L’intelligenza computazionale (CI) è una branca dell’informatica in cui i progetti si evolvono dal basso verso l’alto, con l’ordine che emerge da un’iniziale mancanza di struttura. Questo è simile a molti processi osservati nel mondo naturale. L’intelligenza computazionale include concetti come il calcolo evolutivo, in cui i problemi vengono risolti utilizzando modelli del processo evolutivo e, quando viene applicato all’apprendimento automatico, consente ai robot di apprendere dall’esperienza. La logica fuzzy, un sistema che assomiglia al processo decisionale umano, può essere utilizzata per risolvere problemi dove c’è vaghezza o incertezza. Le reti neurali sono sistemi basati sulla funzione del cervello umano e possono essere utilizzate per rilevare modelli e tendenze in dati complessi.
A differenza dell’hard computing, dove le soluzioni sono garantite e i problemi sono limitati in base a condizioni rigorose, l’intelligenza computazionale rientra nella categoria del soft computing, dove non sempre si verificano risultati positivi. L’intelligenza computazionale prende spesso ispirazione dalla natura, ad esempio nel campo del calcolo evolutivo, dove vengono creati sistemi che evolvono per risolvere problemi complessi. Questo può essere applicato all’intelligenza artificiale o sintetica, dando vita a robot che imparano dall’esperienza e si sviluppano nel tempo.
I sistemi basati sulla logica fuzzy possono essere utilizzati nell’intelligenza computazionale per simulare i modi di pensare umani. Potrebbero essere combinati con reti neurali ispirate alla biologia nel campo della robotica cognitiva, creando robot con la capacità di pensare in un modo che assomiglia ai processi del pensiero umano. Oltre a pensare, questi robot potrebbero anche imparare, ricordare, percepire e prendere decisioni di fronte all’incertezza, come fanno gli umani. Ciò potrebbe consentire ai robot di comprendere meglio le richieste umane, consentendo loro di rilevare il significato dietro le parole utilizzate. Questo potrebbe essere essenziale per una macchina che svolge compiti domestici.
Le reti neurali sono generalmente considerate parte dell’intelligenza computazionale. Come il cervello umano, sono costituiti da numerose singole parti interconnesse, simili ai nervi. Questi lavorano insieme per risolvere i problemi, imparando mentre procedono, perché le connessioni tra gli elementi sono regolabili, come le connessioni tra i nervi.
Una volta che le reti neurali hanno imparato ad analizzare i dati, possono diventare effettivamente esperti nei loro campi e possono essere utilizzate per prevedere i risultati in diversi scenari. Uno svantaggio di questo tipo di intelligenza computazionale è che richiede molta potenza di calcolo e può funzionare in modo imprevedibile. Le reti neurali non devono essere confuse con i sistemi esperti, che utilizzano insiemi di regole predeterminate per prendere decisioni e non le adattano per adattarsi ai dati.