• 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）。
• 人工智能可以被定义为“在计算机内部复制智能或智能的一部分，至少在外观上”（避开智能本身的定义）。
• 遗传算法是计算问题解决工具，可以找到并改进解决方案（它们学习）。

因此，遗传算法是一种人工智能。

关于规模，我不认为这是将 GA 定义为 AI 与否的重要因素。同样的方式，我们可以简单地将不同的生命形式分类为或多或少的智能，而不是仅仅说智能或不智能。

最后，让我们做一个重要的区分：我们的大脑是自然选择的产物，但大脑本身并没有使用相同的原理来获得智能。

这可能更多的是哲学问题。就事物的一般定义而言，我会说“是的，遗传算法是人工智能的一部分”。如果你拿起一本关于人工智能的综合书籍，可能会有一章关于遗传算法（或更广泛地说，进化算法）。

过去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。我不知道人们是否还在积极研究这个话题，但它至少说明了 GA 在某个方面是 AI 整体规则的一部分。

遗传算法 (GA) 中使用的遗传学概念相对于自然界中的遗传学而言是一个非常精简的版本，本质上由一组“基因”（代表某些预定义问题的解决方案）组成，在迭代过程中受“适者生存”的影响重组和突变的应用。

如今，“计算智能”（CI）一词往往被用来描述旨在“通过任何计算手段产生智能外观”的计算技术，而不是专门试图模仿被认为会产生人类的机制（或动物）智力。

也就是说，CI 和 AI 之间的区别并不是那么严格和快速，并且可以说是在“AI 冬天”期间出现的，当时 AI 一词已经过时。

人类智能不是自然遗传算法的一个例子。

遗传算法具有解决方案的集合，这些解决方案相互碰撞以产生新的解决方案，最终返回最佳解决方案。人类智能是一个进行信息处理的神经元网络，几乎所有神经元的行为方式都不相同。

但是，某些东西的行为方式与人类智能不同并不意味着它不是人工智能算法；我会将“遗传算法”作为一种数值优化技术，由于优化和智能紧密相连，任何数值优化技术都可以被视为一种人工智能技术。