Ⅰ 计算神经生物学的人工智能

一方面，神经系统是亿万年剧烈的生存竞争的产物，它在信息处理的方式和原理方面、控制调节机体的活动方面，积累了许多优点长处。人类进入信息时代还不到半个世纪，虽然电子计算机在运算速率方面可达万亿次，但感知能力、学习能力、适应能力等方面，都远落后于动物的神经系统。所以了解神经系统的工作原理、把它应用于人工智能、机器人和计算机设计是大有前途的。 另一方面，有关神经信息处理的研究，不仅对认识神经系统工作机制、发展人工智能而言至关重要，而且对临床康复而言，亦具有非常重要的意义。吴思举例说：“许多视觉缺失和听觉缺失者之所以看不见和听不见，并不是由于他们的大脑丧失了这些功能，而仅仅是由于他们的感受部分出了问题，不能把外界信息传递到大脑。”在解决这些问题时，如果通过特定的脑机接口把外界刺激转换成适当的电刺激传递到大脑，那么残疾人还是有可能对外界刺激做出类似健康人的响应，这就是所谓的感觉替代。问题的关键是要了解神经编码，也就是了解正常感官是如何编码感觉刺激并向大脑传输的。
现在，基于对大脑信息处理过程的研究，已经发展出像神经工程，包括脑机接口、感觉代偿、运动控制、脑信号处理等应用，还包括神经计算机、智能化机器人的诊断和治疗这样一些新的研究和应用领域。 据国外媒体报道，迄今为止会自己作决定的机器人都只出现在科幻电影里，但是科学家正在努力通过一个跟儿童身高差不多的机器人，把虚构的情节变成现实。这种机器人拥有一双大大的眼睛和白面孔，名字叫iCub，科学家希望它能学会根据环境变化不断改变自己的行为，帮助科学家了解人类认知能力的发展过程。iCub大约有1米高，它拥有铰链式躯干，胳膊和腿由复杂的电路组成。白脸，大大的圆眼睛，它能看到移动的物体，并能尾随其后。最近在法国东南部里昂市的一座实验室进行的试验中，iCub问多米内说：“我们是玩老游戏还是新游戏啊？”它的声音非常机械，这并不令人吃惊，不过它采用的确实是询问语调，跟人类提问时一样。
这个“游戏”过程包括，一个人拿起盒子，下面露出一个玩具。另一个人拿起玩具，然后把它放下。最后，第一个人再把盒子放下，盖在玩具上。iCub看过两个人玩这个游戏以后，它也能参与进来。多米内说：“这个机器人证明它能改变角色。在互动游戏中它既能扮演第一个人的角色，又能完成第二个人需要完成的任务。”多米内表示，经过多年研究后，他认为这种模型必须“应用到社会中”，让它具有视觉和运动控制能力，以便与人类进行互动。他询问说：“这是感知意识吗？某人有目的的了解一些事情的能力就是意识吗？我们可以更加精确地询问这些问题，因为我们有试验台、这种机器人和其他东西，我们可以利用这些东西进行试验。”他表示，与iCub合作是一件“非常令人愉快的事情”。摆脱不切实际的关注对象的目的，是使iCub不断发展，以便把它应用于实际生活中。

Ⅱ 请问生物有什么分支学科与人工智能有关吗

生物物理、生物化学、生物信息学及仿生学等，与人工智能有关的应该是神经生物学的信息学

Ⅲ 毕业后想做科研，通过 脑科学/神经生物学 与人工智能的结合作为研究方向。高中学的文科的该怎么办

1.脑科学与神经抄生物学属于生物范畴，袭而人工智能属于工科，都属于理工科，你是学习文科的，接触起来很吃力
2.生物科学并不是混水摸鱼，只是本科学习时无法应用学的，理论知识差不多的，导致这个专业学历越高越有用
3.想要考研或从事到这一方面，确实需要补很多很多，例如生理学、分子生物学、计算机甚至还得学习一些基础学科如高等数学、生物学、大学物理
4.你理解了一些这个方向的发展历程以及面临的问题，这个不是说只看这些科普类东西就可以的，必须看相关的文献，深入具体的了解问题
最后，世上无难事，只怕有心人，加油，朋友，选择权只握在你自己手中

