Laskennallinen älykkyys (CI) on tietotekniikan haara, jossa projektit kehittyvät alhaalta ylöspäin ja järjestys syntyy alun perin puutteellisesta rakenteesta. Tämä on samanlainen kuin monet luonnossa havaitut prosessit. Laskennallinen älykkyys sisältää käsitteitä, kuten evoluutiolaskennan, jossa ongelmat ratkaistaan evoluutioprosessin malleilla ja kun sitä sovelletaan koneoppimiseen, robotit voivat oppia kokemuksesta. Sumuista logiikkaa, järjestelmä, joka muistuttaa ihmisen päätöksentekoa, voidaan käyttää ratkaisemaan ongelmia, joissa on epämääräisyyttä tai epävarmuutta. Neuraaliverkot ovat ihmisen aivotoimintaan perustuvia järjestelmiä, ja niiden avulla voidaan havaita monimutkaisten tietojen malleja ja suuntauksia.
Toisin kuin kova tietokone, jossa ratkaisut ovat taattuja ja ongelmat rajoittuvat tiukkojen ehtojen mukaisesti, laskennallinen äly kuuluu pehmeän laskennan otsikkoon, jossa onnistuneita tuloksia ei aina saavuteta. Laskennallinen älykkyys saa usein inspiraatiota luonnosta, esimerkiksi evoluutiolaskennan alalla, jossa luodaan järjestelmiä, jotka kehittyvät ratkaisemaan monimutkaisia ongelmia. Tätä voidaan soveltaa keinotekoiseen tai synteettiseen älyyn, jolloin syntyy robotteja, jotka oppivat kokemuksesta ja kehittyvät ajan myötä.
Sumuiseen logiikkaan perustuvia järjestelmiä voidaan käyttää laskennallisessa älykkyydessä ihmisten ajattelutavan simuloimiseksi. Ne voitaisiin yhdistää biologisesti innoittamiin hermoverkkoihin kognitiivisen robotiikan alalla ja luoda robotteja, joilla on kyky ajatella tavalla, joka muistuttaa ihmisen ajatusprosesseja. Ajattelemisen lisäksi tällaiset robotit voivat myös oppia, muistaa, havaita ja tehdä päätöksiä epävarmuuden edessä, kuten ihmiset tekevät. Tämä voisi antaa robottien ymmärtää paremmin ihmisten pyyntöjä, jolloin he voivat havaita käytettyjen sanojen merkityksen. Tämä saattaa olla välttämätöntä koneelle, joka suorittaa kotitehtäviä.
Hermoverkkoja pidetään yleensä osana laskennallista älykkyyttä. Ihmisen aivojen tavoin ne koostuvat lukuisista toisiinsa liittyvistä yksittäisistä osista, jotka ovat samanlaisia kuin hermot. Nämä toimivat yhdessä ongelmien ratkaisemiseksi ja oppivat niiden edetessä, koska elementtien väliset yhteydet ovat säädettävissä, kuten hermojen väliset yhteydet.
Kun hermoverkot ovat oppineet analysoimaan tietoja, niistä voi tulla tehokkaasti oman alansa asiantuntijoita, ja niitä voidaan käyttää ennustamaan tuloksia eri skenaarioissa. Tämän tyyppisen laskennallisen älykkyyden haittapuoli on se, että se vaatii paljon laskentatehoa ja se voi toimia arvaamattomalla tavalla. Neuraaliverkkoja ei pidä sekoittaa asiantuntijajärjestelmiin, jotka käyttävät ennalta määrättyjä sääntöjä päätösten tekemiseen eivätkä mukauta niitä tietojen mukaiseksi.