1.4 自然智能
1.生物个体智能
生物体都能适应一定的环境，也能影响环境。
什么是生物智能？答案虽然多样，但到目前为止都没有一个被广泛接受的统一理论。
定义1.1 生物智能（Biological Intelligence, BI）就是指各种生物个体所表现出来的，能够自主地对环境做出适应的反应行为。
（1）自然界生物个体的智能模型
如果我们给自然界的生物建立一个模型，这个模型是在繁殖过程中继承而来的智能模型。这个继承而来的智能模型，也就是遗传基因。大自然迄今取得的唯一最伟大的成就，当然要数DNA分子的发现。我们现在的计算机能做各种各样的事情，各种智能是由软件决定的。
正像一串二进制数据用“0”和“1”编码一样，一串DNA用4个用字母A、T、C和G代表的脱氧核糖核酸碱基编码。例如：GCTACG、CTAGTA、TCGTAC、CTACGG、ATGCCG。可认为DNA是一种独特的数据结构。
智能模型不仅包含了“软件部分”——DNA，也包含了“硬件部分”——定义生物机体构造和生化运作方式。
（2）自然选择学说
“物竞天择，适者生存。”这是进化论最为核心的一句话。
进化论者认为，现在地球上的各种生物不是神创造的，而是由共同祖先经过漫长的时间演变而来的，因此各种生物之间有着或远或近的亲缘关系。
自然选择学说包括：过度繁殖、生存斗争、遗传和变异、适者生存。
凡是生存下来的生物都是对环境能适应的，而被淘汰的生物都是对环境不适应的。这就是适者生存，不适者被淘汰，称为自然选择。
自然界是我们理解人工智能的最优导师！
（3）简单生物个体的智能实例
案例1-26：细菌游泳
细菌是最早诞生的单细胞生物，也是当今世界上数量最多的生物。糖类是细胞的主要能源物质，是生物体进行生命活动的主要能源物质。
很多细菌都生活在液态环境里，它们依赖于从周边环境中吸取糖分作为营养物质才能存活，它们能够感觉周边的糖分浓度，如果它们发现周边的糖分浓度比几秒钟之前少了，就会摇动尾部的鞭毛，像鱼一样游到糖分比较高的地方去。于是，我们就会看到细菌缓慢的游来游去，看上去像是具有某种智能。
细菌的这种机制是记录在细胞核内的，也就是记录在与生俱来的DNA里，本质是复杂化学反应决定的，经过无数代的进化，不符合这个机制的细菌都由于找不到糖被饿死了，这就是达尔文的自然选择理论。
我们从细菌个体生命行为上看到的这种智能表现，实际就是复杂的化学反应加上物种进化的自然选择结果。
简单总结一下，细菌智能个体的生存环境为液态环境和糖分，其简单硬件是细胞，软件是遗传DNA，行为规则是一种适应性反应，其行为是鞭毛的独立运动类生命行为（翻滚或游泳运动）。
我们可以在计算机中用很简单的逻辑编程来模拟细菌，在屏幕上建立一个网格，每个格子有不同的深色或浅色，代表糖分的高低，然后把我们的电子细菌放在任意一个格子里面，开始先记录下所在格子的糖分值，然后每隔1s随机移动到身边的任意一个格子，如果检测到新格子的糖分比刚才的高就休息1s，比刚才的低就继续移动。
如果整个格子世界的糖分分布是静态不变的，那么我们的细菌移动几步就会停下来。但如果我们每隔1s随机改变格子的深浅，那么就会看到细菌不停地游来游去。
细菌趋药性算法就是从以上过程获得灵感并研究提炼出来的优化方法，最早由Bremermann及其同事进行，旨在利用细菌在化学引诱剂环境中的运动行为来进行函数优化，他们的研究表明了细菌在引诱剂环境下的应激机制和梯度下降相类似。这种算法分析了三维环境中的趋药性，并被用于神经网络的训练。另一种与之相类似的方法是引导加速随机搜索技术，这种方法被运用于飞行控制系统的优化和感知器优化。
案例1-27：兰顿的蚂蚁
蚂蚁出行不遵循任何计划或任务清单。1986年，美国计算机科学家，人工生命（Artificial Life）领域创始人之一，克里斯托弗·兰顿提出了一个蚂蚁模拟游戏，在二维黑白格世界中只遵循三个原则就创造了极为复杂的图形。
蚂蚁个体的行为规则如下：
1）红色蚂蚁不停地向前爬行，每次一格。