Ⅳ 如果人工智能是上帝的手，那么生物工程就是给了人类

人工智能是什么呢？“人工智能”在1956年被达特茅斯大学助理教授约翰·麦卡锡率先提出，指的是软件与硬件在其运行时展现出来的智能行为。事实上，人工智能其实已经在很早就开始使用了，然而早先的应用更多的是浅层应用，本身的发展一直以来都很受限制。最过现实的难题就在于人工编制计算解决问题过于复杂。

前期的人工智能受限于科技效力以及思维限度，一直都只是人工编制一套计算方法编写入软件和硬件当中，而人工编制程序的问题在于设计师并不能够有效的编写出想要表达的东西，或是受限于大数据区间以及多样化的变量所带来的无穷思路而无法预测无穷的结果。

直到随着社会的进步，开始产生了新的方向——让机器自我学习达到数据的优化和无穷尽可能的预算演变以达到自我思考的能力。
机器学习是人工智能至关重要的一部分。机器在自我学习自我思考当中，来帮助人类完成自我思维的跃进。机器学习通过反复学习训练算法的方式，学习已知的事例，然后记录下自己所做预测与正确输出之间的差距，再通过协调不同输入数据的权重的方法来提高自己预测的精确度，直至达到最优预测水平。机器学习就是通过不断的演练来提高预测质量，而提供的事例越多，预测质量相应也就会越高。

可想而知，人工智能在未来会帮助人类更加了解这个世界。如若大胆猜想，人工智能就像上帝的双手一样帮助人类将世界的迷雾拨开，甚至是让人类走向神坛。

生物工程，是20世纪70年代初开始兴起的一门新兴的综合性应用学科，90年代诞生了基于系统论的生物工程，即系统生物工程的概念。
所谓生物工程，一般认为是以生物学（特别是其中的分子生物学、微生物学、遗传学、生物化学和细胞学）的理论和技术为基础，结合化工、机械、电子计算机等现代工程技术，充分运用分子生物学的最新成就，自觉地操纵遗传物质，定向地改造生物或其功能，短期内创造出具有超 远缘性状的新物种，再通过合适的生物反应器对这类“工程菌”或“工程细胞株”进行大规模的培养，以生产大量有用代谢产物或发挥它们独特生理功能一门新兴技术。

目前来说，生物工程还处于初级阶段。最大的难题在于涉及伦理问题，很多概念与想法受到社会的抵制。但随着人工智能的发展，可以预见将来生物工程会迎来一个井喷式发展。
现今的生物工程仅仅是运用在医疗以及食品和环保上。在控制和消灭传染病方面，接种预防生物制品效果显著，在公共卫生措施方面收益最佳。在遗传基因和细胞工程上缓慢发展着。而随着人工智能的发展，将来生物工程会与人工智能相结合。可以大胆预测，将来的生物工程如与人工智能相结合。不仅可以达到人机结合体，强化或是改变人类身体的物理系统。理论上或许能够探索人类生命的奥秘，甚至是制造出新生命。实现上帝的使命。

Ⅳ 关于”做人工智能是否一定要学点生物“

不觉得做人工智能一定要先学点生物。

首先，大脑的设计不一定最优。本着”能用就行“的原则，大自然无意识的进化产生了很多并非最优的设计。一个典型的例子是视神经如何从眼底连到大脑视觉皮层，任何一位有经验的工程师都会让视神经信号从视网膜的背后汇集，然后传进大脑，而不是像人类的眼睛这样，信号从视网膜的前面汇集，然后在视网膜上打个洞穿过去（这就是视觉盲点的由来）。如果承认进化论是正确的，那么人脑中的许多复杂设计未必是实现智能所必需，而只是长年进化的副产品。有些设计可能是抵抗细菌病毒入侵，有些可能是供给细胞能量，还有些是处理慢得不能再慢的神经信号传递，还有些可能是以前两栖类爬行类的残留，只要拼在一起可以产生自我意识，就会有物种在无聊时萌发对智能的好奇。因此，从计算角度来说，并没理由相信大脑的设计一定是最优的。把大脑的设计全搞明白再做智能，个人觉得过于迂回了。

