計算智能（CI）這一表述通常是指計算機從數據或實驗觀察中學習一項特定任務的能力。盡管它通常被認為是軟計算的同義詞，但仍然沒有普遍接受的計算智能的定義。一般來說，計算智能是一套受自然啟發的計算方法和途徑，用于解決復雜的現實世界問題，而數學或傳統的建模對于這些問題可能是無用的，原因有幾個：這些過程對于數學推理來說可能過于復雜，在這個過程中可能包含一些不確定性，或者這個過程在本質上可能只是隨機的。事實上，許多現實生活中的問題無法轉化為二進制語言（0和1的xxx值）供計算機處理。因此，計算智能為這類問題提供了解決方案。所使用的方法接近人類的推理方式，即它使用不準確和不完整的知識，并且能夠以適應性的方式產生控制行動。因此，CI使用了五個主要互補技術的組合。模糊邏輯使計算機能夠理解自然語言，人工神經網絡允許系統通過像生物一樣的操作來學習經驗數據，進化計算是基于自然選擇的過程，學習理論和概率方法有助于處理不確定性的不精確性。除了這些主要的原則，目前流行的方法包括受生物啟發的算法，如蜂群智能和人工免疫系統，這可以被看作是進化計算的一部分，圖像處理，數據挖掘，自然語言處理和人工智能，這往往會與計算智能混淆。但是，盡管計算智能（CI）和人工智能（AI）都在尋求類似的目標，它們之間有明顯的區別。因此，計算智能是一種像人類一樣的表演方式。事實上，智能的特征通常是歸于人類的。最近，許多產品和物品也聲稱是智能的，這種屬性與推理和決策直接相關。

歷史淵源：計算智能的概念是由IEEE神經網絡理事會在1990年首次使用的。該理事會是由一群對生物和人工神經網絡的發展感興趣的研究人員于20世紀80年代成立的。2001年11月21日，IEEE神經網絡理事會成為IEEE神經網絡協會，兩年后通過納入新的興趣領域，如模糊系統和進化計算，成為IEEE計算智能協會，他們在2011年將其與計算智能相關聯（Dote和Ovaska）。但是，計算智能的xxx個明確定義是由Bezdek在1994年提出的：如果一個系統處理的是數字數據等低級數據，有模式識別的成分，并且不使用人工智能意義上的知識，此外，當它開始表現出計算的適應性、容錯性、接近人類的周轉速度和錯誤率接近人類的表現時，就可以稱之為計算智能。Bezdek和Marks（1993）明確區分了CI和AI，認為前者是基于軟計算方法的，而AI是基于硬計算方法的。

盡管人工智能和計算智能追求的長期目標相似：達到通用智能，也就是機器的智能，可以完成人類可以完成的任何智力任務；但它們之間有明顯的區別。根據Bezdek（1994）的說法，計算智能是人工智能的一個子集。有兩種類型的機器智能：基于硬計算技術的人工智能和基于軟計算方法的計算智能，后者能夠適應許多情況。硬計算技術是按照二進制邏輯工作的，它只基于兩個值（布爾語的真或假，0或1），而現代計算機正是基于此。這種邏輯的一個問題是，我們的自然語言不能總是很容易地被翻譯成0和1的xxx值。更加接近于人腦通過將數據匯總為部分真理的工作方式（Crisp/Fuzzy系統），這種邏輯是CI的主要專屬方面之一。在模糊和二元邏輯的相同原則下，遵循脆皮和模糊系統。脆皮邏輯是人工智能原則的一部分，包括要么把一個元素包括在一個集合中，要么不包括，而模糊系統（CI）使元素可以部分地在一個集合中。