2）如果爬到白色格子，那么就向右转身90°，同时把脚下的格子变成黑色。
3）如果爬到黑色格子，那么就向左转身90°，同时把脚下的格子变成白色。
神奇的是，当蚂蚁爬行步数足够多，往往是上万步以后，蚂蚁就会自发地找到一条高速路（Hightway），停止盲目乱爬，而是沿着高速公路向固定方向爬过去。
兰顿的蚂蚁游戏是一种二维的通用图灵机，试图模拟简单生物的行为，也是细胞自动机（Cellular Automaton）的一种，简称CA。
爱因斯坦曾经把蚂蚁比喻成二维世界的生物，它们永远无法知道球面不是平的，也无法理解三维世界的情况。但实际上我们仍然可以看到生存在二维世界的生物所表现出的智能，不管是真实蚂蚁或者是上面我们介绍的电子蚂蚁。智能在于表现而不在于肢体。我们谈论的智能并不是生物的手或者脚，而是它的行为表现出来的一种特征。
案例1-28：捕蝇草
植物也是一种生命形式，和动物或者人类没有什么本质上的区别。植物的智能表现在个体生命过程中适应性变异的生长与发育。
植物能记住自己之前所受的刺激，甚至还能“读秒”。捕蝇草叶子上有许许多多的触发毛。它的触发毛中如果有两根在大约20s内被物体触动，叶片就会闭合，也就是说它要记住此前有一根被触动过，并开始记秒数。
并不只有能快速反应的植物才能做出聪明的决策，其实所有植物都会对周围的环境变化做出回应。它们无时无刻地在生理和分子水平上做出决策。在烈日炎炎的缺水环境下，植物几乎会立即关闭气孔，阻止叶面上这些微小的气孔使水分流失。
捕蝇草可能并不是足够好的例子，但至少可以证明植物可以具有某种我们普通意义上所说的智能行为。植物毫无疑问是具备智能的。植物对于环境的反应，以及采取的行动，都不是被动、机械的，而是经过权衡判断后服务于其价值取向的。作为生物而言，植物生命体也同样由细胞构成，依靠基因的转录和复制来繁殖和扩张种族群体，同样遵循物竞天择的进化原理。
案例1-29：高智能动物
人类在抽象逻辑和推理方面要远胜过其他动物，但动物们的很多方面智能也远超人类，海豚可以利用回声定位了解周边情况，狗能在数百米外通过气味识别主人，大象超强记忆能力让它们从不迷路。
很多动物都具有学习和使用简单工具的能力，比如猕猴会用石头砸开坚果，大猩猩会用木棍伸进蚂蚁洞捞出蚂蚁吃。值得一提的是懂得向瓶内扔石子让水升高进而喝到水的乌鸦。日本研究人员曾经跟踪拍摄到一只聪明的乌鸦，它已经学会把嘴里的坚果扔到马路中间等待经过的汽车压碎，然后它还学会看红绿灯，懂得遇到绿灯的时候飞到路上把果仁叼走。
2.人类个体智能
人类智能（human intelligence）是人类个体所表现出的智能。人类智能是生物智能的最高表现，它具有更加复杂的特征，有史以来也有着更加复杂的研究方法。
（1）智能的特征
进化理论认为人的本质能力是在动态环境中的行走能力、对外界事物的感知能力、维持生命和繁衍生息的能力。该智能一般是后天形成的，其原因为对外界刺激做出反应。这种能力是在自然界生物进化的漫长岁月中逐步产生的，是生物进化到人类，人类通过在自然界中不断进行的对主客体关系的调节活动，即实践活动，并依赖于人脑这一特殊物质而产生的。人的智能今天仍在发展，甚至其发展的速度远远超出了人类自身其他能力的进化速度。人的智能在当今的社会实践中起着绝对的主导作用。
智能的特征是什么？
特征1：具有感知能力，即具有能够感知外部世界、获取外部信息的能力，感知是人类最基本的生理、心理现象，是获取外界信息的基本途径，这是产生智能活动的前提条件和必要条件。
特征2：二是具有记忆和思维能力，即能够存储感知到的外部信息及由思维产生的知识，同时能够利用已有的知识对信息进行分析、计算、比较、判断、联想、决策；思维可分为逻辑思维、形象思维和顿悟思维。
特征3：具有学习能力和自适应能力，即通过与环境的相互作用，不断学习积累知识，使自己能够适应环境变化。
特征4：具有行为决策能力，即对外界的刺激做出反应，形成决策并传达相应的信息。
（2）什么是人类智能？
心理学给出了智能术语：
