到底什么是智能？

到底什么是智能？

智能简单讲，‘智’是对输入、处理、输出这一过程的概括，‘能’是智的这一过程对外界所产生的作用。
例如：人，给辆车能开。煤气报警器，闻到味能叫。
<hr/>补充一下：
冰笛：什么是智能

这是一个非常好的问题，作为一名科技工作者，我来回答一下这个问题。
首先，人工智能概念从被提出到现在虽然已经经过了半个多世纪，但是关于人工智能的定义却依然存在一定的争议，而且随着人工智能技术的不断发展，人工智能概念本身也在不断完善，所以既然人工智能本身的定义尚未明确，判断的标准也自然就很难拿捏。
虽然当前人工智能概念的定义尚没有完全明确，但是目前人工智能的研究方向主要集中在自然语言处理、机器学习、计算机视觉、自动推理、知识表示和机器人学等六大方向上，而这六大方向的研究也在不断推动人工智能技术向前发展。从目前的研发和应用情况来看，计算机视觉和自然语言处理这两个领域的热度比较高，一些基于这两个方向的人工智能平台也得到了一定的落地应用。
目前行业领域对于人工智能产品的智能化判断，通常都会有一个“行业标准”，以自动驾驶领域为例，当前自动驾驶就分为了6个级别，不同的级别也有相应的判断标准，这为自动驾驶领域的发展起到了一个比较积极的作用，不同企业可以根据自己的资源整合能力和研发能力来制定发展目标。实际上，对于行业企业来说，智能化行业标准的制定对于整个行业的发展会起到比较重要的促进作用，不仅有利于行业生态（产业链）的打造，同时也有利于企业间的技术交流。
从当前大的发展环境来看，智能化是产业结构升级的重要目标之一，所以当前不同行业领域制定自己的智能化判断标准还是比较重要的，而且不同行业在制定标准的过程中，也可以结合本行业的实际情况，这些标准也更容易得到落地应用。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

蛆虫是简单的反射，猪狗是直接的经验，这些都不是智能。
智能象是借助于【非公式化的推理】来认识事物的能力。但所有学习到的推理过程都象是公式化（规则化）的。也许有创造性的过程才能算做是智能，但创造是一个【从无到有】的过程，推理却必须来自于【有】。若不能肯定穷举是创造力的必要前提，就能说明我们对创造力的本质还不够了解。——看起来，智能缺少一个标准化的的定义。
一种可能是，机器永远无法获得智能，最多只是打着智能的幌子，做着自动化的事情罢了。另一种可能是，机器在穷举、特征制导、推理和学习的基础上实现了屈居于人下的智能。最后一种可能是，机器最终超越了人的智能。屈居于人下的智能是胆子够大且相对务实的预见。

我就抛砖引玉吧，我不是此领域的专业人士
智能是对信息的处理能力。信息是符号化的、概念化的。      这种说法不知对不对？
这个问题和判断一个对象有没有智能，有些接近。若我们能准确的判断很多对象有没有智能的时候，我们就知道什么是智能了。智能大多封闭的一个黑箱里的，我们并不能直接观察到。我们大多看到一个装置，有输入有输出，对输入会产生有目的性的应激反应输出，我们就说他有智能。智能一定不是水自动的向下流，也不是两个石块相碰后的分道扬镳。一个人有智能的装置， 一定对外界有感知，而且这个感知的输入过程中一定是符号化的，甚至是概念化的，不能是直接的物理量传递。不知道我这种想法是否抓住了智能的本质？
又，一个具体的图灵机，一段程序是有可能实现一种智能的，那一个什么样的装置可以支撑图灵机运作呢？这种装置最简单的形式是什么样的呢？
这个问题其实就是智能下限的定义。

看了20200318以前回答。觉得，这个问题其实就是智能的定义或智能下限的定义。
这个问题不好回答，最主要的是语言交流的局限性。看似一个简单的问题，其实内在的歧义很多。

智能就是认识世界和改造世界的能力。为了达此目的，对世界万物及其联系建立模型是关键。有了模型就可以做出更好的预测以达到认识世界的目的，有了模型还可以做出更好的规划以达到改造世界的目的。而测量模型的好坏的终极目标函数就是信息论中信息熵 。这里， 为基于概率的模型，而信息熵给出模型的不确定性。当模型的信息熵越小，模型的不确定性就越小，利用模型做出预测或者规划时的可靠性就越大。所以，模型的信息熵越小时模型就越好，模型的信息熵 就是建模的终极目标函数。