Компьютерные системы окружают нас повсюду и являются важнейшим компонентом в функционировании бизнеса, правительственных и военных организаций, учреждений здравоохранения, программ обучения и т.д. Эффективность компьютерных систем зависит от возможностей доступа, обработки и анализа информации. Для полного сотрудничества с пользователем компьютерные системы должны иметь зачатки интеллекта, чтобы квалифицированно сохранять и обрабатывать большие объемы информации, используя аналоги естественных средств коммуникации.
Искусственный интеллект (интеллектуальная система) - это концепция, позволяющая компьютерам делать такие вещи, которые у людей выглядят разумно. Область применения: доказательства теорем, игры, распознавание образов, принятие решений, адаптивное программирование, сочинение машинной музыки, обработка данных на естественном языке, обучающиеся сети (нейросети), вербальные концептуальные системы обучения и т.д.
Аналитические технологии - это методики, которые на основе определенных моделей, алгоритмов, математических теорем позволяют по известным данным оценить значения неизвестных характеристик и параметров. Другим примером аналитической технологии можно назвать алгоритм обработки информации человеческим мозгом. Для применения алгоритма необходимо, чтобы данная задача целиком описывалась определенной детерминированной моделью. В таком случае алгоритм дает точный ответ. Но на практике часто встречаются задачи, связанные с наблюдением случайных величин - например, задача прогнозирования курса акций. Для подобных задач применяется принципиально другой, вероятностный подход. Параметры вероятностных моделей - это распределения случайных величин, их средние значения, дисперсии и т.д. Как правило, эти параметры заранее неизвестны, а для их оценки используются статистические методы, применяемые к выборкам зафиксированных значений.
В последние 10 лет происходит бурное развитие аналитических систем нового типа. В их основе - технологии искусственного интеллекта, имитирующие естественные процессы, например, деятельность нейронов мозга или процесс естественного отбора.
При разработке аналитических технологий учитывается их способность:
 понимания задачи, общего процесса и знания возможностей других систем и людей, принимающих участие во взаимодействии;
 связь с пользователями с помощью понимания естественного языка, рисунков, изображений и знаков;
 знания, основанные на здравом смысле;
 координирование принятия решений, планирования и действия;
 обучение на предыдущем опыте и адаптация поведения.
Компьютерные технологии для интеллектуальных вычислений переживают свой расцвет. Сейчас происходит стремительный рост числа программных продуктов, использующих новые технологии, а также типов задач, где их применение дает значительный экономический эффект.
Элементы автоматической обработки и анализа данных, которые называют Data Mining (добыча знаний) становятся неотъемлемой частью концепции электронных хранилищ данных и организации интеллектуальных вычислений.
Хотя инструментарий интеллектуального анализа и освобождает пользователя от возможных сложностей в применении статистических методов, он все-таки требует от него понимания работы и алгоритмов, на которых он базируется. Кроме этого, технология нахождения нового знания в базы данных не может дать ответа на не заданные вопросы. Она не заменяет аналитиков или менеджеров, а дает им современный, мощный инструмент для улучшения выполняемой работы.
Современные технологии интеллектуального анализа перерабатывают информацию с целью автоматического поиска шаблонов, характерных для каких-нибудь фрагментов неоднородных многомерных данных. Тяжесть формулирования гипотез и выявления необычных шаблонов переведена с человека на компьютер.

Ключом к успешному применению методов интеллектуальных вычислений служит не просто выбор алгоритма, а мастерство человека, создающего модель и возможности программы, моделирующей процесс. Существуют две стороны успеха. Во-первых - четкое и ясное формулирования задачи, подлежащей решению. Во-вторых - использование правильных данных и методов. После выбора данных из всех доступных источников (или получения данных из внешних источников) необходимо их преобразовать или сгруппировать в определенном порядке. Чем больше аналитик может «играть» с данными, строить модели, оценивать результаты, тем лучше может быть результат. Работа с данными становится эффективней, при интеграции следующих компонентов: визуализации, графического инструментария, средств формирования запросов, оперативной аналитической обработки, позволяющей понять данные и интерпретировать результаты.
Выделяют следующие алгоритмы интеллектуальных вычислений:
 нейронные сети;
 деревья решений;
 системы размышлений на основе аналогичных случаев;
 алгоритмы определения ассоциаций и последовательностей;
 нечеткая логика;
 генетические алгоритмы;
 эволюционное программирование;
 визуализация данных;
 комбинация
По мнению специалистов, в недалекой перспективе интеллектуальные системы будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг. Их технология, получив коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально - взаимодействующих модулей.
Коммерческий рынок продуктов искусственного интеллекта в мире в 1993 году оценивался примерно в 0,9 млрд. долларов.
Использование экспертных систем и нейронных сетей приносит значительный экономический эффект. Так, например: American Express сократила свои потери на 27 млн. долларов в год благодаря экспертной системе, определяющей целесообразность выдачи или отказа в кредите той или иной фирме; DEC ежегодно экономит 70 млн. долларов в год благодаря системе XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX - её использование сократило число ошибок от 30% до 1%.
Одним из основных направлений в этой области являются экспертные системы реального времени.