به گزارش ICTPRESS در فیزیک و شیمی بر اساس قانون اصل بقای انرژی، انرژی از بین نمیرود و فقط از صورتی بصورت دیگری در می آید. بسیاری از علوم مانند بیولوژی، داروسازی، زمین شناسی و دانشهای مهندسی براساس این اصل تکامل یافته است و تمامی این رشته ها بر اساس درک صحیحی از مکانیزم طبیعی و یا مصنوعی تبدیل نیرو، جرم و انرژی استوار است. در مورد اطلاعات نیز این اصل استوار است که اطلاعات انتقال می یابد و از صورتی بصورت دیگر در می آید؛ به همین دلیل میتوان این علم را علم اطلاعات و یا علم هوش نامگداری کرد. علمی که بر اساس اصل تبدیل اطلاعات به فرم مکانیکی و شیمیایی و بالعکس استوار است.
نه تنها سیستمهای مصنوعی بلکه انسانها نیز اطلاعات را دریافت میکنند، بکار میگیرند و انتقال می دهند. انسانها حتی با اینها کنترل میشوند. برای مثال با جایزه خوشحال، با خبر بد غمگین، از صدای بلند در تاریکی هراسناک می شوند یعنی با دریافت یکسری اطلاعات از خود احساس نشان میدهند. این مورد نیز در در حال بررسی و مطالعه است. بنابراین AI برخلاف ظاهر اسمش، درباره سیستمهای طبیعی و مصنوعی تجزیه و تحلیل اطلاعات و نه فقط چگونگی دریافت اطلاعات بلکه چه میکنند و چگونه احساس میکنند، مي‌باشد.
اما در شبکه ارتباطی مغز انسان، سیگنال های ارتباطی به صورت پالس های الکتریکی هستند. جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون ها و خطوط محل خروج اطلاعات از نرون ها هستند. نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل مي کند. اگر واکنش هایی که میلیون ها نرون مختلف به پالس های متفاوت نشان می دهند، با یکدیگر هماهنگ باشند، ممکن است پدیده های مهمی در مغز رخ دهد.
آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی می کند در این روش هر گره (نرون) به تنهایی یک پردازنده است ولی می دانیم که در رایانه های معمولی حداکثر چند CPU بیشتر وجود ندارد. هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان، بازخورد مثبت یاد بگیرد و بفهمد پاسخ های درست و نادرست کدامند.
سیستم شبکه عصبی این کار را از طریق ارزش گذاری کمّی برای ارتباطات سیگنال های بین نرون ها انجام می دهد. مکانیسم ارزش گذاری توسط مقاومت ها با تقویت یا تضعیف پالس ها انجام می شود. چون شبکه های عصبی میلیون ها نرون دارد. خرابی تعدادی از آنها تاثیر چندانی برعملکرد سیستم نمی گذارد. تا کنون چند سیستم آزمایشی با استفاده از این اصول طراحی و ساخته شده اند. مثلاًدر بررسی های زیست محیطی، شبکه های عصبی برای جمع آوری و تحلیل اطلاعاتی که از راه دور حس شده اند، مورد استفاده قرار می گیرند. یا اطلاعاتی که اغلب سفینه ها مخابره می کنند بسیار حجیم است.
شبکه های عصبی این اطلاعات را به راحتی دسته بندی کرده و پس از جمع آوری اطلاعات ذهنی و تجسمی نتایج جالبی به دست می آورند (مثلا ًتشخیص انواع خاصی از ابرها) البته این فرآیند با آنچه سیستم های خبره انجام می دهند متفاوت است. زیرا این سیستم ها ابزارهای تصمیم سازی هستند و می توانند حجم زیادی از اطلاعات را به سرعت تحلیل کنند. شبکه های عصبی برای مدل سازی فرایندهای فکری - مغزی که زمینه ی دیگری برای مطالعات حساس به اطلاعات و پیچیدگی است، مورد استفاده قرار گرفته است. هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. » بنابراین ظاهراً به نظر می‌رسد به جای سرمایه‌گذاری برای ساخت ماشین‌های دیگر هوشمند، می‌توان از كامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده كرد و اگر چنین شود، باید گفت كه طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، كاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیك است كه با استفاده از مكانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی. 
در برابر تمامی استدلالات فوق می توان این نكته را مورد تاُمل و پرسش قرار داد كه هوشمندی طبیعی تا بدان جایی كه ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفته‌اند كه حتی ماده ایجاد كننده هوشمندی را مورد پرسش قرار داده اند، كامپیوتر از سیلیكون استفاده می كند، در حالی كه طبیعت همه جا از كربن سود برده است.   مهم تر از همه، این نكته است كه در كامپیوتر، یك واحد كاملاً پیچیده مسئولیت انجام كلیه اعمال هوشمندانه را بعهده دارد، در حالی كه طبیعت در سمت و سویی كاملاً مخالف حركت كرده است. تعداد بسیار زیادی از واحدهای كاملاً ساده (بعنوان مثال از نورون‌های شبكه عصبی) با عملكرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده است. این مساُله هم اكنون كاملاً به صورت یك جنجال(debate) علمی در جریان است.
 در هر حال حتی اگر بپذیریم كه كامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم.
تاریخ هوش مصنوعی
هوش مصنوعی به خودی خود علمی است كاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 می‌ دانند زمانی كه آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یك روش را برای تشخیص هوشمندی پیشنهاد می‌كرد. این روش بیشتر به یك بازی شبیه بود.
به سوی آینده
هوش مصنوعی هنوز راه درازی در پیش دارد؛ شبکه سازی عصبی (که با اغماض ارتباط گرایی هم نامیده می شود) در سالهای اخیر تغییرات عمده ای را شاهد بوده است. به عنوان مثال برخی پژوهش گران پیش بینی می کنند به کمک تکنولوژی نرم افزاری جدید، شبکه های عصبی با کامپیوترهای شخصی مشابه سازی خواهند شد و پیش بینی بازار سهام (خرید و فروش سهم در بازار بورس) را ممکن خواهند کرد .
افرادی که درباره ی هوش مصنوعی و توانایی های آن مرددند، اظهار می دارند اگر هوش مصنوعی محقق شود ناچار است از دنیای منطقی، قانونمند و نمادین کامپیوترهای دیجیتال خارج شود و به دنیای مبهم (حاصل از منطق فازی) شبکه های عصبی که مبتنی بر سیستم گسترده ی یاد گیری بازخوردی هستند پا بگذارد.
امروزه نگرش تازه ای نسبت به هوش مصنوعی ایجاد شده است که در بسیاری از آزمایشگاه ها تحت بررسی است. دانشمندان سعی می کنند دریابند آیا می توان با مجموعه ای از ربات های نیمه هوشمند، یک هوش جمعی ایجاد کرد تا به گونه ایی عمل کند که از اعضای تشکیل دهنده اش باهوش تر باشد؟