پروژه تحقیقاتی تابستانی دارتموث در مورد هوش مصنوعی، که در سال ۱۹۵۶ در کالج دارتموث در هانوفر، نیوهم شایر برگزار شد، به طور کلی توسط مورخان و دانشمندان رشته کامپیوتر به عنوان محل تولد هوش مصنوعی شناخته می شود. این گردهمایی با حضور بسیاری از بزرگان سایبرنتیک برگزار شد. به طور کلی، معنای سایبرنتیک، که در ابتدا به تمام رویکردهای هوش ماشین اعمال می شد، پس از کنفرانس دارتموث به طور فزاینده ای در ایالات متحده به شبکه های عصبی و مدل سازی مغز کاهش یافت. سایبرنتیک پیشتر از هوش مصنوعی آغاز شد، اما هوش مصنوعی در بازه میان ۱۹۶۰ تا ۱۹۸۵ غالب بود تا اینکه با شکست های پی در پی در دستیابی به هدف ماشین های هوشمند مواجه شد. این مشکلات در هوش مصنوعی منجر به جستجوهای جدیدی برای یافتن راه حل با استفاده از رویکردهای سایبرنتیکی شد. هوش مصنوعی و سایبرنتیک در عین حال که دارای نقاط اشتراکی هستند، وجوه متمایزی نیز دارند. دقت نظر در این شباهت ها و تفاوت ها می تواند بسیار راهگشا باشد. نادیده گرفتن این نکات ممکن است در بعضی دیدگاه ها منجر به همسان انگاری هوش مصنوعی و سایبرنتیک شود و غایت هر دو را ساختن سایبورگ ها و ربات های هوشمند بپندارد. برای مثال، هوش مصنوعی برخاسته از میل به ساختن کامپیوترهای هوشمند است اما در سایبرنتیک هدف، فهم و ساختن سیستم هایی است که بتوانند به اهدافشان برسند؛ این اهداف می توانند از اهداف پیچیده انسانی برخیزند یا اهدافی ساده مثل حفظ دمای اتاق تحت شرایط متغیر باشند. اما پشت تفاوت های میان این دو ( کامپیوترهای هوشمند یا سیستم های هدف محور)، تفاوت های مفهومی عمیق تری پنهان شده است. سیستم های هوشمند با سیستم هایی که به دنبال رسیدن به یک هدف  هستند، متفاوتند. هوش مصنوعی را می توان دانش فهم و ساخت سیستم هوشمند دانست که عموما به دنبال ساخت سیستم هایی است که رفتار هوشمندانه را بر اساس بازنمایی های ذخیره شده از جهان تقلید کنند. اما سایبرنتیک به مطالعه این موضوع می پردازد که سیستم ها چگونه خود را تنظیم می کنند و به سوی اهداف گام بر می دارند و از محیط بازخورد می گیرند. محاسبات یکی از ارکان سیستم های سایبرنتیکی است. سیستم های محاسباتی می توانند سیستم های بیولوژیکی ( که دمای بدن را حفظ می کنند)، مکانیکی ( که سرعت موتور را کنترل می کنند)، اجتماعی (که نیروی کار انبوه را مدیریت می کنند) و اقتصادی ( که اقتصاد ملی را تنظیم می کنند) نیز باشند. در هوش مصنوعی پیش فرض این است که شناخت جهان، هم ممکن است  و هم ضروری است. در سایبرنتیک اعتقاد بر این است که جفت شدن با جهان به قدری که برای رسیدن به اهداف کافی باشد ضروری و ممکن است؛ یعنی بازخورد بگیریم تا کنش هایمان را برای رسیدن به اهداف اصلاح کنیم. بنابراین، در حالیکه هر دو حوزه مفاهیم سازگار با یکدیگری مانند بازنمایی، حافظه، واقعیت و معرفت شناسی دارند، تقاوت هایی نیز بین آنها می توان یافت. سایبرنتیک و هوش مصنوعی هر دو به نحوه یادگیری سیستم ها می پردازند. اما هوش مصنوعی در یادگیری، از بازنمایی های ذخیره شده به عنوان ابزاری برای کنش هوشمندانه استفاده می کند. یعنی به کمک بازخوردها رفتار خود را اصلاح می کند و سرانجام به وضعیت مطلوب می رسد. در حالیکه سایبرنتیک به بررسی رفتارهای متعادل و جایافته در سیستم هایی می پردازد که بر اساس بازخورد و تعامل، از خود، هوشمندی و یادگیری نشان می دهد.