Определение и термин «интеллектуальные вычисления» введены в середине  90-х прошлого столетия, а такие (слабо известные) исчисления как дробное (fractional calculus), известно более чем 200 лет и нашло только в конце 20 века применение в науке и технике, в частности в проектировании дробных (noninteger order) ПИД-регуляторов. Требования практики и последующее развитие технологии интеллектуальных вычислений нашло свое отражение в новых видах вычислений. В общем виде к таким исчислениям относятся следующие виды: (1) эволюционное программирование; (2) алгоритмы оптимизации типа иммунных алгоритмов; (3) алгоритмы оптимизации на основе поведенческих реакций и обмена информацией активных агентов (самоорганизация целенаправленного и оптимального поведения людей в тоннеле, колоний муравьев, стай птиц и рыб, животных и т.п. – swarm intelligence, active agents optimization); (4) квантовые генетические алгоритмы для глобальной оптимизации; (5) квантовые нейронные сети обучения и мн. др. Сами виды и типы интеллектуальных вычислений (алгоритмы и программные инструментарии) стали рассматриваться только в конце 20-го столетия как объекты интеллектуальной собственности (ОИС), что позволило малому и среднему бизнесу интенсивно развивать коммерциализацию разработанного интеллектуального продукта. Однако многообразие подходов и проблемная ориентация разработанного инструментария привели  к многочисленным дискуссиям и разнообразию прикладного инструментария. При этом выбор эффективного инструментария исследования для конкретной проблемно-ориентированной области вызывает определенные трудности (или интуитивное противоречие) среди инженеров-исследований и разработчиков новых высоких наукоемких информационных технологий. Рассмотрим некоторые особенности технологии интеллектуальных вычислений. Мы остановимся, в частности, на наиболее проработанных для практики методах мягких вычислений и перспективных квантовых вычислениях, симбиоз которых породил новое направление – квантовые мягкие вычисления. Такой подход позволяет эффективно решать классические алгоритмически неразрешимые задачи, в частности задачи проектирования робастных интеллектуальных систем управления (ИСУ) в непредвиденных ситуациях управления. 1. Роль и принципы технологий интеллектуальных вычислений. В традиционных исчислениях по количественному результату численного алгоритма осуществляется соответствующая оценка качественного свойства исследуемого объекта. Логическая оценка качества в общем случае может быть осуществлена только в конце количественных вычислений, а для алгоритмически неразрешимых численных проблем (в виде мер сложности алгоритма по Колмогорову), часто искомая оценка достигнута быть не может. Основой интеллектуальных вычислений являются не только числовые шкалы (как в традиционных вычислениях), но и качественные характеристики исследуемого объекта. Целью и новой возможностью интеллектуальных вычислений является непосредственное определение качественных характеристик объекта, алгоритмически оперируя последними также как на числовых шкалах. Количественные оценки объекта можно получить из качественных оценок обратным отображением шкал (в общем случае неоднозначно). Мягкие и квантовые вычисления являются примерами таких исчислений. При этом многие классические задачи могут быть решены с экспоненциальным ускорением или решены алгоритмически неразрешимые задачи. Так, например, для определения качественной характеристики функции (постоянная или балансирующая для четырех аргументов) в традиционном подходе требуется четыре шага численных операций, в тоже время квантовый алгоритм Дейча (опубликованный в 1985г.) определяет данное качество исследуемой функции за один шаг. Алгоритм Шора (1994г.) решает задачу факторизации заданного числа с экспоненциальной скоростью по отношению к лучшему известному алгоритму, а при увеличении длины решает алгоритмически неразрешимую задачу с полиномиальной сложностью. Алгоритм Гровера (1996г.) осуществляет поиск решения в неструктурированных данных с квадратичной скоростью. Нечеткие множества, хронологически введенные Л. Заде в 1965г., позволяют расширить (многовековое) определение самого числа и ввести множество новых шкал качественных характеристик, которые невозможно определить методами классических исчислений. Такие исчисления открыли новые возможности для теории и проектирования ИСУ. Нестандартные логики, используемые в основе интеллектуальных вычислений и выводы, полученные с их применением в задачах принятия решений и управления, часто приводят к мнимым «парадоксам» и противоречию с интуитивными представлениями инженера-исследователя об ожидаемом результате. Отметим, однако, что сам термин «нестандартная» логика уже включает такую ситуацию, а его введение обосновано стремлением решать задачи, не решаемые существующими технологиями вычислений. К таким технологиям интеллектуальных вычислений относятся мягкие и квантовые вычисления, используемые, например, для проектирования робастных БЗ в условиях непредвиденных ситуаций управления. Применение новых технологий в инженерной практике теории и систем управления часто сталкивается с проблемами преодоления инерции «прагматической» интуиции и инженерной философии. Так происходило в середине 70-х прошлого столетия при внедрении в инженерную практику идей мягких вычислений на основе теории нечетких множеств и нечетких систем управления (автор является пионером в этой области, и сталкивался регулярно с подобными проблемами). 