人工智能是一种快速发展的技术，它已经在各个领域得到了广泛的应用。人工智能系统的核心是计算方法，这些方法可以帮助系统从数据中学习、推理和决策。ISO/IEC TR 24372:2021旨在提供一个概述，介绍人工智能系统中使用的各种计算方法。

机器学习是人工智能系统中最常用的计算方法之一。它是一种从数据中学习的方法，可以让系统自动识别模式和规律。机器学习可以分为监督学习、无监督学习和强化学习三种类型。监督学习是指从带有标签的数据中学习，无监督学习是指从没有标签的数据中学习，强化学习是指通过与环境互动来学习。

深度学习是一种基于神经网络的机器学习方法。它可以处理大量的数据，并从中提取出有用的特征。深度学习已经在图像识别、语音识别、自然语言处理等领域得到了广泛的应用。

神经网络是一种模拟人脑神经元的计算模型。它可以通过学习来改变自身的权重和偏置，从而实现对输入数据的分类和预测。神经网络已经在图像识别、语音识别、自然语言处理等领域得到了广泛的应用。

进化算法是一种基于生物进化原理的计算方法。它可以通过模拟自然选择和遗传机制来优化问题的解。进化算法已经在优化问题、机器学习等领域得到了广泛的应用。

模糊逻辑是一种处理不确定性信息的计算方法。它可以将模糊的概念转化为数学模型，并进行推理和决策。模糊逻辑已经在控制系统、决策支持系统等领域得到了广泛的应用。

ISO/IEC TR 24372:2021还介绍了这些计算方法的优缺点，以及它们在不同应用场景中的适用性。例如，机器学习和深度学习适用于大规模数据的处理和分析，而进化算法适用于优化问题的解决，模糊逻辑适用于处理不确定性信息的场景。

相关标准
- ISO/IEC 23894:2020 人工智能 - 术语和定义
- ISO/IEC 29167-1:2014 信息技术 - 自动识别和数据捕获技术 - RFID设备性能测试方法 - 第1部分：通用原则和方法
- ISO/IEC 30107-1:2019 信息技术 - 生物识别 - 防欺骗技术 - 第1部分：术语和定义
- ISO/IEC 30145:2019 信息技术 - 人工智能 - 人工智能系统的可解释性
- ISO/IEC 38505-1:2017 信息技术 - 治理框架 - 第5部分：治理人工智能