人工智能和计算智能有什么区别？

简短的回答是，它们是两个平行的研究工作，致力于解决类似的问题，但具有不同的方法和历史。本质上，他们研究类似的东西，但使用不同的工具。在现代背景下，计算智能倾向于使用仿生计算，如进化和遗传算法。人工智能倾向于更喜欢具有更强理论保证的技术，并且仍然有一个重要的社区专注于纯粹的演绎推理。重叠的主要领域是机器学习，尤其是神经网络。

更长的答案是，您 1948 年的消息来源说它们是同义词，部分原因是它早于研究界的分裂，后来发生了分裂。

这两个社区在主题上总是有一些重叠，但根据我的经验，大多数人都对彼此的方法持怀疑态度，并且大多在不同的期刊上发表。然而，一些作者认为 CI 是 AI 的一个子集，尤其是那些在 1990 年代写作的人。

完全属于人工智能但绝对不在 CI 中的示例主题是逻辑和专家系统，以及机器学习的统计方法，如回归。

完全属于 CI 但可能不在 AI 中的示例主题（取决于是否将 CI 视为 AI 的子集）是遗传编程、模糊逻辑和蚁群优化。

通常，基于 AI 的技术具有更好的理论保证，以及总体上更完善的理论（但也有例外）。例如，模糊逻辑因缺乏坚实的理论基础而受到强烈批评（这里有很好的现代总结），遗传和进化方法也是如此（最著名的是，两者都缺乏在有限时间内收敛到平滑全局最优的证明表面上，即使他们在实践中做得很好）。

尽管如此，基于 CI 的技术经常在特定问题中看到主要的性能优势（例如，参见深度学习结果），并且往往具有强大的实验和工程传统。当缺少理论确定性时，经常使用无免费午餐定理来证明其使用的合理性。基本上，这些定理说，在学习和优化问题中，一种技术只能通过在其他问题上表现不佳才能在一个问题上表现良好。CI 作者认为，在某些问题域中，他们的技术可以很好地发挥作用（这一定是真的，因为爬山等更简单的算法在简单问题上的表现优于它们）。

查看这篇论文以获取更多关于 CI的参考资料，或者查看本书以获取该领域的核心主题列表。

Andries P. Engelbrecht所著的Computational Intelligence: An Introduction (2nd edition, 2007)一书被引用超过 3000 次，对人工智能的定义如下

这些智能算法包括人工神经网络、进化计算、群体智能、人工免疫系统和模糊系统。这些智能算法与逻辑、演绎推理、专家系统、基于案例的推理和符号机器学习系统一起构成了人工智能 (AI)领域的一部分。单看这些种类繁多的人工智能技术，人工智能就可以被视为几个研究学科的组合，例如计算机科学、生理学、哲学、社会学和生物学。

和计算智能如下

本书专注于人工智能的一个子分支，即计算智能 (CI) ——研究自适应机制以在复杂多变的环境中启用或促进智能行为。这些机制包括那些表现出学习或适应新情况、概括、抽象、发现和关联能力的人工智能范式。涵盖以下 CI 范式：人工神经网络、进化计算、群体智能、人工免疫系统和模糊系统。

然后他记

在这一点上，有必要说明什么构成 CI 有不同的定义。这本书反映了作者的观点，很可能会引起一些争论。例如，群体智能 (SI) 和人工免疫系统 (AIS) 被归类为 CI 范式，而许多研究人员认为这些范式仅属于人工生命。然而，在 SI 下处理的粒子群优化 (PSO) 和蚁群优化 (ACO) 都满足上述 CI 的定义，因此作为 CI 技术包含在本书中。这同样适用于 AIS。

所以，可能对 CI 有不同的定义（由不同的人给出），但是鉴于这本书已经被引用了很多次，我会坚持这些定义并以这本书作为参考（我实际上已经查阅过过去几次）。我的大学图书馆甚至包含它的副本。

总而言之，CI 是 AI 的一个子领域，它研究（或与之相关）以下主题

• 人工神经网络（NN），
• 进化计算（EC），
• 群体智能（SI），
• 人工免疫系统 (AIS)，以及
• 模糊系统（FS）。

这也是人工智能的一部分，它还研究

• 逻辑，
• 演绎推理，
• 专家系统，
• 基于案例的推理，以及
• 符号机器学习系统。

为了进一步证明这些定义的可信度，Andries P. Engelbrecht的 h 指数为 59，被引用 22557 次，并且是IEEE 高级会员。你可以在这里找到更多关于他的信息。请注意，我与他没有任何关系。我只是提供这些信息，以便人们开始遵循这些定义（而不是仅仅查看没有广泛研究该领域的人给出的定义）。此外，请注意 Engelbrecht 给出的 CI 定义与您引用的 IEEE 给出的定义一致。