其次，以目前的生物学方式研究智能，不一定有效率。发现NO分子，发现膜离子通道，发现化学渗透，这些拿到了生物学诺奖的工作，其重要性不言而喻，但在计算上看起来，只是找到了生物传递信息和转化能量的各种方式，而且其效率与当代计算机体系结构相比差了不只一个数量级。如果目标只是智能，那为什么不用现成的？如果我们把大脑比作是一台复杂的计算机，那么我们现在对大脑的研究，就相当于检测到了总线上几个比特的变化和传递，或者最多是检测到CPU正在进行加减乘除。但对这台计算机究竟在做些什么高层的操作，运行什么算法，毫无感觉。同样的加减乘除，可以是为了牛顿法求平方根，可以是对目标函数做梯度下降，可以是计算一个字串的哈希值，或者正在对一个高维向量进行线性投影。从单纯的加减乘除中要推断出这台计算机在做什么，是非常辛苦困难的工作，不仅要事无巨细地完全记录，还要做大量的综合分析，现在因为实验技术的限制，我们连前者都做不到，更不用谈后者，这就是研究人脑的难点所在。但是如果退一步想，如果对一个未知庞大系统的反向工程太难，那为什么不自顶向下搭起呢？从原理出发，干净清晰，逻辑明确，能提高成百上千倍的效率。人工智能这个领域，现在做的正是这样重头搭起的工作，有便宜的存储，便宜的内存，便宜的CPU和GPU，速度上电脑又比人脑快，数据量大，实验可控制可重复，方便之极。

Ⅵ 医学生想转行人工智能，考研生物医学工程还是计算机好

作为想往人工智能发展的医工在读本科生忍不住回答一下，不过我的知识储备也很有限完全是这两年的经验体会，欢迎批评改正。
医工就是利用工程手段解决生物医学上的问题，人工智能是人造智能，以我狭窄的了解目前人工智能主要通过两个手段去人造智能，一个是逻辑算法，一个是模拟人类大脑神经之类。人工智能范畴其实很广，AlphaGo叫人工智能（利用了由人类大脑得到启发的机器学习等等方法），可穿戴医疗设备也叫人工智能，甚至以后可能的一个趋势就是芯片嵌入人体（人体增强），这也叫人工智能。但是AlphaGo是纯逻辑算法编写，嵌入式芯片却需要结合生物医学知识（排斥反应啊神经连结啊），还有生物医学的一个分支医学影像是CT成像技术研究，如果具备相关解剖学知识肯定是有优势的。这就是人工智能和医工差别与贯通所在了。这要看你具体想做什么，作为医学生学医工肯定比学计算机更有资本积累的优势吧，不过发展趋势来看这两个科目以后肯定会有很大交集，所以主要还是看你更愿意专供偏逻辑算法多一点还是生物医学多一点的领域。另外医工分支也很多，可以自行网络一下。

Ⅶ 研究生出国学人工智能还是生物医学工程纠结啊。。

看你感兴趣哪个咯，不感兴趣学出来也没用。
要么就是看下你报的学校哪个专业比较强势一点，教授比较好。
还有就是学费奖学金哪个比较便宜。
然后再选相信你会对未来自己要走的方向清晰的多。\(^o^)/~