4.Влияние интеллектуальных вычислений на эффективность наукоемких информационных технологий. Решение фундаментальных и прикладных проблем технологии мягких и квантовых вычислений существенно влияет на эффективность разработки и применения наукоемких информационных технологий. Так, например, одним из важных элементов наукоёмкой информационной технологии проектирования ИСУ является разработка методологии и соответствующей программно-аппаратной поддержки процессов проверки и оценки уровней робастности спроектированной структуры ИСУ (как меры чувствительности к различным внешним и внутренним, случайным возмущениям как на ОУ, так и в каналах измерений или контурах управления). Актуальность решения данной проблемы многократно диктовалась практическими задачами теории и систем управления  и отмечалась неоднократно многими исследователями. Увеличение сложности структур ОУ и трудности прогнозирования непредвиденных (внештатных) ситуаций управления только усиливают актуальность данной проблемы и внимание к поиску её решения. Такого рода задачи относятся к т.н. проблеме “System of Systems Engineering”, изучающей в общем виде сложные структуры САУ с различными уровнями и шкалами интеграции и/или приоритетным обменом информации между подсистемами с целью установления глобальных (необходимых и достаточных) условий надёжного автономного функционирования ОУ во внешней среде. В книге изложены основные положения и стратегия технологии проектирования робастных БЗ для ИСУ. Главное внимание сконцентрировано на описании применения разработанной технологии проектирования и конкретных результатов проектирования БЗ и моделирования ИСУ сложными, существенно-нелинейными ОУ в общем случае со случайно изменяющейся структурой и изменяющимися задающими сигналами (целями управления). Основной целью в этом случае является определение уровней робастности процессов управления, поддерживающих требуемый уровень надёжности и точности процессов управления в условиях неопределённости информации в процессах принятия решений с помощью разработанного программного продукта.  Поэтому такие сложные и актуальные для общей теории управления вопросы явились предметом подробного обсуждения. Рассматриваемые в книге проблемы отражают новые тенденции университетского учебного и исследовательского процесса, развивающихся в Тверском государственном университете (руководитель направления профессор А.В. Язенин), Международном университете природы, общества и человека «Дубна» и МГУ им. М.В. Ломоносова (руководители направления профессор Е.Н. Черемисина и профессор А.П. Рыжов), Азербайджанская Государственная Нефтяная Академия, (Баку) и Eastern Mediterranean University, Famagusta, North Cyprus (руководитель направления профессор Р.А. Алиев), а также University of Electro-Communications (Tokyo, Japan)  и  Universita di Milano (Crema, Italy) (руководитель направления профессор С.В. Ульянов). Данные результаты позволят многим университетским программам РФ и ближнего зарубежья использовать в учебном процессе накопленный международный опыт, современные тенденции и практические результаты при решении сложных и важных для народного хозяйства РФ задач подготовки востребованных рынком интеллектуального труда специалистов и менеджеров-аналитиков. В условиях кризиса мировой экономики, к таким первоочередным задачам разработки интеллектуальных систем, относятся следующие направления исследований: (1) разработка гибкого инструментария проектирования робастных ИСУ в непредвиденных ситуаций управления и слабо структурированных объектов управления; (2) разработка и внедрение оптимальных интеллектуальных систем информационного мониторинга объектов с повышенной социально-экономической ответственностью (таких как АЭС в сейсмически опасных зонах); (3) геологической разведки природных недр и энергетических ресурсов в трудно доступных и опасных для человека местах; (4) решения задач обработки и представления ценной информации для принятия ответственных решений в геофизике, геологической разведке, дальней космической связи, защиты социально ответственных банковских и государственных БД; (5) робастного управления в непредвиденных ситуациях управления и катастроф на ж/д. транспорте, аэропортах, автомагистралях; (6) разработки коммерческого инструментария программно-аппаратной поддержки интеллектуальных вычислений и мн. др.