* la capacità di apprendere complesse relazioni funzionali delle [[reti neurali]], ispirate a quelle proprie dei tessuti cerebrali.
Sempre secondoSecondo [[Lotfi Zadeh]], "''una tendenza di visibilità crescente è costituita dall’uso della [[logica fuzzy]] in combinazione con il calcolo neurale e gli algoritmi genetici. Più in generale, la fuzzy logic, le reti neurali e gli algoritmi genetici possono considerarsi i principali costituenti di ciò che potrebbe essere definito calcolo soft. A differenza dei metodi di calcolo tradizionali o hard, il soft computing si prefigge lo scopo di adattarsi alla pervasiva imprecisione del mondo reale. Il suo principio guida può così esprimersi: sfruttare la tolleranza per l’imprecisione, l’incertezza e le verità parziali in modo da ottenere trattabilità, robustezza e soluzioni a basso costo. Nei prossimi anni, il soft computing è probabilmente destinato a giocare un ruolo sempre più rilevante nella concezione e progettazione di sistemi il cui MIQ (Quoziente Intellettivo di Macchina) sia di gran lunga più alto di quello dei sistemi convenzionali. Tra le varie combinazioni di metodologie di soft computing, quella avente maggiore visibilità in questo frangente è la fusione di logica fuzzy e calcolo neurale, che conduce ai cosiddetti sistemi neuro-fuzzy. Nel contesto della logica fuzzy, tali sistemi rivestono un ruolo particolarmente importante nel processo d’induzione delle regole a partire dall’osservazione''".
Secondo [[Kohonen]], peraltro, può sostenersi che: "''soft computing, real-world computing ecc. sono denominazioni comuni per certe forme di elaborazione naturale di informazione che hanno la loro origine in biologia. La logica fuzzy e probabilistica, le reti neurali, gli algoritmi genetici ecc., d’altra parte, sono formalismi teorici alternativi mediante i quali si possono definire schemi computazionali e algoritmi per questi scopi''".