Ⅷ 我是学生物工程的,现在想找一家基因工程和人工智能结合起来做的公司,现在有这样的公司吗

什么是人工智能近年来，随着计算机技术的迅猛发展和日益广泛的应用，自然地会提出人类智力活动能不能由计算机来实现的问题。几十年来，人们一向把计算机当作是只能以极快地、熟练地、准确地运算数字的机器。但是在当今世界要解决的问题并不完全是数值计算，像语言的理解和翻译、图形和声音的识别、决策管理等都不属于数值计算，特别像医疗诊断要有专门的特有的经验和知识的医师才能作出正确的诊断。这就要求计算机能从“数据处理”扩展到还能“知识处理”的范畴。计算机能力范畴的转化是导至“人工智能”快速发展的重要因素。人工智能的定义：著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能（ArtificialIntelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。计算机与智能通常我们用计算机，不仅要告诉计算机，要做什么，还必须详细地、正确地告诉计算机怎么做。也就是说，人们要根据任务的要求，以适当的计算机语言，编制针对该任务的应用程序，才能应用计算机完成此项任务。这样实际上是在人完全控制计算机完成的，是谈不上计算机有“智能”。大家都知道，世界国际象棋棋王卡斯帕罗夫与美国IBM公司的RS／6000（深蓝）计算机系统于1997年5月11日进行了六局“人机大战”，结果“深蓝”以3.5比2.5的总比分获胜。比赛结束了给人们留下了深刻的思考；下棋要获胜要求选手要有很强的思维能力、记忆能力、丰富的下棋经验，还得及时作出反映，迅速进行有效的处理，否则一着出错满皆输，这显然是个“智能”问题。尽管开发“深蓝”计算机的IBM专家也认为它离智能计算机还相差甚远，但它以高速的并行的计算能力（2r108步／秒棋的计算速度）。实现了人类智力的计算机上的部分模拟。从字面上看，“人工智能”就是用人工的方法在计算机上实现人的智能，或者说是人们使计算机具有类似于人的智能。智能与知识在20世纪70年代以后，在许多国家都相继开展了人工智能的研究，由于当时对实现机器智能理解得过于容易和片面，认为只要一些推理的定律加上强大的计算机就能有专家的水平和超人的能力。这样，虽然也获得一定成果，但问题也跟着出现了，例如机器翻译当时人们往往认为只要用一部双向词典及词法知识，就能实现两种语言文字的互译，其实完全不是这么一回事，例如，把英语句子“Timeflieslikeanarrow”（光阴似箭）翻译成日语，然后再译回英语，竟然成为“苍蝇喜欢箭”；当把英语“”（心有余而力不足）译成俄语后，再译回来竟变成“”（酒是好的但肉已变质）。在其它方面也都遇到这样或者那样的困难。这时，本来对人工智能抱怀疑态度的人提出指责，甚至把人工智能说成是“骗局”、“庸人自扰”，有些国家还削减人工智能的研究经费，一时人工智能的研究进入了低潮。然而，人工智能研究的先驱者们没有放弃，而是经过认真的反思、总结经验和教训，认识到人的智能表现在人能学习知识，有了知识，能了解、运用已有的知识。正向思维科学所说“智能的核心是思维，人的一切智慧或智能都来自大脑思维活动，人类的一切知识都是人们思维的产物。”“一个系统之所以有智能是因为它具有可运用的知识。”要让计算机“聪明”起来，首先要解决计算机如何学会一些必要知识，以及如何运用学到的知识问题。只是对一般事物的思维规律进行探索是不可能解决较高层次问题的。人工智能研究的开展应当改变为以知识为中心来进行。自从人工智能转向以知识为中心进行研究以来，以专家知识为基础开发的专家系统在许多领域里获得成功，例如：地矿勘探专家系统（PROSPECTOR）拥有15种矿藏知识，能根据岩石标本及地质勘探数据对矿产资源进行估计和预测，能对矿床分布、储藏量、品位、开采价值等进行推断，制定合理的开采方案，成功地找到了超亿美元的钼矿。又如专家系统（MYCIN）能识别51种病菌，正确使用23种抗菌素，可协助医生诊断、治疗细菌感染性血液病，为患者提供最佳处方，成功地处理了数百个病例。