Traditionella elektroniska beräkningar tenderar att vara svartvita. När du arbetar i binär kod, med sekvenser av nollor och ettor, finns det ingen chans till något annat än enkla ”ja eller nej”-svar. Även om det kan vara ett adekvat sätt att beräkna för många uppgifter, tar soft computing ett annat tillvägagångssätt. Kort sagt, soft computing tillåter datorn att anta en viss grad av oprecision i sitt arbete. Vissa kan likställa detta med artificiell intelligens, eftersom det liknar hur den mänskliga hjärnan fungerar.
Ur ett mänskligt perspektiv introducerar soft computing kompromisser i en dators bearbetning, som inte finns i hårda datorer. Det finns tillfällen då svaret på en fråga kan vara ja eller nej, men det finns ännu inte tillräckligt med information för att definitivt beräkna vad svaret är. Traditionella datorer som står inför denna situation kommer helt enkelt att stanna och vänta tills det finns tillräckligt med information för att dra en exakt slutsats. Soft computing är i huvudsak en dators förmåga att ge ett svar på kanske, eller till och med göra en välgrundad gissning om vad svaret kan vara tills mer information blir tillgänglig.
För att använda ett matematiskt exempel är det enkelt att säga att summan av två plus två är fyra. Det är också korrekt att säga att summan av två plus två är någonstans mellan tre och fem. Målet är naturligtvis att komma med ett så exakt svar som möjligt. Även om en dator kan frestas att bortse från det andra alternativet, kommer soft computing, om det görs på rätt sätt, att se det här svaret som ett potentiellt alternativ. Även om datorn fortfarande alltid kommer att välja det mest exakta svaret som finns, kommer den att överväga att göra en uppskattning, om inte alla siffror är kända med säkerhet.
För att komma med sina svar, eller sin bedömning av svaren, kommer datorn att använda många olika discipliner. Bland de fem mest kända är ”fuzzy” system, evolutionära beräkningar, probabilistiska resonemang, maskininlärning och neurala nätverk. Genom att använda många olika beräkningsmetoder för att analysera ett problem, kan datorn så småningom komma med ett exakt svar på en fråga som hade ett oprecist svar från början.
I själva verket har datorn kommit med ett svar som inte var förprogrammerat i den. Ur ett datavetenskapligt perspektiv, och möjligen ur ett biologiskt perspektiv, kan detta betraktas som lärande, eller artificiell intelligens. Vissa kanske hävdar att vägen till svaret var förprogrammerad, oavsett om svaret var det eller inte, vilket inte utgör verklig intelligens. Frågan om detta utgör faktisk intelligens är en filosofisk fråga, som sannolikt mycket beror på ens eget perspektiv.
Fältet för datavetenskap är i allmänhet entusiastiska över möjligheten till soft computing och dess potentiella fördelar. Det kan revolutionera robotik, kanske göra mer verklighetstrogna proteser som är lättare att använda och som rör sig mer naturligt. Soft computing kan också användas inom många andra områden, såsom medicin, teknik och fysik.