هوش مصنوعی چند وجهی یک الگوی جدید هوش مصنوعی است که انواع مختلف داده (داده عکس، متن، گفتار و عددی) با الگوریتم های پردازش هوشمند چندگانه ترکیب می شوند تا کارایی بهتری به دست آید. هوش مصنوعی چند وجهی اغلب در بسیاری از مشکلات دنیای واقعی از هوش مصنوعی تک وجهی (single modal) بهتر عمل می کند.
ما به عنوان انسان، دنیا را چندوجهی تجربه می کنیم: می توانیم سطوح را احساس کنیم، صداها را بشنویم، اشیا را ببینیم، بوها را استشمام کنیم و طعم ها را بچشیم. وجه (mode) را مانند حس انسان در نظر بگیرید. برای مثال ممکن است هویج را ببینید و مزه کنید. در این حالت می توانید هویج را سریعتر از زمانی که آن را با چشم بسته می خورید، تشخیص دهید. همچنین می توانید هویج را با دیدن و بدون مزه کردن آن، شناسایی کنید. اگر هویج به شکل کامل نباشد (مثلا به شکل پوره بود) هنوز هم ممکن است از رنگ آن حدس بزنید که هویج است. اما اگر پوره را بخورید، می‌توانید از طعم آن مطمئن شوید. هوش مصنوعی چندوجهی نیز همین طور است. هوش مصنوعی چند وجهی، مانند انسان توانایی پردازش همزمان سیگنال ها را دارد. ترکیبی از ورودی های مختلف به هوش مصنوعی اجازه می دهد تا نتیجه دقیق تری را از ورودی های متعدد استنتاج (deduction) کند.
سیستم‌های هوش مصنوعی استاندارد معمولاً تک وجهی هستند، به این معنی که برای انجام یک کار خاص مانند پردازش تصاویر یا زبان آموزش، داده شده اند. سیستم ها، از یک نمونه واحد از داده های آموزشی تغذیه می کنند که از طریق آن می توانند تصاویر یا کلمات مربوطه را شناسایی کنند. در حالی که کار با یک منبع داده ساده‌تر است، اما فاقد زمینه و اطلاعات پشتیبان برای انجام بهترین استنتاج ممکن است. در هوش مصنوعی چندوجهی، دو یا چند جریان اطلاعات را می توان پردازش کرد، که برای سیستم هوش مصنوعی امکان استنتاج بهتر را فراهم می کند.
یادگیری چندوجهی، داده‌های گوناگون (جمع‌آوری‌شده از حسگرها و ورودی‌های داده‌های مختلف) را در یک مدل قرار می دهد. از آنجایی که از چندین حسگر برای مشاهده داده‌ها استفاده می‌شود، در مقایسه با یک سیستم تک‌وجهی، پیش‌بینی‌های پویاتری ارائه می‌دهد. پردازش مجموعه داده‌های بیشتر به بینش‌های هوشمندانه‌تری تبدیل می‌شود.
