创造、发明和创造是万万千万科技开拓者的共同品性和永恒追求。
包括牛顿、爱因斯坦、图灵和维纳等科学年夜师在内的科学家们，都致力于寻求与创造创造的技能和秩序。
人类的所有发明，险些都有它们的自然界配对物。

原子能的和平利用和军事运用与涌如今星球上的热核爆炸相对应；各种电于脉冲系统则与人类神经系统的脉冲调制相似：编的声呐和海豚的发声起到一种神秘电话的浸染，启示人类发明了声呐传感器和雷达；鸟类的翱翔行为引发了人类飞天的梦想，发明了飞机和飞船，实现了空中和宇宙翱翔。

科学家和工程师们运用数学和科学来模拟自然、扩展自然。
人类智能已勉励出高等打算、学习方法和技能。
毫无疑问，智能是可达的，其证据就在我们面前，就发生在我们的日常事情和生活中。

智能打算

试图通过人工方法模拟人类智能已有很长的历史了。
从公元1世纪英雄亚历山大里亚（Alexandria）发明的气动动物装置开始，到冯・诺依曼的第一台具有再生行为和方法的机器，再到维纳的掌握论（cybernetics），即关于动物和机器中控与通信的研究，都是人类人工模拟智能的范例例证。
当代人工智能领域则力争捉住智能的实质。

人工神经网络（ANN）研究自1943年开始，几起几落，波浪式发展。
20世纪80年代人工神经网络的复兴，紧张是通过Hopfield网络的促进和反向传播网络演习多层感知器来推广的。
把神经网络（NN）归类于人工智能（AD可能不大得当、而归类于打算智能（computational intelligence，CI）则更能解释问题的本色。
进化打算、人工生命和模糊逻辑系统的某些课题，也都归类于打算智能。

什么是打算智能，它与传统的人工智能有何差异？

第一个对打算智能的定义是由贝数德克（Berdek）于1992年提出的，他认为，从严格意义上讲，打算智能取决于制造者（manufacturers）供应的数值数据，而不依于知识：另一方面，人工智能则运用知识佳构（knowledge tidbits）。
他认为，人工神经网络应该称为打算神经网络。

只管打算智能与人工智能的界线并非十分明显，然而谈论它们的差异和关系是有益的。
马克斯（Marks）在1993年提到打算智能与人工智能的差异，而贝兹德克则关心模式识别（PR）与生物神经网络（BNN）、人工神经网络（AN）和打算神经网络（CN）的关系，以及模式识别与其他智能的关系。
忽略ANN与CN的差别可能导致对模式识别中神经网络模型的混滑、误解、表示和误用。

ABC关系图

贝兹德克对这些干系术语给予一定的符号和简要解释或定义。
首先，他给出有趣的ABC：

A－artificial,表示人工的（非生物的），即人造的

B－biological,表示物理的+化学的+（？）=生物的

C－Computational,表示数学+打算机

上图表示ABC及其与神经网络（NN）、模式识别（PR）和智能（1）之间的关系。
它是由贝兹德克于1994年提出来的。
图的中间部分共有9个节点，表示9个研究领域或学科。
A，B，C三者对应于三个不同的系统繁芜性级别，基繁芜性自左至右及自底向上逐步提高。
节点间的间隔衡量领域间的差异，如CNN与CPR间的差异要比BNN与BPR间的差异小得多，CI与AI的差异要比AI与BI的差异小得多。
图中，符号→意味着“适当的子集”。
例如，对付中层，有 ANN⊂APR⊂AI；对付右列，有 CI⊂AI⊂BI等。
在定义时，任何打算系统都是人工系统，但反命题不能成立。

ABC干系定义

打算智能是一种智力办法的低层认知，它与人工智能的差异只是认知层次从中层低落至低层而已。
中层系统含有知识（佳构），低层系统则没有。

若一个别系只涉及数值（低层）数据，含有模式识别部分，不应用人工智能意义上的知识，而且能够呈现出：①打算适应性；②打算容错性；③靠近人的速率；④偏差率与人附近，则该系统便是打算智能系统。

若一个智能打算系统以非数值办法加上知识（佳构）值，即成为人工智能系统。