我确实在研究复合智能，因为这是 Google 正在尝试的方向。我找不到任何依据。换句话说，拥有一组人工智能专家系统似乎并不能提供任何集体智慧。您还需要某种可以决定使用哪个系统的控制程序。目前，谷歌依靠用户来选择。如果谷歌能够创建一个独立的控制程序，它就已经出局了。这似乎不是复杂性或代码调整的问题，而是人工智能的基本限制。

随着人工智能向更高的复杂性发展，群体智能、复合智能或群体智能可能会成为一个重要的概念。这些术语是否应被视为同义词是值得怀疑的。

生物学中的复合特征是生物体从单细胞发育过程中分化控制的结果。生物学中的复合是跨相似元素执行的单一功能。

蜂群是不同生物在附近活动的结果。蜂群在生物学中是复杂的独立行为的相似性，这些行为看起来是协调的，但通常作为对捕食者的防御。

群体智能可能不同于复合智能，因为相邻的单位可能是一致的或反对的，就像群体中的智能生物一样。组内协议允许多种型号。我们称它们为意见，但它们是模型与问题的不同匹配，产生不同的预测并从组的选项中提出不同的选择。

在这个问题和许多其他问题中出现了一般和强大的术语，而且似乎主要由于历史原因，可能会继续阻碍清晰度。

所有智能都是通用的，因为它从特定经验中学习通用性，然后将该通用性应用于未来场景，以实现这些场景中的目标。使通用性的应用变得智能的原因在于它被期望能够工作，因为它一直在为类似的场景工作。

所有智能都是特定的，因为它仅限于已发现的一般性的范围。某些技术明显比其他技术更通用，因为它们据称是独立于领域的。我们称之为数学。

因此，人工智能的发展不是一条从具体到普遍的道路，而是发现普遍性并将其应用于具体的道路。可以说，应用于计算机的最普遍的数学思维是应用人工智能的主要活动，随着更复杂的数学在工作软件和硬件中表现出来，所出现的能力也变得更加复杂。

通用性具有更大的复杂性，因此它们可以应用于更多的特定场景。这不是实力上的提升，而是潜在应用广度上的提升。

Physalia physalis 是四种类型的生物的共生菌落，即 pneumatophore（或漂浮物）、dactylozooids（长触须）、gastrozooids（喂食触须）和 gonozooids，它们产生生殖配子。为了避免打破动物的历史概念，这些生物被称为息肉。菌落的毒液不是来自这些生物中的任何一种，而是来自另一种共生生物——刺胞细胞，它附着在触须上并在严格控制的条件下释放。

除了所有这些共生关系之外，还有几种鱼类利用群落来遮荫和保护，群落让它们在触须之间游动，并对刺胞细胞形成部分免疫。这些复杂的共生网络尚未被完全理解，但它们似乎运作良好并创造了可持续的物种间系统。

生物体不太可能在其一生中适应或记忆，但每个生物体的 DNA 都以一种类似于智能的方式参与其中，因为殖民地及其共生体已经适应了海洋表面及其生物学。

认为生物圈系统是广义智能的第一个例子的想法很可能是因为卓越的设计是从进化过程中产生的。提出人类智能是神经元中较慢的 DNA 复制在较大生物体中的较慢速度的方法，这并不是完全荒谬的。由于生长的代谢需求减缓了具有更多细胞数的大型生物的进化，这些大型生物可能需要开发一种方法来实现其低等祖先的灵活适应性。

神经病学有助于近似进化的某些方面，并且可能是重新获得灵活适应性的最自然的解决方案。

试图将这些不同的想法应用到自动驾驶汽车的当前和持续发展中，揭示了理解上的差距。我们还没有开发出数学来理解如何在实验室中使用复合、群体或群体智能来完成受控执行场景中明确定义的问题。这可能是在车辆控制中使用这些想法的先决条件。

未来汽车的系统设计可能就像一群独立或半独立的组件，每个组件都有自己的角色和用途。复合、群体和共生设计可能会发展。当前车辆在道路上或机场附近空中的活动就像一群，所以这个想法的应用是显而易见的：避免碰撞。

随着机组容量的增加和风电场规模的增加，安全运行的风电场越来越受到关注。在影响风电安全运行的诸多因素中，远距离雷击是一个重要方面。智能雷电监测系统用于风力发电机组的监测，实时、准确地监测雷电流波形、幅值、雷击发生时间等所有雷电imp参数，从而提供有效的监测和快速定位风力发电机故障位置及故障原因的分析工具，为风力发电机防雷系统的设计提供理论依据。