刘经南认为可以从自然智能和时空观来理解定义人工智能 （《测绘学报》2020年第四期 刘经南,等:《智能时代泛在测绘的再思考》 ）。
目前,信息网络正朝着物联网和泛在网络演 进.它由大数据、更强大的计算能力及更智能的 计算方法三者共同驱动,产生了新一代人工智能, 即计算机具备学习和思考等能力.与此同时,为 实现计算机网络对物理世界的智能管理和协同控 制,信息物理系统 CPS(亦即泛在网)应运而生, 并与人工智能相融合,使社会生产和消费加速从 工业化向自动化、智能化转变,人类因此进入智能 时代. 智能是自然界的生物感知、认知、适应环境的 生存能力.生物拥有智能,是因为它可以感知外 界变化,通过对变化利弊的认知,做出决策后,进 行自身调整,以实现趋利避害.要实现这一目标, 需找到准确的地点、时间、方位、姿态等,来进行自 我调整.于是,自然界生物智能的核心就是,在感 知、认知外界变化的精准时空位置基础上,做出趋 利避害的选择和行为。
因此,自然智能可定义为 生物感知外界变化,学习、记忆形成经验,上升为 认知,为适应外界变化和自己安全需求进行决策, 并在准确的时间和地点,调控自己或者局部地改 变外界的状态,以实现趋利避害的目标. 智能可以解决当前的问题,而智慧则能够解 决未来和未知的问题.智慧需要通过感知和认知 所形成的经验和知识来进行推理,预测未来某个 时间、地点上的外界变化,并预先进行自我调控, 改变自己或局部外界的状态,以实现趋利避害. 这种调控往往是在精准的时空位置基础上,精准 协调多个行为和动作来改变外界.因此,定位、导 航、知时节的能力就是生物与生俱来的实现趋利 避害的生存能力,属于自然智能.从此意义上说, 测绘也就是感知、记录并表达某一时间和地点发 生的事件,然后辅助认知、交流和决策的过程和手段,是人类定位、导航和授时等智能行为在技术方 法上的延伸.
综上,智能与智慧是生物界才有的能力,人工智能就是将自然界的生物智能(包括人类自己的 智能、智慧)通过技术和方法赋给机器和环境,使 机器与环境能够感知、认知外界的变化,并进行相应趋利避害的管理和调控。
定义自然智能的基础上来定义人工智能,比目前计算机界 用图灵测试“让机器像人 一 样 的 感 知 和 思 考”等人工智能的定义更准确、更普适,它体现 了自然智能包含的感知、学习、认知、决策、调控甚 至情感等６类智能的内涵.而人工智能至少应包 括除情感外的５类智能内涵.其实,动物界的感 知智能和群体智能在许多方面远远超过了人类，将动物界的感知智能和群体智能赋给机器和环境,就是人工智能的一大研究方向。
根据CSDN作者的定义：
自然智能（Natural Intelligence， NI），指人通过大脑的运算和决策产生有价值的行为。这些行为包括了人的大脑思考及决策、耳朵听力及判断、眼睛视觉及判断、鼻子嗅觉及判断、皮肤触觉及判断等，体现在人行为的方方面面。
人工智能（Artificial Intelligence， AI），通过机器替代人，实现人具有的智能行为。该句可以这样重写：主要指的是计算机、数据和相关软件，甚至可以涵盖相关的智能终端设备。目前人工智能应用比较成熟的技术方向包括机器博弈（智能机器人）、声音识别、图像图片识别（文字、指纹、人脸等）、传感器等提供数据的分析与预测。人工智能研究的主要学科涵盖计算机科学、信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等。
机器学习(Machine Learning， ML),是算法和统计模型的科学研究，计算机系统使用它来有效地执行特定任务，无须使用明确的指令，而是依赖于模式和推理。它被视为人工智能的一个子集，也是人工智能的核心。机器学习必须借助数据进行“学习”。机器学习可按形式分为监督学习、半监督学习、无监督学习和强化学习。
深度学习（Deep Learning， DL）,（也称为深度结构化学习或分层学习）是基于学习数据表示的机器学习方法系列的一部分，而不是特定于任务的算法。深度学习受生物神经系统中信息处理和通信模式的启发，但与生物大脑的结构和功能存在差异。目前，深度学习架构，如深度神经网络、深度置信网络和递归神经网络， 已应用于计算机视觉、语音识别、自然语言处理、音频识别、社交网络过滤、机器翻译、生物信息学、药物设计和医学图像分析等领域。
（以上概念及其关系为CSDN博主「简单小苦瓜」的原创，原文链接：https://blog.csdn.net/weixin_44482877/article/details/122273597）
以上文选，是笔者试探将硅基生物与碳基生命做为一个整体，或探讨脑机接口的认知方法论，从而理解仿生学、大脑神经网络的一个途径。
以上是刘经南院士论述自然智能与人工智能的关系的详细内容。更多信息请关注PHP中文网其他相关文章！
