هوش مصنوعي (artificial intelligence) را بايد عرصهٔ پهناور تلاقي و ملاقات بسياري از دانشها، علوم، و فنون قديم و جديد دانست. ريشه‌ها و ايده‌هاي اصلي آن را بايد در فلسفه، زبان‌شناسي، رياضيات، روان‌شناسي، نورولوژي، و فيزيولوژي نشان گرفت و شاخه‌ها، فروع، و كاربردهاي گونه‌گونه و فراوان آن را در علوم رايانه، علوم مهندسي، علوم زيست‌شناسي و پزشكي، علوم ارتباطات و زمينه‌هاي بسيار ديگر.

هدف هوش مصنوعي بطور كلي ساخت ماشيني است كه بتواند «فكر» كند. اما براي دسته بندي و تعريف ماشينهاي متفكر، مي‌بايست به تعريف «هوش» پرداخت. همچنين به تعاريفي براي «آگاهي» و «درك» نيز نيازمنديم و در نهايت به معياري براي سنجش هوش يك ماشين نيازمنديم.

با وجودي كه برآورده سازي نيازهاي صنايع نظامي، مهم‌ترين عامل توسعه و رشد هوش مصنوعي بوده‌است، هم اكنون از فراورده‌هاي اين شاخه از علوم در صنايع پزشكي، رباتيك، پيش بيني وضع هوا، نقشه‌برداري و شناسايي عوارض، تشخيص صدا، تشخيص گفتار و دست خط و بازي‌ها و نرم افزارهاي رايانه‌اي استفاده مي‌شود
مباحث هوش مصنوعي پيش از بوجود آمدن علوم الكترونيك، توسط فلاسفه و رياضي داناني نظير بول (Boole) كه اقدام به ارائه قوانين و نظريه‌هايي در باب منطق نمودند، مطرح شده بود. در سال ۱۹۴۳، با اختراع رايانه‌هاي الكترونيكي، هوش مصنوعي، دانشمندان را به چالشي بزرگ فراخواند. بنظر مي‌رسيد، فناوري در نهايت قادر به شبيه سازي رفتارهاي هوشمندانه خواهد بود.

با وجود مخالفت گروهي از متفكرين با هوش مصنوعي كه با ديده ترديد به كارآمدي آن مي‌نگريستند تنها پس از چهار دهه، شاهد تولد ماشينهاي شطرنج باز و ديگر سامانه‌هاي هوشمند در صنايع گوناگون هستيم.

نام هوش مصنوعي در سال ۱۹۶۵ ميلادي به عنوان يك دانش جديد ابداع گرديد. البته فعاليت درزمينه اين علم از سال ۱۹۶۰ ميلادي شروع شده بود.(مرجع۱)

بيشتر كارهاي پژوهشي اوليه در هوش مصنوعي بر روي انجام ماشيني بازي‌ها و نيز اثبات قضيه‌هاي رياضي با كمك رايانه‌ها بود. در آغاز چنين به نظر مي‌آمد كه رايانه‌ها قادر خواهند بود چنين اموري را تنها با بهره گرفتن از تعداد بسيار زيادي كشف و جستجو براي مسيرهاي حل مسئله و سپس انتخاب بهترين آن‌ها به انجام رسانند.

هنوز تعريف دقيقي كه مورد قبول همهٔ دانشمندان اين علم باشد براي هوش مصنوعي ارائه نشده‌است، و اين امر، به هيچ وجه مايهٔ تعجّب نيست. چرا كه مقولهٔ مادر و اساسي‌تر از آن، يعني خود هوش هم هنوز بطور همه‌جانبه و فراگير تن به تعريف نداده‌است. در واقع، مي‌توان نسل‌هايي از دانشمندان را سراغ گرفت كه تمام دوران زندگي خود را صرف مطالعه و تلاش در راه يافتن جوابي به اين سؤال عمده نموده‌اند كه: هوش چيست؟

اما اكثر تعريف‌هايي كه در اين زمينه ارايه شده‌اند بر پايه يكي از ۴ باور زير قرار مي‌گيرند:

