هوش مصنوعی شاخه‌ای از علوم کامپیوتر است که به شبیه سازی رفتارهای هوشمند بر روی کامپیوتر می‌پردازد یا می‌تواند برای مدل‌سازی جنبه‌های تفکر انسانی بر روی کامپیوترها در نظر گرفته شود.
هوش مصنوعی تلاشی بر وادار کردن کامپیوتر ها برای انجام اموری است که انسان ها برای انجام آن فکر می کنند و کامپیوتر ها قادر به انجام آن ها نیستند.

در واقع این اصطلاح برای اولین بار توسط جان مکارتی (مخترع لیسپ) مطرح شد پس از آن نظریه‌های مختلفی ارائه می‌شد که منجر به تولید زبان‌های برنامه نویسی لیسپ، پرولوگ و ... شد.

تست تورینگ در سال 1950 توسط  توآلن تورینگ مطرح شد. در این آزمون، سوالاتی برای تعامل انسان با کامپیوتر ارائه می‌گردد و اگر در پایان پرسش نتواند تشخیص دهد که با انسان یا کامپیوتر در تعامل بوده است یعنی آزمون با موفقیت انجام شده است.

تعاریف هوش مصنوعی

تعاریف هوش مصنوعی میتواند بر اساس یکی یا ترکیبی از موارد ذیل باشد:

1. سیستم‌هایی که بر پایه منطق فکر می کنند
2.  سیستم‌هایی که بر پایه منطق عمل می‌کنند
3.  سیستم‌های که مانند انسان فکر می‌کنند
4.  سیستم‌های که مانند انسان عمل می کنند

آینده هوش ای او تی، هوش مصنوعی است

ای او تی در مورد اتصال دستگاه ها و استفاده از داده های تولید شده از آن ماشین ها است. هوش مصنوعی در مورد شبیه سازی رفتار هوشمند در ماشین آلات مختلف است. از این دو تعریف میتوان به یک همپوشانی بین این دو مفهوم رسید  واضح است.

دستگاه های ای او تی مقدار زیادی از داده ها را تولید می کنند، AI به طور عملیاتی برای مقابله با این حجم بزرگ از داده ها عمل خواهد کرد. ای او تی و AI با هم یعنی "هوش متصل" و نه فقط دستگاه های متصل شده.

میتوان گفت AI واژه دقیق تری است. این یادگیری ماشین است که توانایی تشخیص الگوها در داده های ارائه شده را فراهم می کند. از این الگوها یاد میگیرد تا راههایی را که در پس آن دادهها را تجزیه و تحلیل میکند یا اقدامات را باعث میشود، تنظیم میکند.

مفاهیم کاربردی

مفاهیم کاربردی شامل موارد ذیل است:

•  یادگیری
•  استدلال
•  حل مسئله
•  ادراک
•  زبان (پردازش زبان طبیعی انسان)

پژوهش‌های هوش مصنوعی به دو صورت Symbolic (روش بالا به پایین که فقط هوش و ادراک آن از علائم را شبیه‌سازی می‌کند) و یا به صورت Connectionist (روش پایین به بالا که با ایجاد شبکه‌های عصبی مصنوعی ساختار مغز را شبیه‌سازی می‌کند) می‌باشد.
پژوهشگران بر اساس دو روش بالا سه هدف کلی را دنبال می‌کنند:

• Applied AI(هوش‌ مصنوعی کاربردی)،
• Strong AI(هوش مصنوعی تقویت شده)
• Cognitive Simulation (شبیه‌سازی شناختی)
  نمونه هایی از مشکلات هوش مصنوعی عبارتند از: بینایی ماشین (ایجاد یک سیستم که می تواند تصاویر را به خوبی یک انسان درک کند) و پردازش زبان طبیعی (ایجاد یک سیستم که می تواند زبان انسانی درک کند).

AI و IOT 

هوش مصنوعی نقش مهمی را در برنامه های کاربردی و استقرار IoT ایفا می کند.  ارزش AI در زمینه توانایی آن است که سرعت بینش از اطلاعات را تغییر دهد.

یادگیری ماشین، تکنولوژی AI، توانایی خودکار شناسایی الگوهای و تشخیص ناهنجاری ها در داده هایی است که سنسورهای هوشمند و دستگاه ها اطلاعات آنها  را تولید می کنند مانند دما، فشار، رطوبت، کیفیت هوا، ارتعاش و صدا.

در مقایسه با ابزارهای کسب و کار سنتی که معمولا برای آستانه های عددی نظارت می کند، می تواند پیش بینی های عملیاتی را تا 20 برابر سریعتر و با دقت بیشتری انجام دهد.

سایر تکنولوژی های AI مانند تشخیص گفتار و بینایی کامپیوتر می توانند دانستن و فهم را از اطلاعاتی که نیاز به بررسی انسانی دارند، استخراج کند.

برنامه های AI انجمن IoT  را برای جلوگیری از خرابی برنامه ریزی نشده، افزایش بهره وری کارایی، تولید محصولات و خدمات جدید و مدیریت ریسک افزایش قادر می سازد.