計算智能(CI)是計算機科學的一個分支,在這個分支中,項目從下到上發展,從最初的結構缺失中產生秩序。這類似于自然界中的許多過程。計算智能包括諸如進化計算這樣的概念,其中的問題是使用進化過程,當它被應用到機器學習時,允許...
計算智能(CI)是計算機科學的一個分支,在這個分支中,項目從下到上發展,從最初的結構缺失中產生秩序。這類似于自然界中的許多過程。計算智能包括諸如進化計算這樣的概念,其中的問題是使用進化過程,當它被應用到機器學習時,允許機器人從經驗中學習。模糊邏輯,一個類似于人類決策的系統,可用于解決模糊或不確定性的問題。神經網絡是基于人腦功能的系統,可用于檢測復雜數據中的模式和趨勢。

手持計算機與硬計算不同,硬計算的解決方案是有保證的,問題是根據嚴格的條件限制的,計算智能屬于軟計算的范疇,在成功的結果并不總是發生的地方。計算智能通常從自然中獲得靈感,例如在進化計算領域,系統被創造出來,進化來解決復雜的問題。這可以應用到人工智能或合成智能中,產生從經驗中學習和隨著時間的推移而發展。基于模糊邏輯的系統可以在計算智能中用來模擬人類的思維方式它們可以與認知機器人領域的生物啟發神經網絡相結合,創造出具有類似人類思維過程的思考能力的機器人,除了思考之外,這些機器人還可以在面對不確定性時學習、記憶、感知和決策,作為人類機器人可以更好地理解這一點,使他們能夠探測到所用單詞背后的含義。這對執行家務任務的機器來說可能是必不可少的。神經網絡通常被認為是計算智能的一部分。就像人腦一樣,它們由許多相互聯系的獨立部分組成,類似于神經。這些部分共同解決問題,邊學習邊學習,因為元素之間的聯系是可調的,就像神經之間的聯系一旦神經網絡學會了如何分析數據,它們可以有效地成為各自領域的專家,并可用于預測不同情況下的結果。這種計算智能的缺點是它需要大量的計算能力,并且可以以不可預測的方式工作。神經網絡不應與使用預定集的專家系統混淆制定決策的規則,而不是根據數據調整規則。