智能计算里三者的关系

目前，在计算智能与人工智能的关系方面有两种不同的观点，一种观点认为计算智能是人工智能的一个子集，另一种观点认为计算智能和人工智能是不同的范畴。

第一种观点的代表人物是贝兹德克。他把智能(intelligence,I)和神经网络(nerual network,NN)都分为计算的（computational,C）、人工的（artificial,A）和生物的(biological,B)三个层次，并以模式识别(PR)为例，给出了如图5.1所示的智能的层次结构。在该图中，底层是计算智能(CI)，它是通过数值计算来实现的，其基础是计算神经网络(CNN)；中间层是人工智能(AI)，它是通过人造的符号系统实现的，其基础是人工神经网络(ANN)；顶层是生物智能(BI)，它是通过生物神经系统来实现的，其基础是生物神经网络(BNN)。按照贝兹德克的观点，CNN是指按生物激励模型构造的NN，ANN是指CNN+知识，BNN是指人脑，即ANN包含了CNN,BNN又包含了ANN。对智能也一样，贝兹德克认为AI既包含了CI，BI 又包含了AI，即计算智能是人工智能的一个子集。

输入复杂性层次

人类知识 BNN -> BPR -> BI B = 生物的

(+)传感输入

知识 ANN -> APR -> AI A = 符号的

(+)传感数据

计算 CNN -> CPR -> CI C = 数值的

(+)传感器

智能的三个层次第二种观点是大多数学者所持有的观点,其代表人物是埃卜哈特(R.C.Eberhart). 他们认为: 虽然人工智能与计算智能之间有重合,但计算智能是一个全新的科学领域,无论是生物智能还是机器智能,计算智能都是最核心的部分,而人工智能则是外层.

事实上,CI和传统的AI知识智能的两个不同层次,各自都有自身的优势和局限性,相互之间只应该互补,而不能取代. 大量实践证明,只有把AI和I很好地结合起来,才能更好地模拟人类只能,才是只能科学技术发展的正确方向.1、计算智能（Computational Intelligence，CI）是借助自然界（生物界）规律的启示，根据其规律，设计出求解问题的算法。物理学、化学、数学、生物学、心理学、生理学、神经科学和计算机科学等学科的现象与规律都可能成为计算智能算法的基础和思想来源。从关系上说，计算智能属于人工智能（Artificial Intelligence，AI）的一个分支。

2、计算智能算法主要包括神经计算、模糊计算和进化计算三大部分。如图1.4所示，典型的计算智能算法包括神经计算中的人工神经网络算法，模糊计算中的模糊逻辑，进化计算中的遗传算法、蚁群优化算法、粒子群优化算法、免疫算法、分布估计算法、Memetic算法，和单点搜索技术例如模拟退火算法、禁忌搜索算法，等等。

3、以上这些计算智能算法都有一个共同的特征就是通过模仿人类智能的某一个（某一些）方面而达到模拟人类智能，实现将生物智慧、自然界的规律计算机程序化，设计最优化算法的目的。然而计算智能的这些不同研究领域各有其特点，虽然它们具有模仿人类和其他生物智能的共同点，但是在具体方法上存在一些不同点。例如：人工神经网络模仿人脑的生理

构造和信息处理的过程，模拟人类的智慧；模糊逻辑（模糊系统）模仿人类语言和思维中的模糊性概念，模拟人类的智慧；进化计算模仿生物进化过程和群体智能过程，模拟大自然的智慧。

4、然而在现阶段，计算智能的发展也面临严峻的挑战，其中一个重要原因就是计算智能目前还缺乏坚实的数学基础，还不能像物理、化学、天文等学科那样自如地运用数学工具解决各自的计算问题。虽然神经网络具有比较完善的理论基础，但是像进化计算等重要的计算智能技术还没有完善的数学基础。计算智能算法的稳定性和收敛性的分析与证明还处于研究阶段。通过数值实验方法和具体应用手段检验计算智能算法的有效性和高效性是研究计算智能算法的重要方法。

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等