"Нейронные сети" можно представить как множество нелинейно-взаимосвязанных и параллельно функционирующих нейронов, которые можно содержательно интерпретировать как индивидов, группы, организации, страны или регионы мира, непосредственно ненаблюдаемые социальные "факторы" и т.д., каждый из которых имеет определенный уровень активации. В литературе, посвященной использованию "нейронных" сетей в социальных науках, приводятся описания и примеры прогнозов явлений, процессов и систем, например, моделирование религиозной веры. Процесс обучения "нейронных" сетей хорошо имитирует процессы адаптации и оптимизации в сложных социальных системах. "Нейронные" сети позволяют описывать, моделировать и прогнозировать эмпирические данные: количественные, качественные и данные смешанной природы, часть из которых количественные, а часть качественные.

Компьютерное моделирование социальных систем с помощью клеточных автоматов, дало следующие методологические результаты. Во-первых, небольшое количество логических детерминистских законов, примененных к множеству взаимосвязанных элементов, порождают сложную, хаотическую и непредсказуемую пространственную и количественную динамику согласованного коллективного поведения. Принципиально не существует аналитической формулы, с помощью которой можно было бы предсказать, за сколько временных "шагов" неточный автомат достигнет финального состояния, какую он будет иметь пространственную конфигурацию и т.д. Единственный метод изучения поведения клеточного автомата компьютерная реализация автомата от начального до финального состояния. Во-вторых, наблюдая за пространственными и количественными закономерностями динамики множества элементов, практически невозможно выявить простые логические детерминистские законы, которые лежат в основе функционирования автомата. В-третьих, некоторые пространственные конфигурации элементов не могут быть порождены в процессе функционирования клеточного автомата, а могут быть только изначально заданы. В-четвертых, существуют правила, которые независимо от начального состояния автомата приводят к определенным, например, устойчивым, структурам. Эти результаты имеют фундаментальное значение для социологии, поскольку они накладывают определенные методологические ограничения на принципы и методы познания законов строения и функционирования поведения индивидов и функционирования социальных систем с её последующим состоянием, с помощью параметра самоорганизации может обуславливать сложную и хаотическую динамику системы при некоторых численных значениях параметра самоорганизации. В частности, простой детерминистский закон может порождать хаотичную последовательность кризисов в социальных системах. Иными словами, за кажущейся хаотич­ной и непредсказуемой повторяемостью социальных кризисов может лежать один простой де­терминистский закон [5, c. 134].

Компьютерные модели самоорганизованной критичности показывают следующее. В социальных системах, находящихся в состоянии самоорганизованной критичности, наблюда­ется слабая зависимость между всеми элементами социальной системы. При этом социальные системы функционируют около границ оптимального функционирования. При незначитель­ных внешних и (или) внутренних воздействиях система уходит из зоны оптимума, и в ней может неожиданно возникнуть лавинообразный процесс, захватывающий все или большее количест­во элементов системы. Данные результаты хорошо объясняют и прогнозируют возникновение массовых волнений, забастовок, революций, распада государств и т.д.

Содержательные результаты, полученные с помощью компьютерных моделей детермини­рованного хаоса и самоорганизованной критичности, которые основаны на теории самоорганизации, одном из разделов общей теории систем, показывают, что закономерности динамики сложных социальных систем похожи на закономерности динамики природных сис­тем. Здесь проявляется онтологический принцип "Разные причины – похожие следствия", ко­торый имеет большое теоретическое и эмпирическое значение для социологии. Кроме того, полученные результаты показывают, что дистанцирование социологов от достижений в обла­сти общей теории систем, естественных и технических наук вряд ли плодотворно.

Теоретические проблемы. Практика показала, что трудно, иногда невозможно разрабо­тать функционирующую компьютерную модель на основе какой-либо классической социоло­гической теории. Анализ проблемы показал, что классические социологические теории и тео­ретические понятия социологии часто не отвечают критерию конструктивности, принятому в компьютационной социологии. В них используются понятия, трудно поддающиеся операционализации, а также нечеткие и неопределенные термины, смысл которых меняется в ходе рас­суждения, понятия с эмоциональным содержанием. Часто отсутствует связь между принципа­ми, законами и эмпирическими фактами, существует пренебрежение критерием точной эмпи­рической проверки теории, гипотез и прогнозов и т.д. Для решения данной проблемы в компьютационной социологии используют гибридные компьютерные модели, в которых одновременно применяются отдель­ные элементы классических социологических теоретических моделей, эмпирических моделей и моделей из других областей знания, что приводит к терминологической мультипарадигмальности компьютационной социологии.