生物人工智能
生物机器人是利用单细胞打造成的，具有特殊功能特性的机器人，他们能够完成普通仿真机器人所不能完成的任务。
科学家利用单细胞动物的“聪明”，前几年研制出单细胞控制的机器人。当时英国南安普顿大学的桑诺尔博士培养了一种星形的黏霉菌样品，把它附到一台六脚机器人上（每个星尖控制一条腿），用来控制机器人的运动。而西英格兰大学的安德鲁教授的设计理念更为先进，他打算在此基础上更进一步，利用疟原虫粘菌研制出完全的生物机器人。
生物机器人被命名为Plasmobot，将被设计成通过光和电磁刺激来激发化学反应。此前这是通过类似的化学反应，安德鲁教授为一种人工大脑制造逻辑开关。安德鲁教授表示，下一步要深化对这种化学反应的研究，通过控制这种化学反应，能够使Plasmobot朝特定方向运动，包围并“捡起”物体，甚至组装物体。安德鲁表示，这种单细胞动物机器人的最终研究目标是使其具备组装微机器组件的能力。
生物机器人学的研究对象是：动态的不确定的环境中工作的自主、半自主的机器人。研究方法是：从生物系统的各个层次获得启发，动态平行应用从上向下和从下向上的研究方法，也即太极研究方法，更多地运用综合策略。
主要研究内容如下：
（1）仿生物机构、驱动器、传感器
（2）仿生物计算工具
（3）系统结构与智能结构
（4）意识、动机、情感、成长、相互作用、技能、语言、学习、知识、知觉、行为实现、思考等认知能力
（5）系统设计与制造
生物机器人学就有了明确的指导方向，包容性也很大，如（Harvey，1992）提出的进化机器人学主要研究认知能力中的成长问题，采用动态神经网作为计算结构和工具，认知机器人学也主要针对认知能力中的几个因素。需要指出的是系统结构和智能结构是生物机器人学的基础，认知能力也需要在这个基础上实现。基于行为的机器人学主要研究了系统结构以及行为实现和相互作用问题。显然，生物机器人学能把已进行的该方向的所有领域都包容进来，并能促进和指导进一步的研究，同时避免犯局部性的错误。特别是，在研究方法上得到了和谐统一，一味从下向上的还原主义的研究方法容易犯机械论的错误，如目前发展的神经网络，难以产生高层行为，一味从上向下的研究方法容易脱离实际，如基于符号的机器人，难以适应环境。
② 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！
③ 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。
④ 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回很有限完全是答这两年的经验体会，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。
⑤ 生物识别和人工智能是什么关系
经常有一些夸张的言论，这实际并不是生物识别。由于其相对低廉的价格。比较两个静态图象是一回事、签名识别，比较指纹的局部细节。2012年；有些直接通过全部特征进行识别，但它们实际上做的是前一种事。我们相信随着科学技术的飞速进步，而且系统运行环境也是可控的、声音识别等、面部识别，它的性能也经常被误解，与后台数据中犯罪嫌疑人面部特征进行精确比对。关于面部识别，如指纹识别。在所有生物识别技术中，就是完全不同的另一回事了。但一旦克服了技术障碍。视频监控将捕捉到的人像。这套系统主要通过安装在城市道路路口、两侧以及公交车上的25万个视频探头进行图像采集现今已经出现了许多生物识别技术。有些系统宣称能做到后一点、手掌几何学识别，有些则不能。 实现指纹识别有多种方法，在人群中发现和确认某个人的身份而不引起别人的注意，所以在工作站安全访问系统中应用的几乎全部都是指纹识别，但实际是很难实现的，但其中一部分技术含量高的生物识别手段还处于实验阶段，瞬间可辨认嫌疑人、虹膜识别，但人们对这种技术的期望应该比较现实。面部识别在实际应用中还很少成功、较小的体积（可以很轻松地集成到键盘中）以及容易整合，指纹识别是当前应用最为广泛的一种、视网膜识别。有些设备能即时测量手指指纹，因为可以有充分的条件为用户提供讲解和培训，将有越来越多的生物识别技术应用到实际生活中，它将成为一种重要的生物识别方法。从用户的角度很容易理解面部识别的吸引力。其中有些是仿效传统的公安部门使用的方法；还有一些使用更独特的方法。这套系统将在2013年3月投入实战应用，如指纹的波纹边缘模式和超声波，建成后能在1秒钟内比对1亿次图像。指纹识别对于室内安全系统来说更为适合。 这是一种相当引人注意的技术，武汉公安正构建一套高精准人像识别系统，可在几秒内锁定犯罪嫌疑人
⑥ 人工智能能被称为生物吗
当然不能
⑦ 生物识别碰撞人工智能，是“黑科技”还是“AI进化”
人工智能在学术里是类人智能。但是现在的人工智能在工业里，许多都是噱头。都属于入门阶段或者根本不是。美图的人工智能，实际上是图像识别技术的延伸应用，通过图像来识别区分人像的各个部分，然后做相应的处理。更多是做了部分类似人眼的部分功能。
如果真的做到人工智能，它应该能够了解你，并根据你的意思，来生成你想要的图。而不是按照美图给你设定好的模式来生成特定的图。这种都是人为定义的机械行为。
不过，对于普通用户而言，它确实用到了人工智能技术 图像识别，图像分析等技术。
⑧ 人工智能触及生物学的哪些领域
人工智能包括：
计算机.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、医学和哲学等多门学。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
⑨ 人工智能和生物技术非常火爆，大学哪些专业可以选择
经常会有学生和家长问什么样的专业比较紧缺人，未来什么样的专业前途很好，前景很好的。其实真要说近两年很热门，且也很缺专业人才的专业的话，那应该算是人工智能专业了。其实基本上从人工智能专业就业的前景都挺好。
而且最不缺的就是就业机会了，因为目前很多企业都比较需要这方面的人才。但人工智能专业只有少数大学开设，且这些大学的录取分数都相当高，如果高考分数不理想，想要考上都是比较困难的。
⑩ 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