在百科里，自然计算词条是这么说的：自然计算（Nature Inspired Computation），具有模仿自然界特点，通常是一类具有自适应、自组织、自学习能力的模型与算法，能够解决传统计算方法难于解决的各种复杂问题。自然计算的应用领域包括复杂优化问题求解、智能控制、模式识别、网络安全、硬件设计、社会经济、生态环境等方面的应用。自然计算的内容一般包括：人工神经网络，遗传算法，免疫算法，人工内分沁系统，蚁群算法，粒子群算法以及膜计算等等。

      看似无所不包，又似乎大而无用，其实一句话理解，就是老子所说“道法自然”。“道法自然”是出自《道德经》的一句原话，原话是：“人法地，地法天，天法道，道法自然。”“法”字，在这里，我们通俗的理解比较接近的是“产生于”。所以这句话的通俗理解我们应该如此来理解“人是产生于地，受大地的规律控制和影响。地是由于天上的变化运动产生的，所以地面的状态，受天上的变化运动的规律控制而影响。天的变化是受到宇宙根本规律控制和影响的。而道的变化和表现，又是由宇宙的整体，这个本来如是的宇宙自然产生，并受其决定和影响的。”

     我们在科学的路上孜孜以求，无外乎在茫茫知识的边界上顶出一个小小的尖角。从哲学的角度来讲，人类认知自然的方法分为两类：一类称为“经验+直觉”，这是早期人类用的方法，中国的哲学流派（儒家、佛教、墨家、道家）和佛教里的禅宗，经常使用这种方法。用通俗的话说就是在多次经验之后突然领悟了一个道理，然后再到新的经验中去验证这个道理。古希腊创造了另外一种认识世界的方法一形式逻辑学方法。形式逻辑学方法最简单的代表是理科学，它把复杂事物简化为几个定理、几个公式，然后又用这些定理和公式推理出整个系统。欧洲文艺复兴时期人们开始发现只用形式逻辑学方法认识事物是不全面的，还应加上实验，这一结论诞生了现代自然科学。因此现代自然科学的基础来源于两个方面，一个是古希腊时期的形式逻辑，另外一个是欧洲文艺复兴时期培根的实证主义。

      信息时代来临，人类有了新的工具——计算机，有了新的方法：大数据分析与处理，创造一个新的世界：比特世界。那么处理知识的方法必然要进行新的变革，科学研究方法在外部环境的推动下经历着不断发展的过程。随着信息技术的发展和社会环境的变化，使得历史各时期的科学研究方法不断受到当时科技领域发展的制约。在此基础上，格雷认为，在历史进程中，科学研究的方法存在以下四种科学研究方法范式：

      1．实证式（经验科学）（Empirical/Experimentation)。该范式主要的研究方法是对自然现象的描述和记录。它是对自然现象进行系统归类，强调经验事实的描述和明确具体的实用性科学。由观察、现象提出假设，再以此进行实验等步骤。如果实验结果与假设不符，则修正假设重复实验，直到得出正确结论。

      2．理论式（理论科学）（Theoretical）。该范式主要采用建模方式，由特殊到一般进行推演。在研究方法上，以演绎为主，不局限于描述经验事实。例如数学中的集合论、图论、数论和概率论；物理学中的相对论；地理学中的大陆漂移学说、板块构造学说等。

     3．计算式（计算模拟科学）（Computational）。该范式主要方法为利用计算方式模拟复杂现象，科学数据可以用模拟的方法获得，而不再依赖于简单的实验与记录；计算模拟科学是一个与数据建模、定量分析以及利用计算机分析和解决科学问题研究的相关领域，包括：数值模拟、模型拟合与数据分析等方面。

    4．数据密集型科学（Data-IntensiveScience）。该范式在前三种范式的基础之上，采用IT 技术获取、处理、存储、统计分析大数据，从中获取知识；并与其他三种范式一起成为科学研究的方法。而它的出现与大数据密切相关，它由传统的假设驱动向基于科学数据进行探索的科学方法的转变。数据依靠工具获取或者模拟产生；利用计算机软件处理；依靠计算机的数据管理和统计工具分析数据。

     大数据时代科学研究方法转变的产生，一方面是由于科学研究范式本身的发展，另一方面是由于外部环境的推动。第四范式之所以在几年前提出，就是因为大数据时代的信息爆炸对于之前的三种范式造成了强大的冲击，使得之前的三种研究方法对于这些海量信息不再适应或者说是存在相当大的阻碍。处理、存储、分析、可视化数据的能力是科学必须具备和适应的新事实。而对于数据密集型科学而言，数据是这个新范式的核心，虽然研究方法等技术正在发生革命性的变化，但是它又与实验、理论、模拟共同成为现代科学方法的统一体。

        有了大数据的基础，加上计算性能的提升，带来了人工智能的飞速发展，以神经网络为代表的智能算法成功的解决了许多之前方法未能解决的NP难问题，自然计算作为一个相对较老的概念又重新焕发生机，包括计算机免疫、进化计算等，用进化计算结合神经网络，产生了进化神经网络！神经进化是人工智能和机器学习领域的一个分支。它力图触发一个和产生我们人类大脑类似的进化过程，只不过这个过程是在计算机里实现的。换句话说，神经进化试图开发通过进化算法去寻找进化神经网络的方法。