您的当前位置是：第四章 计算智能>>学习内容>>知识点一

一、什么是计算智能

计算智能（Computational Intelligence，CI）目前还没有一个统一的的定义，使用较多的是美国科学家贝慈德克（J.C.Bezdek）从计算智能系统角度所给出的定义:

如果一个系统仅处理低层的数值数据，含有模式识别部件，没有使用人工智能意义上的知识，且具有计算适应性、计算容错力、接近人的计算速度和近似于人的误差率这4个特性，则它是计算智能的。

从学科范畴看，计算智能是在神经网络（Neural Networks，NN）、进化计算（Evolutionary Computation，EC）及模糊系统（Fuzzy System，FS）这3个领域发展相对成熟的基础上形成的一个统一的学科概念。

神经网络是一种对人类智能的结构模拟方法，它是通过对大量人工神经元的广泛并行互联，构造人工神经网络系统去模拟生物神经系统的智能机理。

模糊计算是一种对人类智能的逻辑模拟方法，它是通过对人类处理模糊现象的认知能力的认识，用模糊逻辑去模拟人类的智能行为。

进化计算是一种对人类智能的演化模拟方法，它是通过对生物遗传和演化过程的认识，用进化算法去模拟人类智能的进化规律。

从贝慈德克对计算智能的定义和上述计算智能学科范畴的分析，可以看出以下2点：

第一，计算智能是借鉴仿生学的思想，基于生物神经系统的结构、进化和认知对自然智能进行模拟。

第二，计算智能是一种以模型（计算模型、数学模型）为基础，以分布、并行计算为特征的自然智能模拟方法。

二、计算智能的产生与发展

1992年，贝慈德克在《Approximate Reasoning》学报上首次提出了“计算智能”的概念。

1994年6月底到7月初，IEEE在美国佛罗里达州的奥兰多市召开了首届国际计算智能大会（简称WCCI’94）。会议第一次将神经网络、进化计算和模糊系统这三个领域合并在一起，形成了“计算智能”这个统一的学科范畴。

在此之后，WCCI大会就成了IEEE的一个系列性学术会议，每4年举办一次。此外，IEEE还出版了一些与计算智能有关的刊物。

目前，计算智能的发展得到了国内外众多的学术组织和研究机构的高度重视，并已成为智能科学技术一个重要的研究领域。

三、计算智能与人工智能的关系

目前，对计算智能与人工智能的关系有2种不同观点，一种点认为计算智能是人工智能的一个子集，另一种观点认为计算智能和人工智能是不同的范畴。

第一种观点的代表人物是贝慈德克。他把智能（Intelligence，I）和神经网络（Neural Network，NN）都分为计算的（Computational，C）、人工的（Artificial，A）和生物的（Biological，B）3个层次，并以模式识别（PR）为例，给出了图4.1所示的智能的层次结构。

在这个结构中，底层是计算智能（CI），它通过数值计算来实现，其基础是CNN；中间层是人工智能（AI），它通过人造的符号系统实现，其基础是ANN；顶层是生物智能（BI），它通过生物神经系统来实现，其基础是BNN。

按照贝慈德克的观点，CNN是指按生物激励模型构造的NN，ANN是指CNN+知识，BNN是指人脑，即ANN包含了CNN，BNN又包含了ANN。对智能也一样，贝慈德克认为AI包含了CI，BI又包含了AI，即计算智能是人工智能的一个子集。

第二种观点是大多数学者所持有的观点，其代表人物是艾伯哈特（R.C.Eberhart）。他们认为：虽然人工智能与计算智能之间有重合，但计算智能是一个全新的学科领域，无论是生物智能还是机器智能，计算智能都是其最核心的部分，而人工智能则是外层。

事实上，CI和传统的AI只是智能的两个不同层次，各自都有自身的优势和局限性，相互之间只应该互补，而不能取代。

大量实践证明，只有把AI和CI很好地结合起来，才能更好地模拟人类智能，才是智能科学技术发展的正确方向。