它还通过以下的测试：在互相隔离的情况下，用MYCIN系统和九位斯坦福大学医学院医生，分别对十名不清楚感染源的患者进行诊断和处方，由八位专家进行评判，结果是MYCIN和三位医生所开出的处方对症有效；而在是否对其它可能的病原体也有效而且用药又不过量方面，MYCIN则胜过了九位医生。显示出较高的水平。专家系统的成功，充分表明知识是智能的基础，人工智能的研究必须以知识为中心来进行。由于知识的表示、利用、获取等的研究都取得较大的进展。因而，人工智能的研究得以解决了许多理论和技术上问题。人工智能研究的目标1950年英国数学家图灵（A.M.Turing,1912—1954）发表了”计算机与智能”的论文中提出著名的“图灵测试”，形象地提出人工智能应该达到的智能标准；图灵在这篇论文中认为“不要问一个机器是否能思维，而是要看它能否通过以下的测试；让人和机器分别位于两个房间，他们只可通话，不能互相看见。通过对话，如果人的一方不能区分对方是人还是机器，那么就可以认为那台机器达到了人类智能的水平。图灵为此特地设计了被称为“图灵梦想”的对话。在这段对话中“询问者”代表人，“智者”代表机器，并且假定他们都读过狄更斯（C.Dickens）的著名小说《匹克威克外传》，对话内容如下：询问者：在14行诗的首行是“你如同夏日”，你不觉得“春日”更好吗？智者：它不合韵。询问者：“冬日”如何？它可完全合韵的。智者：它确是合韵，但没有人愿意被比作“冬日”。询问者：你不是说过匹克威克先生让你想起圣诞节吗？智者：是的。询问者：圣诞节是冬天的一个日子，我想匹克威克先生对这个比喻不会介意吧。智者：我认为您不够严谨，“冬日”指的是一般冬天的日子，而不是某个特别的日子，如圣诞节。从上面的对话可以看出，能满足这样的要求，要求计算机不仅能模拟而且可以延伸、扩展人的智能，达到甚至超过人类智能的水平，在目前是难以达到的，它是人工智能研究的根本目标。人工智能研究的近期目标；是使现有的计算机不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。按照这一目标，根据现行的计算机的特点研究实现智能的有关理论、技术和方法，建立相应的智能系统。例如目前研究开发的专家系统，机器翻译系统、模式识别系统、机器学习系统、机器人等。人工智能的研究领域目前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域；专家系统专家系统是依靠人类专家已有的知识建立起来的知识系统，目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域，广泛应用于医疗诊断、地质勘探、石油化工、军事、文化教育等各方面。它是在特定的领域内具有相应的知识和经验的程序系统，它应用人工智能技术、模拟人类专家解决问题时的思维过程，来求解领域内的各种问题，达到或接近专家的水平。机器学习要使计算机具有知识一般有两种方法；一种是由知识工程师将有关的知识归纳、整理，并且表示为计算机可以接受、处理的方式输入计算机。另一种是使计算机本身有获得知识的能力，它可以学习人类已有的知识，并且在实践过程中不总结、完善，这种方式称为机器学习。机器学习的研究，主要在以下三个方面进行：一是研究人类学习的机理、人脑思维的过程；和机器学习的方法；以及建立针对具体任务的学习系统。机器学习的研究是在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多种学科基础上的。依赖于这些学科而共同发展。目前已经取得很大的进展，但还没有能完全解决问题。模式识别模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。如识别物体、地形、图象、字体（如签字）等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。特别神经网络方法在模式识别中取得较大进展。理解自然语言计算机如能“听懂”人的语言（如汉语、英语等），便可以直接用口语操作计算机，这将给人们带极大的便利。计算机理解自然语言的研究有以下三个目标：一是计算机能正确理解人类的自然语言输入的信息，并能正确答复（或响应）输入的信息。二是计算机对输入的信息能产生相应的摘要，而且复述输入的内容。