定义1.2 从感觉到记忆到思维这一过程，称为“智慧”，智慧的结果就产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称“智能”。
将感觉、记忆、回忆、思维、语言、行为的整个过程称为智能过程，它是智力和能力的表现。感觉、记忆、思维是其内部智力，行为和语言是其外部表现的能力。它们分别又可以用“智商”和“能商”来描述其在个体中发挥智能的程度。“情商”可以调整智商和能商的正确发挥，或控制二者恰到好处地发挥它们的作用。
（3）多元智能理论——“多元智能理论”之父——霍华德·加德纳
1983年，美国心理学家Howard Earl Gardner提出多元智能理论。霍华德·加德纳博士指出，人类的智能是多元化而非单一的，主要是由语言智能、数学逻辑智能、空间智能、身体运动智能、音乐智能、人际智能、自我认知智能、自然认知智能8项组成，每个人都拥有不同的智能优势组合。
1）肢体运动智能（Bodily-Kinesthetic intelligence）。肢体运动智能是指善于运用整个身体来表达思想和情感，灵巧地运用双手制作或操作物体的能力。这项智能包括特殊的身体技巧，例如：平衡、协调、敏捷、力量、弹性和速度以及由触觉所引起的能力。
2）语言智能（Linguistic intelligence）。语言智能是指有效的运用口头语言或文字表达自己的思想并理解他人，灵活掌握语音、语义、语法，具备用言语思维、用言语表达和欣赏语言深层内涵的能力，并将这些能力结合在一起运用自如的能力。
3）数学逻辑智能（Logical-Mathematical intelligence）。数学逻辑智能是指有效地计算、测量、推理、归纳、分类，并进行复杂数学运算的能力。
4）视觉空间智能（Spatial intelligence）。视觉空间智能是指准确感知视觉空间及周围一切事物，并且能把所感觉到的形象以图画的形式表现出来的能力。包括对色彩、线条、形状、形式、空间及它们之间关系的敏感性，也包括将视觉和空间的想法具体地在脑中呈现出来，以及在一个空间的矩阵中很快找出方向的能力。
5）音乐智能（Musical intelligence）。是指人能够敏锐地感知音调、旋律、节奏、音色等能力。这项智能对节奏、音调、旋律或音色的敏感性强，与生俱来就拥有音乐的天赋，具有较高的表演、创作及思考音乐的能力。
6）人际智能（Interpersonal intelligence）。人际智能是指能很好地理解别人和与人交往的能力。这项智能善于察觉他人的情绪、情感，体会他人的感觉感受，包括对脸部表情、声音和动作的敏感性，辨别不同人际关系的暗示以及对这些暗示做出适当反应的能力。
7）自我认知智能（Intrapersonal intelligence）。自我认知智能是指有自知之明并据此做出适当行为的能力，包括对自己有相当的了解。这项智能能够认识自己的长处和短处，意识到自己的内在爱好、情绪、意向、脾气和自尊，喜欢独立思考的能力。
8）自然认知智能（Naturalist intelligence）。是指善于观察自然界中的各种事物，对物体进行辩论和分类的能力。对自然的景物，如植物、动物、矿物、天文等有浓厚的兴趣、高度的关注及敏锐的观察与辨认能力。
人具有智能的一部分，而不是全部。
（4）智能和意识
1）简单智能。可以说，本能是一种简单的智能行为，只需要生成相应的器官，匹配相应的化学反应就可以进行。婴儿出生后会哭，会吃奶，这是孩子的本能，我们并不认为他具有智能，只有经过不断教育，才能最终具备智能。本能是无须学习的能力。人类的本能行为是可以编入DNA的。
2）低级智能。婴儿从爬行到走路是一种无意识反应。神经系统记住了脚底传来的信号，并且知道应该如何反馈。学会走路并不是一件容易的事，大部分人都要花费几个月的时间，它是我们的第一种智能行为。直立行走显然没有上升到意识层面，还属于低级智能。
