几个世纪以来，人工智能的实践一直是科学和工程不可或缺的一部分，但直到20世纪50年代，人工智能的真正潜力才被发掘出来。1956年，约翰·麦卡锡（John McCarthy）首创了人工智能（AI）一词，并将其定义为“**智能机器的科学与工程”。传统的人工智能系统是基于一阶逻辑和符号信息处理的，它允许创建不同的模式识别系统，而其他的系统都是基于所谓的硬计算技术。但是人工智能在机器翻译等其他领域的应用空间不大，这就需要一种新的方法来开发具有高MIQ水平的智能系统。

这就产生了一种新的计算模型，称为软计算，与传统的计算方法不同，软计算代表了模糊逻辑、进化计算、神经计算、概率计算和混沌计算等方法的集合，这些方法可以解决复杂的现实问题。它是科学的一个分支，旨在建造智能的、更聪明的机器，这些机器将以与人类相似的方式工作。人脑是软计算的主要元素。人工智能是一个更广泛的术语，它描述了机器能够以一种被认为是智能的方式执行复杂任务的应用程序。

什么是人工智能(artificial intelligence)？

人工智能（AI），通常被称为机器智能，是用机器模拟人脑的功能。人工智能是迄今为止最先进的技术之一，也是由智能机器运行的新数字时代的开始。人工智能不仅仅是一种技术；这是一个创造智能机器的想法——那些和人类一样聪明或比人类更聪明的机器。嗯，这个概念并不新鲜，只是随着数字计算机的兴起才成为主流。人工智能曾经是一个遥远的梦想，但现在它被视为日常计算技术。人工智能的最终目标是在机器中激发人类水平的智能。

什么是软计算(soft computing)？

软计算（SC）代表了一系列方法，这些方法可以解决复杂的现实问题。它是模糊逻辑（FL）、进化计算（EC）、神经计算、概率计算和混沌计算等智能范式的结合，旨在开发对不确定性、不精确性和部分真值的容忍度，而不损失最终用途的性能和有效性。SC的榜样是人类的心智。与传统的分析方法相比，软计算方法在几个不同的方面模拟了意识和认知。它旨在适应现实世界普遍存在的不精确性。供应链技术计划在各种科学和工程学科的基础性作用。

人工智能与软计算的区别

定义

–人工智能是一门开发智能机器的艺术和科学，它具有思考、学习和反应的能力，与人类非常相似。人工智能是用机器，特别是计算机系统来模拟人脑的功能。另一方面，软计算（SC）是一系列方法的集合，旨在利用对不确定性、不精确性和部分真值的容忍度，而不损失最终用途的性能和有效性。

目标

–人工智能的最终目标是创造机器，特别是计算机系统，展现人类水平的智能–也就是像人类一样学习、理解、行为和反应的能力。这个想法是让机器在涉及推理和思考的众多任务中变得智能。另一方面，人脑是软计算的主要元素。这个想法非常相似——创造智能机器，为复杂的现实世界问题提供解决方案，这些问题不是数学模型。

角色

–人工智能在发现有趣的现实世界问题之间的缺失方面起着基础性的作用。人工智能抑制机器的认知能力，例如观察和从经验中学习的能力，以及执行类似人类的任务的能力。人工智能在机器人中模仿人脑，使其能够执行决策和解决问题等功能。软计算包含了受人类推理启发的技术，这些技术在处理不精确性、不确定性和部分真实性方面具有潜力。

应用

–软计算方法广泛应用于各种科学和工程学科，如数据挖掘、电子、汽车、航空航天、海洋、机器人、国防、工业、医疗和商业应用。软计算有三个主要分支：模糊系统、进化计算和人工神经计算。人工智能是一个专业术语丰富的领域，受到生物学的启发，多年来，生物学一直从人工智能研究中得到启发和学习。也就是说，人工智能在医疗领域有着无数的应用，特别是分析复杂的医疗数据以及预防技术和患者结果之间的关系。

人工智能与软计算：比较图

总结 - 人工智能研究i(of artificial intelligence i) vs. 软计算(soft computing)

人工智能和软计算都是解决复杂现实问题的非系统、数据驱动工具。人工智能的最大优势是它能够在尽可能短的时间内过滤大量数据。人工智能倾向于解决人类层面的问题，如模式识别、问题解决、计划执行、自动化分析任务、资产管理、识别效率、绩效改进等。另一方面，软计算的目的是为复杂的现实世界问题提供解决方案，这些问题没有数学模型。