Este artículo de investigación presenta la predicción del área de atención visual en una pantalla visual utilizando un modelo difuso basado en reglas evolutivas: Takagi-Sugeno evolutivo (eTS). El modelo difuso evolutivo es factible para predecir el área de atención visual debido a su naturaleza no iterativa, recursiva, en línea y en tiempo real. La predicción del área de atención visual a través de una cámara web es un problema que requiere sistemas adaptativos en línea con una mayor precisión y un mejor rendimiento. El enfoque propuesto que utiliza un modelo difuso evolutivo para predecir el área de atención visual de la mirada en una pantalla visual en un entorno ambiental (para proporcionar servicios adicionales) imita el proceso cognitivo humano y su flexibilidad para generar reglas difusas sin ningún conocimiento previo. El enfoque propuesto de Predicción del Área de Atención Visual utilizando Sistemas Neuro-Difusos Evolutivos (VAAPeNFS) puede generar rápidamente reglas difusas compactas a partir de nuevos datos. Experimentos numéricos realizados en un entorno simulado validan aún más el rendimiento y la precisión del modelo propuesto. Para validar el modelo, los resultados de pronóstico del modelo eTS se comparan con DeTS y ANFIS. Los resultados muestran una alta precisión, transparencia y flexibilidad logradas mediante la aplicación de las versiones en línea evolutivas en comparación con otras técnicas fuera de línea. El enfoque propuesto reduce significativamente la sobrecarga computacional, lo que lo hace adecuado para cualquier tipo de aplicación de AmI. Por lo tanto, al utilizar este enfoque, logramos reutilización, robustez y escalabilidad con un mejor rendimiento con alta precisión.