巴普洛夫的条件反射实验也是神经系统如何学习低级智能的很好说明。这个实验说的是在给狗喂食之前打铃，久而久之，即便不喂食，狗一旦听到铃声也会流口水。这是狗的进食回路和听觉回路在外界的不断刺激下发生了关联，是一种低级智能的表现。
低级智能是对当前的、即时的刺激产生的神经反应。
3）高级智能。从低级智能到高级智能，关键的一个步骤是记忆。高级智能却是对当前和历史的共同刺激产生反应。所谓历史刺激，就是记忆。
记忆是神经体系的印痕。看到的东西传入脑部，形成刺激，这种刺激会在大脑中留下痕迹。就像存储在电脑中的比特并不是真正的图像，但是借助一定的算法和硬件可以还原成图像，大脑中的印痕本身也不是图景，而是图景的某种映像，借助人脑固有的翻译系统，可以形成场景。
思考的本质，就是尽量关联记忆。思考的时刻，并不一定需要外界的输入，因为输入已经在头脑中，某些突如其来的触发，比如砸到了牛顿的苹果，梦见头尾相咬的蛇，是在这样的关联之间助推了一把。
高级智能和低级智能的分界，在于是否将历史刺激加入关联。需要补充说明的是，从低级到高级，并无绝对的界限，生物智能的发展总是循序渐进，哪怕在同一个生物身上，低级和高级智能的表现也是并存。是否关联历史刺激，这个判断在某些情况下也比较困难，对同一种智能行为，在不同动物身上可能是低级智能，也可能是高级智能，甚至可能是本能，要依具体的情况进行分析。
而高级智能之间的比较，或者说谁更聪明这个问题，就依赖于大脑能够储存多少记忆，以及这些记忆之间能产生多少关联。
4）自我意识。关于高级智能还有一个重要问题，就是自我意识。智能高到什么程度才会有自我意识？自我意识到底是一种什么东西？
一种普遍的认证方法是镜子实验，通过动物是否能辨认出镜子中的动物就是自己来确认动物是否有自我意识。
（5）神经系统的结构和功能
1）神经系统的组成。神经系统（nervous system）是机体内起主导作用的系统。分为中枢神经系统和周围神经系统两大部分。中枢神经通过周围神经与人体其他各个器官、系统发生极其广泛复杂的联系。
神经系统是由神经细胞（神经元）和神经胶质所组成。
2）神经系统活动的基本形式——反射。神经系统的一切活动都是以反射方式来实现的，也就是机体对内、外环境的刺激及时给以适当的反应。反射分为非条件反射和条件反射两种。
执行反射的全部结构称为反射弧。反射弧包括感受器、感觉神经元（传入神经元）、神经中枢（中间神经元）、传出神经元（运动神经元）和效应器5个部分。构成反射弧的神经元数目越多，通过的突触及经其调整的信息也就越趋复杂和完善，这里的中间神经元（为在传入神经元和传出神经元之间的一个或多个神经元）是十分重要的，它可把各种信息储存起来，经过多次分析、综合后再做出反应。
人类大脑皮质的思维活动，可能是通过大量中间神经元的极为复杂的反射活动。
感受器→传入神经→反射中枢→传出神经→效应器。
各种刺激作用在不同的受体（感觉器），转变成动作电位，经传入纤维传至中枢神经系统，形成不同的感觉。
感受器和效应器分别是反射弧的两端。感受器是感受刺激的部位，是反射弧的开始。感受器是感觉神经元周围突起的末梢。它能接受刺激，并把刺激转化为神经冲动，由感觉纤维传入中枢引起感觉。而效应器是做出反应的部位，是反射弧的结束，它由传出神经末梢和它所支配的肌肉或腺体组成。
传入神经元（afferent neuron），是直接把信息从感受器传递到中枢的神经元。
运动神经元与效应器相连，执行把中枢神经系统的指令传送到肌肉的功能，使机体产生行动。
3）动作电位的产生。动作电位：神经冲动就是动作电位，神经冲动的传导就是动作电位的传播。
4）神经系统的三大主要功能
①感觉功能：身体内在感受器探测如血的酸度、血压等内在刺激，在外感受器传送由皮肤等身体末端所接受到的外来刺激情报。这些情报经由感觉神经传递至中枢神经。
②综合及指令功能：对于感受器所送来的情报进行分析、整理、判断，并做出适当的决定。
③运动功能：将整理之后的情报，经由运动神经传递至末梢，并执行决定。
在上述功能当中，中枢神经负责综合及指令功能，周围神经则负责感觉功能和运动功能。
3.群体智能
