Berbekal teori dan teknik CI memungkinkan anda untuk membuat solusi permasalahan dengan berbagai metode. CI terdiri dari konsep, paradigma, algoritma dan implementasi Self-organization yang memfasilitasi tindakan yang tepat dalam suatu lingkungan yang kompleks dan terus berubah. Lima paradigma utama Computation Intelligence (CI) adalah artificial neural networks (NN), evolutionary computation (EC), swarm intelligence (SI), artificial immune systems (AIS) dan fuzzy systems (FS). Salah satu permasalahan yang muncul adalah memilih teknik CI yang tepat untuk menyelesaikan permasalahan yang dihadapi. Dari perspektif ilmiah CI dapat diartikan sebagai sekumpulan metode dan teknik soft computing untuk aktifitas problem solving yang biasanya tidak dapat diselesaikan dengan teknik hard computing. Teknik dari berbagai paradigma juga dapat dikombinasikan untuk membentuk hybrid systems.
Umumnya CI merupakan seperangkat inspirasi metodologi dan pendekatan komputerisasi untuk mengatasi masalah-masalah dunia nyata yang kompleks. Artificial Intelligence dan Computational Intelligence memiliki tujuan jangka panjang yang mirip. Ada dua jenis machine intelligent yaitu pertama artificial yang berbasis pada teknik hard computing dan satunya computational intelligence yang berbasis pada metode soft computing. Teknik hard computing bekerja mengikuti logika biner yang didasarkan pada dua nilai antara true-false aau 0-1. Teknik soft computing bekerja berdasarkan logika fuzzy. CI bekerja sesuai dengan prinsip kerja otak manusia yaitu dengan menggabungkan data yang mengarah pada kebenaran parsial. Gagasan tentang CI pertama kali digunakan oleh IEEE Neural Networks Council pada tahun 1990. Beberapa aplikasi nyata CI dalam kehidupan sehari-hari meliputi model aerial spray, aplikasi industri, diagnosis medis dan praktik medis.
Lima prinsip utama di dalam CI adalah fuzzy logic, neural networks, evolutionary computation, learning theory dan probabilistic methods. Fuzzy logic adalah salah satu prinsip utama CI yang terdiri dari pengukuran dan proses membuat pemodelan siklus kompleks kehidupan sehari-hari. ANN banyak digunakan untuk menganalisis dan mengklasifikasikan data medis, melakukan deteksi wajah dan penipuan, dan pengembangan sistem untuk mengontrol nonlinearities. Evolutionary computation dibuat dengan memanfaatkan kelebihan evolusi alami untuk memunculkan metodologi evolusi buatan yang baru. Dengan mempelajari learning theory dapat membantu memahami dampak dan tahapan suatu proses, sehingga dapat membantu membuat prediksi berdasarkan pengalaman yang pernah terjadi. Probabilistic methods pertama kali diperkenalkan oleh Paul Erdos dan Joel Spencer pada tahun 1974. Metode ini bertujuan untuk mengevaluasi hasil dari sistem CI. Oleh karena itu probabilistic methods bertujuan agar CI menghasilkan solusi sesuai dengan penalaran berdasarkan pada pengetahuan sebelumnya.
Komponen utama dan sentral Intelligence Systems CI adalah dasar pengetahuan yang luas. Hal tersebut adalah bottleneck yang menghambat engineering dalam mengembangkan CI. Disiplin ilmu yang hilang di dalam CI menyebabkan ledakan penelitian pada machine learning. Proses di dalam machine learning berisi tentang konsep-konsep simbolis yang dibuat dari entitas, hubungan, dan ontologi. Machine learning berpindah dari konsep simbolis menjadi sempadan statistik, di mana entitas dan hubungan yang terjadi bersifat Statis. Karya tersebut memiliki dampak yang besar dan membantu menjadi bahan bakar baru dalam bidang penambangan data, hal tersebut tidak memiliki dampak pada pembangunan basis pengetahuan besar yang menjadi inti dari CI. Pada kelanjutannya tim penelitian CI melanjutkan untuk mengodekan konsep simbolis secara manual, satu per satu.
Minat terhadap CI akan teori, desain, aplikasi, dan pengembangan termotivasi oleh paradigma komputerisasi yang berkonsentrasi pada jaringan saraf, connectionist systems, algoritma genetik, sistem fuzzy, dan hybrid intelligence systems. Fakultas di bidang artificial intelligence dan Computational intelligence berfokus pada teknik dan aplikasi hybrid intelligent. Machine learning, penambangan data, jaringan saraf, dukungan mesin vektor, logika fuzzy, natur-inspired computing, algoritma genetik, pengenalan pola, dan pengolahan gambar digunakan untuk memecahkan masalah kompleks di bidang Web Intelijen, bioinformatika, optimasi, e-bisnis, keamanan, komputerisasi awan, dan green computing. Computational Intelligent pada Engineering Systems memberikan ulasan dan analisis perkembangan dan kemajuan baru dalam beberapa bidang Computational intelligent. Topik CI meliputi: simulasi dan evolusi bentuk kehidupan nyata dan buatan; self-organization; Model komunikasi dan perilaku sosial; Sistem adaptif, Sistem listrik; Aplikasi berbasis web; Intelligent tutoring systems; Sistem pendukung keputusan. Bidang utama CI yang digunakan dalam Intelligent data analysis adalah artificial neural network, evolutionary computation dan fuzzy systems.
Computational Intelligence muncul sebagai metode untuk mencari solusi permasalahan berbekal data dengan tingkat akurasi yang rendah. Berbekal teori dan teknik CI memungkinkan anda untuk membuat solusi permasalahan dalam hal pattern recognition, kontrol, otomatisasi pengambilan keputusan, optimasi, pemodelan statistik, dan masih banyak lagi. Lima paradigma utama dalam Computation Intelligence bernama artificial neural networks (ANN), evolutionary computation (EC), swarm intelligence (SI), artificial immune systems (AIS) dan fuzzy systems (FS). Hilangnya bagian CI menyebabkan ledakan penelitian tentang machine learning. CI merupakan disiplin ilmu yang luas, sehingga saat ingin mempelajarinya sebaiknya pemahaman teori CI dikuasai lebih dahulu. Berbekal teori dan teknik CI memungkinkan Anda untuk membuat solusi permasalahan yang terjadi di dalam kehidupan nyata.