Računalna inteligencija (CI) je grana računalne znanosti u kojoj se projekti razvijaju odozdo prema gore, s redoslijedom koji proizlazi iz početnog nedostatka strukture. Ovo je slično mnogim procesima koji se mogu vidjeti u prirodnom svijetu. Računalna inteligencija uključuje koncepte kao što je evolucijsko računanje, gdje se problemi rješavaju korištenjem modela evolucijskog procesa, a kada se primjenjuje na strojno učenje, omogućuje robotima da uče iz iskustva. Fuzzy logika, sustav koji nalikuje ljudskom odlučivanju, može se koristiti za rješavanje problema u kojima postoji nejasnoća ili neizvjesnost. Neuronske mreže su sustavi koji se temelje na funkciji ljudskog mozga i mogu se koristiti za otkrivanje obrazaca i trendova u složenim podacima.
Za razliku od tvrdog računalstva, gdje su rješenja zajamčena, a problemi ograničeni prema strogim uvjetima, računalna inteligencija spada u kategoriju mekog računalstva, gdje se uspješni ishodi ne događaju uvijek. Računalna inteligencija često dobiva inspiraciju iz prirode, na primjer u području evolucijskog računanja, gdje se stvaraju sustavi koji se razvijaju za rješavanje složenih problema. To se može primijeniti na umjetnu ili sintetičku inteligenciju, što dovodi do robota koji uče iz iskustva i razvijaju se tijekom vremena.
Sustavi temeljeni na neizrazitoj logici mogu se koristiti u računskoj inteligenciji za simulaciju ljudskog načina razmišljanja. Mogli bi se kombinirati s biološki inspiriranim neuronskim mrežama u području kognitivne robotike, stvarajući robote sa sposobnošću razmišljanja na način koji nalikuje ljudskim misaonim procesima. Osim što razmišljaju, takvi roboti mogu učiti, pamtiti, percipirati i donositi odluke suočeni s neizvjesnošću, kao što to čine ljudi. To bi robotima moglo omogućiti da bolje razumiju ljudske zahtjeve, omogućujući im da otkriju značenje upotrijebljenih riječi. To bi moglo biti bitno za stroj koji obavlja domaće zadatke.
Neuronske mreže se obično smatraju dijelom računalne inteligencije. Poput ljudskog mozga, sastoje se od brojnih međusobno povezanih pojedinačnih dijelova, sličnih živcima. Oni rade zajedno na rješavanju problema, učeći kako idu, jer su veze između elemenata prilagodljive, poput veza između živaca.
Nakon što neuronske mreže nauče kako analizirati podatke, mogu učinkovito postati stručnjaci u svojim područjima i mogu se koristiti za predviđanje ishoda u različitim scenarijima. Nedostatak ove vrste računalne inteligencije je što zahtijeva mnogo računalne snage i može raditi na nepredvidiv način. Neuronske mreže ne treba miješati s ekspertnim sustavima koji koriste unaprijed određene skupove pravila za donošenje odluka i ne prilagođavaju ih podacima.