这一节我们来一起看一下神奇的群体智能。
生物圈包括地球上的所有生物及其无机环境。
种群是指在一定空间和时间内的同种生物个体的总和。种群的特征包括：种群密度、年龄组成、性别比例、出生率和死亡率。
生物群落是指生活在一定的自然区域内，相互之间具有直接或间接关系的各种生物种群的总和。
（1）什么是群体智能
群体智能是由众多智能个体的集合所表现出的智能。
定义1.3 群体智能（Swarm Intelligence, SI）是指在集体层面表现的分散的、去中心化的自组织行为。
比如蚁群、蜂群构成的复杂类社会系统，鸟群、鱼群为适应空气或海水而构成的群体迁移，以及微生物、植物在适应生存环境时候所表现的集体智能。
群体智能SI一词最早在1989年由Gerardo和Jing Wang提出，当时是针对电脑屏幕上细胞机器人的自组织现象而提出的，而最知名的细胞机器人系统，如兰顿的蚂蚁和康韦的生命游戏，我们在生物智能小节中已经详细谈论过。
依赖于每个格子单元（细胞）的几条简单运动规则，就可以使细胞集合的运动表现出超常的智能行为。群体智能不是简单的多个个体的集合，而是超越个体行为的一种更高级表现，这种从个体行为到群体行为的演变过程往往极其复杂，以至于无法预测。
（2）群体智能特性
实现群体智能的智能主体必须能够在环境中表现出自主性、反应性、学习性和自适应性等智能特性，但这并不意味着群体中的个体都很复杂。群体智能的核心是由众多简单个体组成的群体能够通过相互之间的简单合作来实现某一功能，完成某一任务。
其中，“简单个体”是指单个个体只具有简单的能力或智能，而“简单合作”是指个体与其邻近的个体进行某种简单的直接通信或通过改变环境间接与其他个体通信，从而可以相互影响、协同动作。
（3）群体智能的实例
案例1-30：协同工作的蚁群
不同的蚂蚁在蚁群中有不同的任务，我们跟踪的蚂蚁负责每天离开巢穴寻找食物。蚁群的惊人之处在于，如此复杂的组织结构并不受蚁后或一小群官僚蚂蚁的控制。蚂蚁们也没有遵循任何计划或任务清单。蚁群的复杂性来自于蚂蚁之间的局部互动。我们观察到的蚂蚁沿着信息素的踪迹前进，这表明该蚁群的其他蚂蚁在附近找到了食物，并在返回巢穴的途中将信息素扔下。因此，信息素的使用是蚂蚁与其他人交流的一种方式。信息素的踪迹会以一定的速度蒸发，因此用处有限。如果其他蚂蚁不沿着这条路走，带回食物，并在这条路上添加自己的信息素，这条路就会消失。但是当其他人成功地利用这条路时，一条蚂蚁的高速公路就会出现。在这样的高速公路上，我们看到一条车道上的蚂蚁空手跟随信息素信号，另一条车道上的蚂蚁把食物带回巢穴。
尽管缺乏集中决策，但蚁群仍能表现出很高的智能水平，这种智能也称之为分布式智能（Distributed Intelligence），蚁群看上去就像一个具有集体智慧的“超级心灵（Super mind）”。
蚁群往往在地面形成非常复杂的寻找食物和搬运食物的路线，似乎整个集体总是能够找到最好的食物和最短的路线，然而每只蚂蚁并不知道这种智能是如何形成的，每只蚂蚁只遵循两条基本的规则：
1）寻找到食物的蚂蚁会在更高品质的路线上留下更强的生物信息素。
2）蚂蚁总是倾向加入信息素更强的路线，并在不断的往返过程中与其他蚂蚁进行反馈，从而让更短的路线被不断加强。
科学家们从蚁群依赖信息获取最优路径的方法上获得启发，创建了多智能体系统算法（Ant colony optimization），即蚁群优化算法，广泛应用于车辆、店铺、人员等各种资源的调度和分配中。
案例1-31：墨西哥人浪
1986年的墨西哥世界杯，我们见证了20世纪最伟大的球星马拉多纳的绝世风采，也见识了世界上最热情的墨西哥球迷创造的“墨西哥人浪”。“墨西哥人浪”因此而得名。在体育场，墨西哥人纷纷站起来，从座位上坐下，形成了一个人的波浪。那么，它们是如何出现的呢？当少数人开始时，其他人可能也会效仿。有多少人需要开始触发波浪，他们坐在哪里有关系吗？
