遗传算法是人工智能的一个例子吗？

既然人类的智能大概是自然遗传算法的功能，那么在计算机中使用遗传算法是否是人工智能的一个例子？如果没有，它们有何不同？抑或是根据算法的规模及其演变成什么来表达人工智能？

• 通常归因于智力的能力是解决问题的能力。
• 另一个是学习（从经验中提高自己）。
• 人工智能可以定义为“至少在外观上在计算机内部复制智能或其一部分”（避开了智能本身的定义）。
• 遗传算法是计算问题解决工具，可以发现和改善解决方案（他们学习）。

因此，遗传算法是一种人工智能。

关于规模，我认为这不是将GA定义为AI的重要因素。以同样的方式，我们可以简单地将不同的生活形式归类为或多或少是聪明的，而不仅仅是说聪明或不聪明。

最后，让我们做出一个重要的区分：我们的大脑是自然选择的产物，但是大脑本身并没有使用相同的原理来获得智力。

这可能是更多的哲学问题。关于事物的一般定义，我会说“是的，遗传算法是AI的一部分”。如果您读了一本有关人工智能的综合书籍，则可能会有一章涉及遗传算法（或更广泛地说，是进化算法）。

过去已经广泛研究的一个领域是使用遗传算法训练神经网络的想法。我不知道人们是否仍在积极研究这个主题，但至少可以说明，就某一​​方面而言，遗传算法是AI总体规则的一部分。

相对于自然遗传学，遗传算法（GAs）中使用的遗传学概念是一个非常简化的版本，主要由一群“基因”（代表某些预定义问题的解决方案）组成，在迭代过程中会遭受“优胜劣汰”重组和突变的应用。

如今，术语“计算智能”（CI）倾向于用来描述旨在通过任何计算手段产生“智能外观”的计算技术，而不是专门尝试模仿被认为会导致人类发展的机制（或动物）的智力。

就是说，CI和AI之间的区别并不是那么一成不变，并且可以说是在AI术语过时的“ AI Winter”时期出现的。

人类智能不是自然遗传算法的例子。

遗传算法具有相互冲突的解决方案集合，以生成新的解决方案，最终返回最佳解决方案。人类智能是神经元进行信息处理的网络，几乎所有神经元的行为方式都不相同。

但是，某些事物的行为方式与人类智能并不相同，这并不意味着它不是人工智能算法。我将把“遗传算法”作为一种数值优化技术，并且由于优化和智能之间有着紧密的联系，因此任何数值优化技术都可以看作是一种AI技术。

要回答这个问题，您必须首先知道什么是智能，并且由于在智能与非智能之间没有清晰的界线，因此这个问题更多是哲学而非技术。

在我看来，智力是定义问题并找到使用记忆和推理解决问题的方法的能力。由于遗传算法遵循这种结构，因此我可以说它属于人工智能类别。