سيستم‌هايي كه به طور منطقي فكر مي‌كنند
سيستم‌هايي كه به طور منطقي عمل مي‌كنند
سيستم‌هايي كه مانند انسان فكر مي‌كنند
سيستم‌هايي كه مانند انسان عمل مي‌كنند(مرجع۱)
شايد بتوان هوش مصنوعي را اين گونه توصيف كرد:«هوش مصنوعي عبارت است از مطالعه اين كه چگونه كامپيوترها را مي‌توان وادار به كارهايي كرد كه در حال حاضر انسان‌ها آنها رابهتر انجام مي‌دهند»(مرجع۲)

  فلسفۀ هوش مصنوعي
بطور كلي ماهيت وجودي هوش به مفهوم جمع آوري اطلاعات, استقرا و تحليل تجربيات به منظور رسيدن به دانش و يا ارايه تصميم ميباشد . در واقع هوش به مفهوم به كارگيري تجربه به منظور حل مسايل دريافت شده تلقي ميشود. هوش مصنويي علم و مهندسي ايجاد ماشينهايي با هوش با به كارگيري از كامپيوتر و الگوگيري از درك هوش انساني و نهايتا دستيابي به مكانيزم هوش مصنوعي در سطح هوش انساني ميباشد.

در مقايسه هوش مصنوعي با هوش انساني مي توان گفت كه انسان قادر به مشاهده و تجزيه و تحليل مسايل در جهت قضاوت و اخذ تصميم ميباشد در حالي كه هوش مصنوعي مبتني بر قوانين و رويه هايي از قبل تعبيه شده بر روي كامپيوتر ميباشد. در نتيجه علي رغم وجود كامپيوترهاي بسيار كارا و قوي در عصر حاضر ما هنوز قادر به پياده كردن هوشي نزديك به هوش انسان در ايجاد هوشهاي مصنوعي نبوده ايم.

بطور كلّي، هوش مصنوعي را مي توان از زواياي متفاوتي مورد بررسي و مطالعه قرار داد. مابين هوش مصنوعي به عنوان يك هدف، هوش مصنوعي به عنوان يك رشته تحصيلي دانشگاهي، و يا هوش مصنوعي به عنوان مجموعۀ فنون و راه كارهايي كه توسط مراكز علمي مختلف و صنايع گوناگون تنظيم و توسعه يافته است بايد تفاوت قائل بود.
  مديريت پيچيدگي

ايجاد و ابداع فنون و تكنيك‌هاي لازم براي مديريّت پيچيدگي را بايد به عنوان هستۀ بنيادين تلاش‌هاي علمي و پژوهشي گذشته، حال، و آينده، در تمامي زمينه‌هاي علوم رايانه، و به ويژه، در هوش مصنوعي معرّفي كرد. شيوه‌ها و تكنيك‌هاي هوش مصنوعي، در واقع، براي حلّ آن دسته از مسائل به وجود آمده است كه به طور سهل و آسان توسط برنامه‌نويسي تابعي (Functional programming)، يا شيوه‌هاي رياضي قابل حلّ نبوده‌اند.

در بسياري از موارد، با پوشانيدن و پنهان ساختن جزئيّات فاقد اهمّيّت است كه بر پيچيدگي فائق مي‌آييم، و مي‌توانيم بر روي بخش‌هايي از مسئله متمركز شويم كه مهم‌تر است. تلاش اصلي، در واقع، ايجاد و دستيابي به لايه‌ها و ترازهاي بالاتر و بالاتر تجريد را نشانه مي‌رود، تا آنجا كه، سر‌انجام برنامه‌هاي كامپوتري درست در همان سطحي كار خواهند كرد كه خود انسان‌ها به كار مشغولند.

به ياري پژوهش‌هاي گسترده دانشمندان علوم مرتبط، هوش مصنوعي از آغاز پيدايش تاكنون راه بسياري پيموده‌است. در اين راستا، تحقيقاتي كه بر روي توانايي آموختن زبانها انجام گرفت و همچنين درك عميق از احساسات، دانشمندان را در پيشبرد اين علم، ياري كرده‌است. يكي از اهداف متخصصين، توليد ماشينهايي است كه داراي احساسات بوده و دست كم نسبت به وجود خود و احساسات خود آگاه باشند. اين ماشين بايد توانايي تعميم تجربيات قديمي خود در شرايط مشابه جديد را داشته و به اين ترتيب اقدام به گسترش دامنه دانش و تجربياتش كند.