研究发现，在一个能够容纳5万人的球场之中，想要制造人浪，只需要25～35人即可成功。科学家们希望他们的研究能有助于政府控制现场的球迷动向，防止暴力事件的发生。通过分析人浪，可以了解看台上的带头者对其他球迷的影响。人浪的行进速度以及通过何种形式传播开来，这些都是掌握球迷动态的宝贵资料。
案例1-32：编队迁徙的鸟群
鸟类在群体飞行中往往能表现出一种智能的簇拥协同行为，尤其是在长途迁徙过程中，以特定的形状组队飞行可以充分利用互相产生的气流，从而减少体力消耗。
常见的簇拥鸟群是迁徙的大雁，它们数量不多，往往排成一字形或者人字形，据科学估计，这种队形可以让大雁减少15%～20%的体力消耗。体型较小的欧椋鸟组成的鸟群的飞行则更富于变化，它们往往成千上万只一起在空中飞行，呈现出非常柔美的群体造型。
鸟群可以基于三个简单规则就能创建出极复杂的交互和运动方式，形成奇特的整体形状，绕过障碍和躲避猎食者。
1）分离，和临近单位保持距离，避免拥挤碰撞。
2）对齐，调整飞行方向，顺着周边单位的平均方向飞行。
3）凝聚，调整飞行速度，保持在周边单位的中间位置。
鸟群没有中央控制，每只鸟都是独立自主的，实际上每只鸟只考虑周边球形空间内的5～10只鸟的情况。
案例1-33：结队巡游的鱼群
鱼群的群体行为和鸟群非常相似。金枪鱼、鲱鱼、沙丁鱼等很多鱼类都成群游行，如果我们把其中一只鱼分离出来，就会观察到这条鱼变得情绪紧张、脉搏加快。
这些鱼总是倾向于加入数量大的、体型大小与自身更相似的鱼群，所以有的鱼群并不是完全由同一种鱼组成。
群体游行不仅可以更有效地利用水动力减少成员个体消耗，而且更有利于觅食和生殖，以及躲避捕食者的猎杀。
鱼群中的绝大多数成员都不知道自己正在游向哪里。一群鱼似乎在统一地移动，但是没有一条鱼控制或指挥这个群体。什么样的个体行为可以导致这种群体行为？
这些涌现现象可以用自组织系统来研究。对于复杂的自组织系统，我们指的是一组（局部）相互作用的代理，它们不断地对其他代理的动作进行操作和反应。系统中可能发生的一致的紧急行为源于代理之间的局部交互。以鱼群为例，我们可以通过避免局部拥挤、转向本地鱼的平均航向、转向本地鱼的平均位置等简单规则来解释群体行为。鱼群使用共识决策机制，个体的决策会不断地参照周边个体的行为进行调整，从而形成集体方向。
案例1-34：羊群效应
在哺乳动物中也常见群体行为，尤其是陆上的牛、羊、鹿，或者南极的企鹅。迁徙和逃脱猎杀时候，它们能表现出很强的集体意志。
研究表明，畜群的整体行为很大程度上取决于个体的模仿和跟风行为，而遇到危险的时候，则是个体的自私动机决定了整体的行为方向。
英国进化生物学家汉密尔顿WD Hamilton在1971年提出了自私群体理论，另外一个知名的理论是羊群效应，或者叫从众效应。
羊群是一种很散乱的组织，平时在一起也是盲目地左冲右撞，但一旦有一只头羊动起来，其他的羊也会不假思索地一哄而上，全然不顾前面可能有狼或者不远处有更好的草。因此，“羊群效应”就是比喻人都有一种从众心理，从众心理很容易导致盲从，而盲从往往会陷入骗局或遭到失败。
案例1-35：集群行为
集群行为是一种在人们激烈互动中自发的、无指导的、无明确目的、不受正常社会规范约束的众多人的短暂性狂热行为，也称为群集行为、群众行为或集体行为。
集群行为是一种特殊的社会互动。在现代社会中，在某种特殊场合下会发生一种无规则的、以当时的场景为基础的互动现象，如时尚、赶时髦、骚动等。人群的行为很多时候看上去和羊群相似，绝大部分人的行为是盲目跟风的，他们只是根据周边人的行为来行动，如果人群中5%改变了方向，其他人就都会跟随，进而让整个群体改变方向。
当人群中突然出现危险因素的时候，整个人群就会像鱼群遇到鲨鱼一样躲避，但由于个体年龄体质问题导致行为能力相差很大，互相之间更缺乏鸟类之间的气流或者鱼类之间的水流动力，因此，很容易在紧急情况下造成混乱，甚至踩踏伤亡。
人类的群体行为更多地表现在交通、股票、营销和传媒领域，越来越多的企业和机构，正在利用大量的用户数据信息和优秀的算法，对人群行为进行模拟，从而实现更好的经济目标或社会目的。