三是计算机能把输入的自然语言翻译成要求的另一种语言，如将汉语译成英语或将英语译成汉语等。目前，研究计算机进行文字或语言的自动翻译，人们作了大量的尝试，还没有找到最佳的方法，有待于更进一步深入探索。机器人学机器人是一种能模拟人的行为的机械，对它的研究经历了三代的发展过程：第一代（程序控制）机器人：这种机器人一般是按以下二种方式“学会”工作的；一种是由设计师预先按工作流程编写好程序存贮在机器人的内部存储器，在程序控制下工作。另一种是被称为“示教—再现”方式，这种方式是在机器人第一次执行任务之前，由技术人员引导机器人操作，机器人将整个操作过程一步一步地记录下来，每一步操作都表示为指令。示教结束后，机器人按指令顺序完成工作（即再现）。如任务或环境有了改变，要重新进行程序设计。这种机器人能尽心尽责的在机床、熔炉、焊机、生产线上工作。日前商品化、实用化的机器人大都属于这一类。这种机器人最大的缺点是它只能刻板地按程序完成工作，环境稍有变化（如加工物品略有倾斜）就会出问题，甚至发生危险，这是由于它没有感觉功能，在日本曾发生过机器人把现场的一个工人抓起来塞到刀具下面的情况。第二代（自适应）机器人：这种机器人配备有相应的感觉传感器（如视觉、听觉、触觉传感器等），能取得作业环境、操作对象等简单的信息，并由机器人体内的计算机进行分析、处理，控制机器人的动作。虽然第二代机器人具有一些初级的智能，但还需要技术人员协调工作。目前已经有了一些商品化的产品。第三代（智能）机器人：智能机器人具有类似于人的智能，它装备了高灵敏度的传感器，因而具有超过一般人的视觉、听觉、嗅觉、触觉的能力，能对感知的信息进行分析，控制自己的行为，处理环境发生的变化，完成交给的各种复杂、困难的任务。而且有自我学习、归纳、总结、提高已掌握知识的能力。目前研制的智能机器人大都只具有部分的智能，和真正的意义上的智能机器人，还差得很远。智能决策支持系统决策支持系统是属于管理科学的范畴，它与“知识—智能”有着极其密切的关系。在80年代以来专家系统在许多方面取得成功，将人工智能中特别是智能和知识处理技术应用于决策支持系统，扩大了决策支持系统的应用范围，提高了系统解决问题的能力，这就成为智能决策支持系统。人工神经网络人工神经网络是在研究人脑的奥秘中得到启发，试图用大量的处理单元（人工神经元、处理元件、电子元件等）模仿人脑神经系统工程结构和工作机理。在人工神经网络中，信息的处理是由神经元之间的相互作用来实现的，知识与信息的存储表现为网络元件互连间分布式的物理联系，网络的学习和识别取决于和神经元连接权值的动态演化过程。多年来，人工神经网络的研究取得了较大的进展，成为具有一种独特风格的信息处理学科。当然目前的研究还只是一些简单的人工神经网络模型。要建立起一套完整的理论和技术系统，需要作出努力和探讨。然而人工神经网络已经成为人工智能中极其重要的一个研究领域。结束语：人类经过五千的发展进入了基于知识的“知识经济”。人类社会空前地高速发展。知识是智能的基础，知识只有转化为智能才能发挥作用，知识无限的积累，智能也就将在人类社会起越来越大的作用，更有人提出：知识经济的进一步发展将是“智能经济”。“智能经济”是基于“广义智能”的经济，“广义智能”包含：人的智能、人工智能以及人和智能机器相结合的“集成智能”。可以想象基于广义智能的“智能经济”将比基于知识的“知识经济”将具有更高的智能水平，更高更快发展速度。叶秀松电子委转载：CA01KH03.htm谢谢您选用！

Ⅸ 学生物的想做人工智能，以后考研时选什么方向谢谢！

因为你学生物，所以神经学应该不错，最好是心理学吧，哲学或者计算机都可以！
而人工智能在心理学最重要研究就是思维架构；
在哲学上是认知科学和逻辑学；
而计算机，估计你从硬件到系统开发缺一不可。

Ⅹ 一位高三学生，生物专业，人工智能

在国内来说生物科学与技术很不成熟 在现在国内就业情况也不是很好
但这一方面人才比较少 如果你有心学 将来出国 那还是相当不错的

而计算机科学与技术是个热门专业，就业相对比较好，但这一方面人才比较多
这一门专业可以保证你有口饭吃

至于人工智能学编程和电子比较接近

具体的你还是问一下你们的老师 他会给你很好的意见的