計算智能（Computing Intelligence）涉及神經(jīng)計算、模糊計算、進(jìn)化計算等研究領(lǐng)域。其中，神經(jīng)計算和模糊計算已有較長的研究歷史，而進(jìn)化計算則是較新的研究領(lǐng)域。在此僅對進(jìn)化計算加以說明。
進(jìn)化計算（Evolutionary Computation）是指一類以達(dá)爾文進(jìn)化論為依據(jù)來設(shè)計、控制和優(yōu)化人工系統(tǒng)的技術(shù)和方法的總稱，它包括遺傳算法（Genetic Algorithms）、進(jìn)化策略（Evolutionary Strategies）和進(jìn)化規(guī)劃（Evolutionary Programming）。它們遵循相同的指導(dǎo)思想，但彼此存在一定差別。同時，進(jìn)化計算的研究關(guān)注學(xué)科的交叉和廣泛的應(yīng)用背景，因而引入了許多新的方法和特征，彼此間難于分類，這些都統(tǒng)稱為進(jìn)化計算方法。目前，進(jìn)化計算被廣泛運(yùn)用于許多復(fù)雜系統(tǒng)的自適應(yīng)控制和復(fù)雜優(yōu)化問題等研究領(lǐng)域，如并行計算、機(jī)器學(xué)習(xí)、電路設(shè)計、神經(jīng)網(wǎng)絡(luò)、基于艾真體的仿真、元胞自動機(jī)等。
達(dá)爾文進(jìn)化論是一種魯棒的搜索和優(yōu)化機(jī)制，對計算機(jī)科學(xué)，特別是對人工智能的發(fā)展產(chǎn)生了很大的影響。大多數(shù)生物體通過自然選擇和有性生殖進(jìn)行進(jìn)化。自然選擇決定了群體中哪些個體能夠生存和繁殖，有性生殖保證了后代基因中的混合和重組。自然選擇的原則是適者生存，即物競天擇，優(yōu)勝劣汰。
直到幾年前，遺傳算法、進(jìn)化規(guī)劃、進(jìn)化策略三個領(lǐng)域的研究才開始交流，并發(fā)現(xiàn)它們的共同理論基礎(chǔ)是生物進(jìn)化論。因此，把這三種方法統(tǒng)稱為進(jìn)化計算，而把相應(yīng)的算法稱為進(jìn)化算法。
4.3 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)
知識獲取是知識信息處理的關(guān)鍵問題之一。20世紀(jì)80年代人們在知識發(fā)現(xiàn)方面取得了一定的進(jìn)展。利用樣本，通過歸納學(xué)習(xí)，或者與神經(jīng)計算結(jié)合起來進(jìn)行知識獲取已有一些試驗(yàn)系統(tǒng)。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)是90年代初期新崛起的一個活躍的研究領(lǐng)域。在數(shù)據(jù)庫基礎(chǔ)上實(shí)現(xiàn)的知識發(fā)現(xiàn)系統(tǒng)，通過綜合運(yùn)用統(tǒng)計學(xué)、粗糙集、模糊數(shù)學(xué)、機(jī)器學(xué)習(xí)和專家系統(tǒng)等多種學(xué)習(xí)手段和方法，從大量的數(shù)據(jù)中提煉出抽象的知識，從而揭示出蘊(yùn)涵在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)規(guī)律，實(shí)現(xiàn)知識的自動獲取。這是一個富有挑戰(zhàn)性、并具有廣闊應(yīng)用前景的研究課題。
從數(shù)據(jù)庫獲取知識，即從數(shù)據(jù)中挖掘并發(fā)現(xiàn)知識，首先要解決被發(fā)現(xiàn)知識的表達(dá)問題。最好的表達(dá)方式是自然語言，因?yàn)樗侨祟惖乃季S和交流語言。知識表示的最根本問題就是如何形成用自然語言表達(dá)的概念。
機(jī)器知識發(fā)現(xiàn)始于1974年，并在此后十年中獲得一些進(jìn)展。這些進(jìn)展往往與專家系統(tǒng)的知識獲取研究有關(guān)。到20世紀(jì)80年代末，數(shù)據(jù)挖掘取得突破。越來越多的研究者加入到知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的研究行列?，F(xiàn)在，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘已成為人工智能研究的又一熱點(diǎn)。
比較成功的知識發(fā)現(xiàn)系統(tǒng)有用于超級市場商品數(shù)據(jù)分析、解釋和報告的CoverStory系統(tǒng)，用于概念性數(shù)據(jù)分析和查尋感興趣關(guān)系的集成化系統(tǒng)EXPLORA，交互式大型數(shù)據(jù)庫分析工具KDW，用于自動分析大規(guī)模天空觀測數(shù)據(jù)的SKICAT系統(tǒng)，以及通用的數(shù)據(jù)庫知識發(fā)現(xiàn)系統(tǒng)KDD等。
4.4 人工生命
人工生命（Artificial Life，ALife）的概念是由美國圣菲研究所非線性研究組的蘭頓（Langton）于1987年提出的，旨在用計算機(jī)和精密機(jī)械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復(fù)制、自修復(fù)等特征以及形成這些特征的混沌動力學(xué)、進(jìn)化和環(huán)境適應(yīng)。
人工生命所研究的人造系統(tǒng)能夠演示具有自然生命系統(tǒng)特征的行為，在“生命之所能”（life as it could be）的廣闊范圍內(nèi)深入研究“生命之所知”（life as we know it）的實(shí)質(zhì)。只有從“生命之所能”的廣泛內(nèi)容來考察生命，才能真正理解生物的本質(zhì)。人工生命與生命的形式化基礎(chǔ)有關(guān)。生物學(xué)從問題的頂層開始，把器官、組織、細(xì)胞、細(xì)胞膜，直到分子，以探索生命的奧秘和機(jī)理。人工生命則從問題的底層開始，把器官作為簡單機(jī)構(gòu)的宏觀群體來考察，自底向上進(jìn)行綜合，把簡單的由規(guī)則支配的對象構(gòu)成更大的集合，并在交互作用中研究非線性系統(tǒng)的類似生命的全局動力學(xué)特性。
人工生命的理論和方法有別于傳統(tǒng)人工智能和神經(jīng)網(wǎng)絡(luò)的理論和方法。人工生命把生命現(xiàn)象所體現(xiàn)的自適應(yīng)機(jī)理通過計算機(jī)進(jìn)行仿真，對相關(guān)非線性對象進(jìn)行更真實(shí)的動態(tài)描述和動態(tài)特征研究。
人工生命學(xué)科的研究內(nèi)容包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進(jìn)化動力學(xué)、人工生命的計算理論、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等。比較典型的人工生命研究有計算機(jī)病毒、計算機(jī)進(jìn)程、進(jìn)化機(jī)器人、自催化網(wǎng)絡(luò)、細(xì)胞自動機(jī)、人工核苷酸和人工腦等。