通常，我从感知控制的角度来考虑智能。[1] 智能的一个相关但不同的定义是（至少部分）限制可能的未来状态。例如，一个聪明的国际象棋选手的未来很少会出现“输给较弱的对手”的状态；他们能够做出改变，将这些状态转变为“在国际象棋中获胜”状态。

这些都是对智力的广泛而连续的定义，我们可以在这里谈论程度的差异。日晷不会对其环境施加任何控制。它被动地投下阴影，所以没有值得一提的智慧。另一方面，连接到加热或冷却系统的恒温器确实对其环境施加控制，试图将其传感器的温度保持在某个优选范围内。所以恒温器确实有智能，但不是很多。

自动驾驶汽车显然符合智能的这些定义。

[1] 控制是在控制理论的背景下表示的，控制理论是工程的一个分支，它处理动态系统，这些系统感知有关外部世界的某些事实，并有办法改变这一事实。当感知与观察明确对比时，它通常指的是观察的抽象特征（您观察单个像素的光强度，您会感知它们所代表的苹果），但在这里我的意思是它是包含观察的超集。恒温器是一个动态系统，它感知温度并对其感知的温度施加压力。

（这里有一个哲学观点，即恒温器直接关心其传感器读数，而不是“实际”的温度。我认为这不应该包含在智能中，应该有自己的名字，因为了解差异在感知和现实之间，并寻求确保一个人的感知与现实准确是另一件似乎部分独立于智力的事情。）

要问是什么让系统变得智能，几乎是在回避“在这种情况下，我们所说的人工智能是什么意思？” 我认为这就是这个问题的真正意义所在。

从我的研究中，我发现“人工智能”是一个吸引人的术语，但可能具有误导性，它让人联想到这些将接管地球的自动驾驶汽车和机器人。

我发现人工智能和“智能”系统更代表的是对我们有用的帮助或支持，而不是因为我们而工作的帮助或支持……听我说：

对我来说，跳转到智能系统的原因是系统开始“适应/学习”或以其他方式做我没有直接告诉它去做的事情的步骤。使用日晷，我用手测量和切割它的每一寸，并以特定的方式将其放入以做特定的事情。

当一个程序员进入他自动化的汽车时，它可能会做一些他没有直接编程甚至可能无法预料的事情（仅举一个例子：查询一些数据库以查看很多人正在开车到某个地方，发现一场音乐会正在举行在那里，并询问司机是否需要路线/门票）

--

总之，对我来说，智能系统是我们以教育和支持我们的方式构建的系统，而不是我们自己“教育”完成特定任务的系统。即使我们没有告诉它什么是“理性”行为，也能阐明、适应和“理性”行动的支持系统。

情报是为某种目的服务的行动的效率。

日晷和自动驾驶汽车都是智能系统。

任何为某种目的服务的东西都表现出智慧。

如果一件事以更少的步骤达到某个目的，它就会比另一件事更聪明。