Računalniška inteligenca (CI) je veja računalništva, v kateri se projekti razvijajo od spodaj navzgor, pri čemer red izhaja iz začetnega pomanjkanja strukture. To je podobno mnogim procesom, ki jih vidimo v naravnem svetu. Računalniška inteligenca vključuje koncepte, kot je evolucijsko računanje, kjer se težave rešujejo z uporabo modelov evolucijskega procesa, in ko se uporablja za strojno učenje, omogoča robotom, da se učijo iz izkušenj. Mehka logika, sistem, ki je podoben človeškemu odločanju, se lahko uporablja za reševanje problemov, kjer je nejasnost ali negotovost. Nevronske mreže so sistemi, ki temeljijo na delovanju človeških možganov in se lahko uporabljajo za odkrivanje vzorcev in trendov v kompleksnih podatkih.
Za razliko od trdega računalništva, kjer so rešitve zagotovljene in so težave omejene v skladu s strogimi pogoji, sodi računalniška inteligenca pod mehko računalništvo, kjer se uspešni rezultati ne pojavijo vedno. Računalniška inteligenca pogosto črpa navdih iz narave, na primer na področju evolucijskega računanja, kjer nastajajo sistemi, ki se razvijajo za reševanje kompleksnih problemov. To je mogoče uporabiti za umetno ali sintetično inteligenco, kar povzroči robote, ki se učijo iz izkušenj in se sčasoma razvijajo.
Sisteme, ki temeljijo na mehki logiki, je mogoče uporabiti v računalniški inteligenci za simulacijo človeških načinov razmišljanja. Lahko bi jih kombinirali z biološko navdihnjenimi nevronskimi mrežami na področju kognitivne robotike, s čimer bi ustvarili robote z zmožnostjo razmišljanja na način, ki spominja na človeške miselne procese. Poleg razmišljanja se lahko takšni roboti učijo, pomnijo, zaznavajo in sprejemajo odločitve ob negotovosti, kot to počnejo ljudje. To bi lahko robotom omogočilo boljše razumevanje človeških zahtev in jim omogočilo, da zaznajo pomen uporabljenih besed. To je lahko bistveno za stroj, ki opravlja domače naloge.
Nevronske mreže se običajno obravnavajo kot del računalniške inteligence. Tako kot človeški možgani so sestavljeni iz številnih medsebojno povezanih posameznih delov, podobnih živcem. Ti sodelujejo pri reševanju problemov in se med seboj učijo, saj so povezave med elementi nastavljive, kot so povezave med živci.
Ko se nevronske mreže naučijo analizirati podatke, lahko učinkovito postanejo strokovnjaki na svojih področjih in se lahko uporabljajo za napovedovanje rezultatov v različnih scenarijih. Pomanjkljivost te vrste računalniške inteligence je, da zahteva veliko računalniške moči in lahko deluje na nepredvidljiv način. Nevronskih mrež ne smemo zamenjevati s ekspertnimi sistemi, ki za sprejemanje odločitev uporabljajo vnaprej določene sklope pravil in jih ne prilagajajo podatkom.