1980 年
首届国际机器学习研讨会在卡内基梅隆举行
1980年7月在卡内基梅隆大学举行的首届国际机器学习研讨会，是后来发展为ICML的那场会议；ICML今天已是机器学习三大主要会议之一。
1982 年
日本启动第五代计算机计划
1982年，日本通商产业省启动为期十年的第五代计算机计划，试图以逻辑编程和大规模并行计算造出面向人工智能的计算机。项目造出了可工作的并行推理机，最终在商业上失败。
《神经网络与具有涌现集体计算能力的物理系统》
John J. Hopfield 于 1982 年发表的论文，主张有用的计算能力可以作为大量简单等价单元的集体性质涌现出来，并给出一个模型：其集体行为带来内容寻址记忆、泛化与纠错等能力。
《具有涌现集体计算能力的神经网络与物理系统》
1982 年约翰·霍普菲尔德（John J. Hopfield）的论文提出，大量简单神经元式单元组成的网络能集体存储与取回记忆。该模型后来被称为霍普菲尔德网络，相关工作获 2024 年诺贝尔物理学奖肯定。
1983 年
首届 CVPR 在华盛顿举行
计算机视觉与模式识别会议（CVPR）于 1983 年在华盛顿特区首次举行，由 Takeo Kanade 和 Dana H. Ballard 组织。它后来成为计算机视觉研究发表与比较成果的核心场合之一。
1985 年
《玻尔兹曼机的一种学习算法》
1985年，Ackley、Hinton 与 Sejnowski 在《Cognitive Science》发表论文，提出一种修改连接强度的通用学习规则，并用简单例子展示网络能从样本中形成结构高效的内部表示。
1986 年
连接主义随反向传播与 PDP 两卷本复兴
1986 年，Rumelhart、Hinton 与 Williams 在《自然》发文，主张带隐单元的网络可用反向传播学表示，与 PDP 两卷本共同标志连接主义第二波。
Learning representations by back-propagating errors（通过反向传播误差学习表示）
1986年，鲁梅尔哈特、辛顿和威廉姆斯在《Nature》上发表论文，证明反向传播能让多层网络中的隐藏单元学会任务的有用内部特征。如今，这一方法是大多数神经网络的标准做法。
