Applying Computational Intelligence: How to Create Value

در تئوری، بین تئوری و عمل تفاوتی وجود ندارد. اما، در عمل، وجود دارد. Jan L. A. van de Snepscheut ایده های آکادمیک در حوزه هوش محاسباتی با سرعت و پایداری فوق العاده ای در صنعت نفوذ کرده است. هزاران کاربرد پتانسیل عملی منطق فازی، شبکه‌های عصبی، ترکیب تکاملی، هوش ازدحام و عوامل هوشمند را حتی قبل از اینکه اساس نظری آنها کاملاً درک شود، اثبات کرده‌اند. و محبوبیت در حال افزایش است. برخی از فروشندگان نرم افزار، عجله طلایی جدید یادگیری ماشینی را به "انتقال داده ها به طلا" اعلام کرده اند. کلیدواژه‌های جدید مانند «داده کاوی»، «الگوریتم‌های ژنتیک» و «بهینه‌سازی ازدحام» واژگان مدیران ارشد را غنی‌تر کرده است تا آنها را برای قرن بیست و یکم «رویایی» جلوه دهد. عبارت "ریاضی فازی" پس از استفاده از جورج دبلیو بوش، رئیس جمهور ایالات متحده در یکی از مناظرات انتخاباتی در مبارزات انتخاباتی در سال 2000، به اصطلاح سیاسی تبدیل شد. از کابوی های دالاس با این حال، برای بسیاری از مهندسان و دانشمندانی که فناوری‌های هوش محاسباتی را در عمل معرفی می‌کنند، نگاه کردن به تعداد فزاینده رویکردهای جدید، و درک اصول نظری و پتانسیل آنها برای خلق ارزش تبدیل به یک کار دشوارتر و دشوارتر می‌شود.

In theory, there is no difference between theory and practice. But, in practice, there is. Jan L. A. van de Snepscheut The ?ow of academic ideas in the area of computational intelligence has penetrated industry with tremendous speed and persistence. Thousands of applications have proved the practical potential of fuzzy logic, neural networks, evolutionary com- tation, swarm intelligence, and intelligent agents even before their theoretical foundation is completely understood. And the popularity is rising. Some software vendors have pronounced the new machine learning gold rush to “Transfer Data into Gold”. New buzzwords like “data mining”, “genetic algorithms”, and “swarm optimization” have enriched the top executives’ vocabulary to make them look more “visionary” for the 21st century. The phrase “fuzzy math” became political jargon after being used by US President George W. Bush in one of the election debates in the campaign in 2000. Even process operators are discussing the perf- mance of neural networks with the same passion as the performance of the Dallas Cowboys. However, for most of the engineers and scientists introducing computational intelligence technologies into practice, looking at the growing number of new approaches, and understanding their theoretical principles and potential for value creation becomes a more and more dif?cult task.