براي نمونه به رباتي هوشمند بيانديشيد كه بتواند اعضاي بدن خود را به حركت درآورد، او نسبت به اين حركت خود آگاه بوده و با سعي و خطا، دامنه حركت خود را گسترش مي‌دهد، و با هر حركت موفقيت آميز يا اشتباه، دامنه تجربيات خود را وسعت بخشيده و سر انجام راه رفته و يا حتي مي‌دود و يا به روشي براي جابجا شدن، دست مي‌يابد، كه سازندگانش، براي او، متصور نبوده‌اند.

هر چند مثال ما در توليد ماشينهاي هوشمند، كمي آرماني است، ولي به هيچ عنوان دور از دسترس نيست. دانشمندان، عموماً براي توليد چنين ماشينهايي، از تنها مدلي كه در طبيعت وجود دارد، يعني توانايي يادگيري در موجودات زنده بخصوص انسان، بهره مي‌برند.

آنها بدنبال ساخت ماشيني مقلد هستند، كه بتواند با شبيه‌سازي رفتارهاي ميليونها ياخته مغز انسان، همچون يك موجود متفكر به انديشيدن بپردازد.

هوش مصنوعي كه همواره هدف نهايي دانش رايانه بوده‌است، اكنون در خدمت توسعه علوم رايانه نيز است. زبانهاي برنامه نويسي پيشرفته، كه توسعه ابزارهاي هوشمند را ممكن مي‌سازند، پايگاههاي داده‌اي پيشرفته، موتورهاي جستجو، و بسياري نرم‌افزارها و ماشينها از نتايج پژوهش‌هاي هوش مصنوعي بهره مي‌برند.

سيستمي كه عاقلانه فكر كند. سامانه‌اي عاقل است كه بتواند كارها را درست انجام دهد. در توليد اين سيستم‌ها نحوه انديشيدن انسان مد نظر نيست. اين سيستم‌ها متكي به قوانين و منطقي هستند كه پايه تفكر آنها را تشكيل داده و آنها را قادر به استنتاج و تصميم گيري مي‌نمايد. آنها با وجودي كه مانند انسان نمي‌انديشند، تصميماتي عاقلانه گرفته و اشتباه نمي‌كنند. اين ماشينها لزوما دركي از احساسات ندارند. هم اكنون از اين سيستم‌ها در توليد عامل‌ها در نرم افزارهاي رايانه‌اي، بهره گيري مي‌شود. عامل تنها مشاهده كرده و سپس عمل مي‌كند.

  سيستم‌هاي خبره
سيستم‌هاي خبره زمينه‌اي پركاربرد در هوش مصنوعي و مهندسي دانش ا‌ست كه با توجّه به نياز روز افزون جوامع بر اتخاذ راه ‌حل‌ها و تصميمات سريع در مواردي كه دانش‌هاي پيچيده و چندگانهٔ انساني مورد نياز است، بر اهميت نقش آنها افزوده هم مي‌شود. سيستم‌هاي خبره به حل مسائلي مي‌پردازند كه به طور معمول نيازمند تخصّص‌هاي كاردانان و متخصّصان انساني‌ست. به منظور توانايي بر حل مسائل در چنين سطحي (ترازي)، دسترسي هرچه بيشتر اينگونه سامانه‌ها به دانش موجود در آن زمينه خاص ضروري مي‌گردد.

  عامل‌هاي هوشمند
عامل‌ها (Agents) قادر به شناسايي الگوها، و تصميم گيري بر اساس قوانين فكر كردن خود مي باشند. قوانين و چگونگي فكر كردن هر عامل در راستاي دستيابي به هدفش، تعريف مي‌شود. اين سيستم‌ها بر اساس قوانين خاص خود فكر كرده و كار خودرا به درستي انجام مي‌دهند. پس عاقلانه رفتار مي‌كنند، هر چند الزاما مانند انسان فكر نمي‌كنند.
ايلين ريچ، هوش مصنوعي(وتكنيك‌ها)، ترجمه آزاد از دكتر مهرداد فهيمي، نشر جلوه، ۱۳۷۵،
وب‌گاه سيمرغ
هوش مصنوعي: به شيوه‌اي مدرن
هوش مصنوعي: راهنمائي براي سامانه‌هاي هوشمند
اين كتاب به صورتي ساده و روان نوشته شده‌است.
Nisenfeld, A. E., Artificial Intelligence Handbook: Principles, Instrument Society of America, ۱۹۸۹. ISBN: ۱ - ۵۵۶۱۷.