司马贺是一位难得的学界通才，他的研究涉及心理学、管理学、经济学、计算机科学等多个领域。人工智能充其量只是他的一门副业，可深厚的数学基础和计算机程序设计功底让司马贺即使在这门副业上，也取得了常人难以企及的成就。作为达特茅斯会议的与会者，司马贺见证了人工智能这门学科的诞生，也在人工智能的发展过程中打下了自己的烙印。
司马贺对人工智能的第一个贡献就是创立了符号主义，这在后来演变为符号主义学派。符号主义认为，知识的基本元素是符号，最原始的符号就是物理客体。智能的基础依赖于知识，研究方法则是用计算机软件和心理学方法进行宏观上的人脑功能的模拟。司马贺借鉴了心理学的研究方法，把人脑看成一个实现信息加工目的的物理符号系统，来表现智能行为，这也成为传统人工智能的理论基础。
在符号主义的基础上，司马贺等又进一步提出了纯认知系统模型，在原有物理符号系统上增加了情感、认知等人类思维特有的影响因素，完善了符号主义对人工智能的认识。此外，司马贺还提出了组块理论, 类比搭积木的方式将零散的构件组成有意义的信息加工单元，来模拟人类思维对信息进行组织或再编码的过程，这一理论在今天的自然语言处理中仍有应用。
司马贺对人工智能的第二个贡献是开创了决策理论。“决策”这个概念其实出自司马贺的老本行——管理学，也是司马贺对管理学的主要贡献之一。当决策理论被创新性地应用在了人工智能中时，司马贺提出了“决策是管理”的核心论断，用数学方式定义了决策的四个阶段——信息活动、设计活动、选择活动、审验活动。他提出了基于“满意度”而非“最优化”的决策模型，并把决策类型划分为程序化决策和非程序化决策两种。
司马贺对人工智能的第三个贡献是提出了学习模型。司马贺对学习给出了一个简单的定义：性能的改进就是学习。在此基础上，司马贺领导研究了多个知识发现系统，力求从长期积累的物理学、天文学、化学等自然科学学科的实验数据中，重新发现隐藏的科学定理。这样的学习模型在今天的地球物理学、生物信息学、乃至大数据的处理与价值挖掘中都存在潜在的应用价值。
除了理论贡献之外，司马贺还领导开发了人工智能的一系列实际产品，其中的代表作就是逻辑理论家和通用问题求解器。逻辑理论家由司马贺和他的学生纽厄尔共同发明，通过问题分解和代入的方式来实现机器对数学定理的证明，是数学机械化进程中的重要成果。通用问题求解器则利用“手段-目的”式的分析方法进行启发式搜索，通过类比对问题进行聚类，进而提出解决方案。这一算法最终进化为认知领域知名的SOAR系统。
值得一提的是，这位游刃有余的跨界大牛与中国颇有渊源：他曾先后10次来中国访问交流，中国是他除了美国以外生活时间最长的国家。1972年，“乒乓外交”这一历史性的破冰之旅后，司马贺以计算机科学家代表团成员的身份首次来华，为新中国计算机事业的发展献计献策。八年后的1980年，司马贺又作为心理学家代表团的成员再次来华，正是这次访问让司马贺与中国结下了不解之缘。