计算智能

计算智能（CI）这一表述通常是指计算机从数据或实验观察中学习一项特定任务的能力。尽管它通常被认为是软计算的同义词，但仍然没有普遍接受的计算智能的定义。

一般来说，计算智能是一套受自然启发的计算方法和途径，用于解决复杂的现实世界问题，而数学或传统的建模对于这些问题可能是无用的，原因有几个：这些过程对于数学推理来说可能过于复杂，在这个过程中可能包含一些不确定性，或者这个过程在本质上可能只是随机的。

事实上，许多现实生活中的问题无法转化为二进制语言（0和1的唯 一值）供计算机处理。因此，计算智能为这类问题提供了解决方案。所使用的方法接近人类的推理方式，即它使用不准确和不完整的知识，并且能够以适应性的方式产生控制行动。

因此，CI使用了五个主要互补技术的组合。模糊逻辑使计算机能够理解自然语言，人工神经网络允许系统通过像生物一样的操作来学习经验数据，进化计算是基于自然选择的过程，学习理论和概率方法有助于处理不确定性的不精确性。

除了这些主要的原则，目前流行的方法包括受生物启发的算法，如蜂群智能和人工免疫系统，这可以被看作是进化计算的一部分，图像处理，数据挖掘，自然语言处理和人工智能，这往往会与计算智能混淆。但是，尽管计算智能（CI）和人工智能（AI）都在寻求类似的目标，它们之间有明显的区别。

因此，计算智能是一种像人类一样的表演方式。事实上，智能的特征通常是归于人类的。最近，许多产品和物品也声称是智能的，这种属性与推理和决策直接相关。

历史渊源：计算智能的概念是由IEEE神经网络理事会在1990年首次使用的。该理事会是由一群对生物和人工神经网络的发展感兴趣的研究人员于20世纪80年代成立的。

2001年11月21日，IEEE神经网络理事会成为IEEE神经网络协会，两年后通过纳入新的兴趣领域，如模糊系统和进化计算，成为IEEE计算智能协会，他们在2011年将其与计算智能相关联（Dote和Ovaska）。

但是，计算智能的第 一个明确定义是由Bezdek在1994年提出的：

如果一个系统处理的是数字数据等低级数据，有模式识别的成分，并且不使用人工智能意义上的知识，此外，当它开始表现出计算的适应性、容错性、接近人类的周转速度和错误率接近人类的表现时，就可以称之为计算智能。

Bezdek和Marks（1993）明确区分了CI和AI，认为前者是基于软计算方法的，而AI是基于硬计算方法的。

尽管人工智能和计算智能追求的长期目标相似：达到通用智能，也就是机器的智能，可以完成人类可以完成的任何智力任务；但它们之间有明显的区别。

根据Bezdek（1994）的说法，计算智能是人工智能的一个子集。

有两种类型的机器智能：基于硬计算技术的人工智能和基于软计算方法的计算智能，后者能够适应许多情况。

硬计算技术是按照二进制逻辑工作的，它只基于两个值（布尔语的真或假，0或1），而现代计算机正是基于此。

这种逻辑的一个问题是，我们的自然语言不能总是很容易地被翻译成0和1的xxx值。更加接近于人脑通过将数据汇总为部分真理的工作方式（Crisp/Fuzzy系统），这种逻辑是CI的主要专属方面之一。

在模糊和二元逻辑的相同原则下，遵循脆皮和模糊系统。脆皮逻辑是人工智能原则的一部分，包括要么把一个元素包括在一个集合中，要么不包括，而模糊系统（CI）使元素可以部分地在一个集合中。