案例1-36：细菌和植物
细菌和植物也能够以特殊的方式表现出群体智能行为。
培养皿中的枯草芽孢杆菌根据营养组合物和培养基的黏度，整个群体从中间向四周有规律地扩散迁移，形成随机但非常有规律的树枝形状。
而植物的根系作为一个集体，各个根尖之间存在某种通信，遵循范围最大化且互相保持间隔的规律生长，进而能够最有效地利用空间吸收土壤中的养分。
植物中没有神经与神经网络，但植物细胞间有信号传递，这种传递信号的分子组，与神经细胞间传递信号的分子组非常类似。毫无疑问，植物的生长发育过程涉及植物各部分之间的信号交流，分生组织接收信号。一般认为植物的反射弧在所有条件下都是不变的。
4.系统智能
群体智能SI可以视为系统智能（System Intelligence, SI）的一个特殊情况。系统智能可以视为所有智能的根本模式，我们将从系统智能中揭示智能的真正来源。
（1）什么是系统智能
系统（System）泛指由一群有关联的个体组成，根据某种规则运作，能完成个别元件不能单独完成的工作的群体。所有智能的表现都依赖于某个系统才能实现。
系统智能是由多种有机或无机元素组成的复杂系统所表现出的智能。
诸如自然界的石、木、山、水等生态系统，乃至一个星球，它们都可以在科学现象的支配下，遵循自然规律，感应外界信息，交换物质能量，有序耗散运行。因此，物理实体系统也可以定义为是一种原始智能系统。而且，不管是在人类尚未诞生的宇宙洪荒年代，还是地球消亡，太阳系（或宇宙）中的基本自然规律，都不会有任何改变，都会继续按照其生命周期的节奏，继续以上述原始智能永久地运行下去。
定义1.4 如果一个系统能够独立而有效地解决某种问题，那么这个系统就是智能的。
（2）系统智能实例
案例1-37：羚羊峡谷（Antelope Canyon）
位于美国亚利桑那州的羚羊峡谷（Antelope Canyon），是世界上著名的裂缝峡谷之一，也是摄影圣地，因为这里的岩石有着神奇的造型和优美的流线纹理。
砂岩的质地相对比较软，数百万年来，地壳的裂缝变化，加之暴雨洪水的不断冲刷，以及经久的风力侵蚀，各种综合自然力量形成了如此神奇的地貌。
羚羊峡谷并非唯一，在我国陕西延安市也有类似地貌的雨岔峡谷。
案例1-38：巨人堤道（Giantˈs Causeway）
大自然之力建造的奇迹很多，其中另一个就是北爱尔兰大西洋沿岸的巨人堤道（Giantˈs Causeway）。总计约4万根六角形玄武岩石柱组成8km的海岸，有的石柱高出海面6m以上，最高者达12m左右，石柱连绵有序，呈阶梯状延伸入海，非常壮观。
巨人堤道的成因可以追溯到1亿多年前的白垩纪，地壳运动引起的火山喷发，火山熔岩不断冷却结晶后形成规则的六边形状态。
类似的天然石柱群在美国加州魔鬼柱公园、中国江苏六合县、苏格兰斯塔法岛等多处都有存在。
案例1-39：珊瑚王国
生命是大自然创造的最伟大奇迹。生物群及其生活环境在陆地和海洋中构成了各种不同类型的生态系统。
在阴暗冰冷的海底世界，珊瑚礁无疑更像一片仙境：五颜六色的海洋动物游弋在奇形怪状的珊瑚丛中，形成海洋中最复杂的生态系统之一。一丛珊瑚是由许多珊瑚虫聚集一起形成的（有时候，人们把那些作为装饰品的珊瑚虫的骨骼也称为珊瑚）。作为腔肠动物的珊瑚虫种类多达数千种，主要分布在热带地区的海洋中。以其顽强的生命力。珊瑚虫经受了地球20多亿年各种生态变化的考验，无论是火山爆发还是大陆漂移。
然而，最近人类百年的活动，已经让珊瑚虫这个物种面临了灭顶之灾。
案例1-40：城市生命体
物竞天择，达尔文的进化论指导着大千万物生生不息的发展。城市也是生命体，承载着人类社会的进步。从人类文明进程来看，有一个明显的发展轨迹。原野随着人类活动的增加，进化成为乡村；运输能力的提升，进化成为城市。道路就像城市的血管，承载着各种客流、车流、物流。为信息传输单独修建了光纤城域网，让信息数据流也有了自己的、独特的道路，这是智慧城市的血管，血管里流淌的是各种网络数据包。
（3）系统智能的进化
自然进化中产生的有效解决问题的方法。
