自1956年达特茅斯会议之后直到20世纪70年代，人工智能经历了其蓬勃发展的首个黄金时代。在长达十几年的时间里，计算机被广泛应用于定理证明和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。甚至有很多学者当时乐观地认为：“二十年内，机器将能完成人能做到的一切。”
1957年，康奈尔大学的罗森布拉特实现了一个叫“感知机”（Perceptron）的神经网络模型。作为第一个人工神经网络，它可以完成一些简单的视觉处理任务。这在当时引起了轰动。罗森布拉特因此声名大噪，得到了越来越多来自国防部和海军的研究经费资助。人工智能也因此得到更广泛的关注。
1966年，麻省理工学院（MIT）人工智能实验室的维森鲍姆开发了最早的自然语言聊天机器人ELIZA，它能够模仿临床治疗中的心理医生，也是最早的人机对话机器人。ELIZA的实现技术通俗讲就是将输入语句分类再翻译成合适的输出，这原理虽然很简单，却让很多当时跟ELIZA做过对话测试的人以为就是和真正的心理医生在聊天。
此外，1958年，麦卡锡发明了使用十分广泛的人工智能语言LISP。IBM的萨缪尔也于1959年开发出首个自学习的跳棋程序，并总结提出了“机器学习”的概念。他在文章中写道：“给电脑编程，让它能通过学习比编程者更好地下跳棋。”1961年，第一台工业机器人UNIMATE开始在通用汽车的生产线上工作。
该时期各种成果层出不穷，不胜枚举。经费方面也得到美国政府和军方的大力资助。1963年6月，MIT从新建立的美国国防部高级研究计划局（ARPA，后来的DARPA）获得了用于资助MAC工程的220万美元经费。直到70年代为止，ARPA此后的每年提供300万美元资助给MIT。ARPA还对纽厄尔和西蒙在卡内基梅隆大学的工作组、斯坦福大学人工智能项目以及爱丁堡大学人工智能实验室进行类似的资助。在接下来的许多年间，这四个研究机构一直是人工智能学术界的研究中心。研究者们几乎被无条件地提供经费资助，可以研究自己感兴趣的任意方向和领域。
进入70年代，科研人员在人工智能研究中对课题难度预估不足导致的问题慢慢显露出来，加上学界内部对人工智能质疑和批评的声音也越来越大，有限的计算能力和快速增长的计算需求之间的矛盾，这些造成了人工智能的发展的巨大障碍。不仅与美国国防高级研究计划署的合作计划失败，社会舆论的压力也开始慢慢压向人工智能，人工智能经历了一段痛苦而艰难的岁月。
先是美国自动语言处理顾问委员会（ALPAC）经历两年调研后，于1966年发布《语言与机器》报告指出机器翻译比人不仅慢、更不准确、而且花费的成本比人还要贵两倍。报告给出了机器翻译在可预见的未来没法实用，应该立即停止对机器翻译的资助的结论。
之后的1969年，明斯基和佩珀特联合出版了《感知器》一书，证明单层神经网络不能解决 XOR（异或）这个基本的逻辑问题，批评神经网络的计算能力实在有限。原来的政府资助机构也逐渐停止对神经网络研究的支持，随后神经网络学科日渐消沉。（后续的1974年哈佛的一篇博士论文证明了在神经网络多加一层，并利用“后向传播”（back-propagation）学习方法可以解决异或(XOR)问题。但由于当时正处于低谷期，文章没有受到广泛关注。）
1972年，德雷福斯以其1965年发表的《人工智能与炼金术》为基础出版了《计算机不能做什么——人工智能的极限》，对人工智能进行全面的批评。
1973年英国科学研究委员会（SRC）委托英国著名应用数学家James Lighthill用不偏不倚的态度评价研究现状。报告虽然支持人工智能研究自动化和计算机模拟神经和心理的过程，但是对机器人和自然语言处理等知名子领域基础研究进行了严重的质疑。Lighthill在报告中用“海市蜃楼”来表达人工智能前景的悲观。
从ALPAC的《语言与机器》报告到德雷福斯的全面批评连同LightHill报告一起，标志着人工智能发展历史上的第一次低谷来临。人工智能随后经历了痛苦而艰难的几年。
