件之间关系的简洁方法，贝叶斯网络还有助于更深刻地理解因果概念。