风、雨、潮汐以及地壳运动，整个气候系统的协同运作，创造了各种富有智能表现力的“神迹”，可以是异常规则的地貌特征，也可以是诡谲难测的飓风、地震、火山爆发。
生物依赖于细胞内的各种物质共同的化学反应，使其能够适应环境获得生存机会。完全由生物体组成的蚁群、蜂群，通过个体之间的协作完成更为复杂的高智能行为。各种生物以及人类加之其赖以生存的周围环境，则形成了更为复杂的生态系统，丛林的繁茂，城市的兴盛，以至于国家民族之间的战争，都展示了更大系统才能表现的智能行为。
智能的发生有两种复杂行为：自组织和涌现。
1）自组织，一种进化的力量。自组织（Self-organizing）现象无论在自然界还是在人类社会中都普遍存在。
有机系统和一些社会系统具有的最神奇的功能，是它们能够通过创造全新的结构和行为，彻底改变自身，在生物系统中，被称为“进化”；在人类社会、经济领域，则被称为技术进步或社会革命。用系统的语言讲，这就是被称为“自组织”。
自组织是系统具有最高适应力的表现形式，一个能够自我进化的系统，可以通过改变自身，来适应各种变化，以维持生存。
从进化论的观点来说，“自组织”是指一个系统在“遗传”、“变异”和“优胜劣汰”机制的作用下，其组织结构和运行模式不断地自我完善，从而不断提高其对于环境的适应能力的过程。达尔文的生物进化论的最大功绩就是排除了外因的主宰作用，首次从内在遗传突变的自然选择机制的过程中来解释物种的起源和生物的进化；DNA携带的遗传代码是所有生物进化的基础，由4种不同的字母组成，每3个字母组合成不同的单词，数十亿年来，进化了各种各样的生物，其中最有代表意义的就是恐龙和人类，分别统治了地球。
从简单到复杂，进化本身是建立在简单规则和反馈的基础上的，简单规则无意中创造出了复杂的系统。这一过程体现出自组织的能量。进化是盲目而有创意的，其开发形成复杂系统的能力不可思议。组织现象在整个自然界随处可见。自组织系统和自组织过程其实不仅非常普遍，而且与人类社会的关系极为密切。
根据耗散结构理论，德国生物学家哈肯认为：“进化原理可理解为分子水平上的自组织，以最终从物质的已知性质来导出达尔文的原理”。这为生物的进化提供了初步的解释。
从组织的进化形式来看，可以把系统分为两类：他组织和自组织。如果一个系统靠外部指令而形成组织，就是他组织；如果不存在外部指令，系统按照相互默契的某种规则，各尽其责而又协调地自动地形成有序结构，就是自组织。
2）智能涌现。第二个概念是涌现（Emergence），它描述的是一种现象，即整体总是具有一些特别的属性，而这些属性并不存在于构成整体的子单元中，而这些整体的特殊属性又是依赖于子单元的相互作用而产生的。
比如温度，一杯水有温度属性，但杯中的每个水分子都没有温度这个属性，这个整体的温度属性，是由全部水分子的热运动而共同形成的。这里，我们把每个水分子的状态称之为微观态（Microstate），把整杯水称之为宏观态（Macrostate），那么我开可以说，宏观态上可以涌现出微观态不具有的新属性，而这种新属性正是微观态综合作用的结果。
另外一个直观的例子是球队，每个人都不具有“阵型”这个属性，但是当11个人组成足球队上场之后，就有了“阵型”这个属性。类似的还有很多，比如公司、社区、国家、民族等。
只用一个数字，你可以显示0～9共10种可能，但使用两个数字，我们就可以显示100种可能。
在信息概念中，1+1大于2，或者1×N>N的情况非常普遍，自然界中微观态之间相互作用，往往并不是我们可以用加减乘除数学符号所能完全表达的。
正如蜘蛛侠电影中的沙人角色一样，每个沙粒都如此简单，但由沙粒组成的人却能跑能跳，能说会道。这虽然是个科幻角色，但我们的人体又何尝不是众多普通细胞构成的？
智能是一种涌现现象，正如人体每个细胞都不会跑步、不会唱歌、不会吃东西一样，每个细胞也无法思考。对于智能现象，我们既要从微观细胞的新陈代谢和生物化学反应中对智能现象追根溯源，更要关注细胞的分化、器官的功能以及如何影响整个物体宏观智能水平的提升。