人工智能就是探索研究用各种机器模拟人类智能的途径，使人类的智能得以物化与延伸的一门学科。它借鉴仿生学思想，用数学语言抽象描述知识，用以模仿生物体系和人类的智能机制，主要的方法有神经网络、进化计算和粒度计算三种。

　　神经网络：神经网络是在生物神经网络研究的基础上模拟人类的形象直觉思维，根据生物神经元和神经网络的特点，通过简化、归纳，提炼总结出来的一类并行处理网络。神经网络的主要功能主要有联想记忆、分类聚类和优化计算等。虽然神经网络具有结构复杂、可解释性差、训练时间长等缺点，但由于其对噪声数据的高承受能力和低错误率的优点，以及各种网络训练算法如网络剪枝算法和规则提取算法的不断提出与完善，使得神经网络在数据挖掘中的应用越来越为广大使用者所青睐。

　　进化计算：进化计算是模拟生物进化理论而发展起来的一种通用的问题求解的方法。因为它来源于自然界的生物进化，所以它具有自然界生物所共有的极强的适应性特点，这使得它能够解决那些难以用传统方法来解决的复杂问题。它采用了多点并行搜索的方式，通过选择、交叉和变异等进化操作，反复叠代，在个体的适应度值的指导下，使得每代进化的结果都优于上一代，如此逐代进化，直至产生全局最优解或全局近优解。其中最具代表性的就是遗传算法，它是基于自然界的生物遗传进化机理而演化出来的一种自适应优化算法。

　　粒度计算：早在1990 年，我国着名学者张钹和张铃就进行了关于粒度问题的讨论，并指出“人类智能的一个公认的特点，就是人们能从极不相同的粒度（granulari2ty） 上观察和分析同一问题。人们不仅能在不同粒度的世界上进行问题的求解，而且能够很快地从一个粒度世界跳到另一个粒度世界，往返自如，毫无困难。这种处理不同粒度世界的能力，正是人类问题求解的强有力的表现”。

　　随后，Zadeh 讨论模糊信息粒度理论时，提出人类认知的三个主要概念，即粒度（包括将全体分解为部分） 、组织（包括从部分集成全体） 和因果（包括因果的关联） ,并进一步提出了粒度计算。他认为，粒度计算是一把大伞，它覆盖了所有有关粒度的理论、方法论、技术和工具的研究。主要有模糊集理论、粗糙集理论和商空间理论三种。