有了傑夫·辛頓等人的幫助，神經網絡開始蓬勃發展。當時有一個傳統，那就是繼任的一代都會給自己重新命名，新研究人員們稱自己為「聯結主義者」，因為他們對複製大腦中的神經聯結十分感興趣。到1991年，僅在美國就有1萬名活躍的聯結理論研究人員。
忽然之間，各個領域都取得了突破性的進展。例如，人們發明了專門用於預測股市的神經網絡。大多數情況下，投資公司使用不同的網絡預測不同的股票，然後由交易商來決定投資哪只股票。然而，有些人在此基礎上更進一步，賦予網絡本身自主權，使其能夠自行買賣。無獨有偶，金融領域迅速涉足電子遊戲領域，時刻準備著為人工智能研究人員進行投資。算法交易時代轟轟烈烈地開始了。
當時神經網絡領域的另一個引人注目的應用就是自動駕駛汽車。發明自動駕駛汽車一直是技術人員的夢想。1925年，發明家弗朗西斯·霍迪納（Francis Houdina）展示了一款無線電控制的汽車，他操控汽車行駛在曼哈頓的街頭，而車中無須人來操控方向盤。之後，自動駕駛汽車測試使用導絲和車載傳感器使汽車能夠按照路上畫好的白線行駛，或通過識別出地下電纜發出的交流電行駛。1969年，約翰·麥卡錫發表了一篇標題為「計算機控制汽車」的論文極具挑戰性。麥卡錫所提議的方案基本上是設計一個「自動化司機」。他的項目需要一個能夠進行公路導航的計算機，計算機上僅帶有一個電視攝像機來輸入信息，該輸入使用與人類司機相同的視覺輸入。麥卡錫假設用戶能夠使用鍵盤輸入地點，並要求汽車立即載他們過去。緊急情況下，用戶可以使用額外的命令變更目的地，要求汽車停在洗手間或賓館門口，在有緊急情況時減速或加速。
類似的項目直到20世紀90年代早期才得以實現，當時卡內基—梅隆大學的研究人員迪安·波默洛（Dean Pomerleau）寫了一篇激動人心的博士論文，文章介紹了如何將「反向傳播」應用於無人駕駛汽車。波默洛稱其開發的神經網絡為神經網絡中的無人駕駛汽車或ALVINN（控制器），並將道路上的原始圖像作為輸入信息，並實時輸出轉向控制信息。當時，還有許多其他傳統人工智能博士正在研究類似的自動駕駛項目。這些非神經網絡的方法主要通過嚴謹的像素分析將各圖像劃分為不同類別，例如「道路」和「非道路」。然而，與許多傳統人工智能面臨的問題一樣，計算機很難將信息解析為像實時路況那樣的非結構化信息。假如一輛自動駕駛汽車依靠這一技術進行危險的高速行駛，發生事故的可能性是很大的。波默洛回憶道：「它們可能將樹影或者樹木本身識別成道路，這樣車輛就會朝著樹直接開過去，而不是避讓。」
為了訓練ALVINN，駕駛員只需簡單地駕駛一段路程。波默洛說道：「駕駛員只需駕駛2—3分鐘，ALVINN系統就能夠瞭解並更新反向傳播網絡的權重。結束駕駛時，駕駛員可以放開方向盤，系統會繼續駕駛車輛開始一段新的路程。」波默洛的發明只關注了方向，卻無法控制速度或避開障礙物，這兩點必須由駕駛員來完成。儘管如此，波默洛也取得了巨大的成功，1995年，龐蒂克小型貨車上安裝了從舊汽車上回收的ALVINN的升級版——RALPH（快速調節橫向位置處理器）。波默洛和一位名為托德·約赫姆（Todd Jochem）的研究人員為其配備了一台電腦、640×480像素的彩色照相機、全球定位系統接收器和光纖陀螺儀，之後他們駕駛該車橫穿美國。借鑒了1986年「攜手美國」（Hands Across America）慈善活動的名稱，他們將這次旅行稱為「橫穿美國」（NO Hands Across America）。他們在路上賣10美元一件的襯衫，用於支付食宿費用。最後，這輛汽車一共行駛了2 797英里，途經匹茲堡、賓夕法尼亞、聖地亞哥、加利福尼亞，中間還穿過了胡佛水壩，這一切都是汽車自動駕駛完成的。《商業週刊》的一位記者在報道這一事件時，一名堪薩斯州騎兵要求其將車停到路邊。而波默洛和約赫姆乘自動駕駛汽車旅行，甚至連雙手都無須握住方向盤。
15年後，谷歌在2010年10月發佈了自己的無人駕駛汽車項目。然而，我們仍要感謝波默洛在神經網絡領域做出的開創性貢獻，他證明了自己的觀點。