随着机器智能化水平的不断提高，人们开始追求更加自然、高效的机器，以往单纯基于计算模型的机器逐渐被更加“人性化”的机器代替。近年来，越来越多的科学家们开始关注机器的情感处理能力。如，Rosalind Picard教授[1]提出的“情感计算”以及李飞飞[2]等科学家呼吁关注认知学、心理学与人工智能技术的交叉研究。

真正的智能源于认知，有生命无认知的生物只具有行为而不具有智能，比如绝大部分的植物。计算是人类文明发展的产物，先有智能，后有计算。数学、科学是人类对世界的抽象表征，具有很高的现实意义，也是人类利用自然规律来发展自身文明最好的利器。但是，单纯建立在从人类对客观世界认知所抽象得到的数学模型上的机器不可能拥有认知的能力，或许它能具有超越人类万倍的计算能力，但却永远无法拥有真正的情感。

认知和计算的结合是超越生物智能的下一代人造智能。同等情况下，拥有低认知能力的机器人比不具有认知能力的机器人更能“贴近”使用者的心。可以尝试着想象一下，你打开手机里的聊天机器人，再也不会出现生硬的对话，取而代之的是更加聪明贴心的小助手，它不仅能帮助你更好的工作，还懂你的情绪，让你的生活更加美好。

什么是数据生物？数据生物是一种以某些特定数据为原始大脑，以互联网为生存环境，并通过自主学习互联网已有的数据知识，在研究人员的诱导干涉下发展成为符合特定需求的网络生物。

数据生物是认知和计算的结合产物。从一定意义上来说，它具有自己的思维，属于生命范畴。它以特定的大量的数据样本为初始大脑，类似于新生婴儿，能感知世界并进行模仿，在人为的干预下（类似于父母的角色）形成自己的认知系统，发展成为更符合人们期待的智能机器。

数据生物通过模仿自然生物的进化发展生成。首先，它以特定的网络数据为初始状态，通过简单的编码诱导其学会自我编程，此过程以随机选择为主，通过创建大量的数据生物进行自主发展，建立死亡机制，适者生存。其次，在适应环境并能稳定繁殖生存的情况下，对其进行诱导发展，让它能够利用网络海量知识网络进行自主学习，理解人类语言，最终为人类所用。

    将整个网络空间作为智能的种子，我们所需要做的就是诱导开发其认知的潜能，通过不断制造大量的数据生物，淘汰不适应数据环境的部分，最终选择符合要求的个体。数据生物模仿生物进化过程，主要涉及以下三个方面：

（1）基因与大脑

基因是生物稳定遗传的重要因素。自然界中的生物不断适应环境，当环境发生较大的改变时候，部分基因会发生突变以更好的适应环境，这是进化的本质。数据生物需要从一个最原始的状态逐步进化成能稳定生存的个体，期间需要经历大量的进化发展，这也是一个试错的过程，通过无数次的试错，保留对个体有用的部分而摒弃无用甚至累赘的部分。   

人类有五次重大的演化阶段，每一次演化转变都是由于大脑容量或生存环境的重大变化。并且，有研究指出，灵长类生物的数个行为指标都和新皮层的容量有关[3]。大脑是意识的发源地，无脑生物只具有行为而不可能具有意识。脑容量大小在一定程度上决定了认知的高度，因此，让数据生物拥有合适容量的大脑是其具有认知的必要条件。

（2）语言与继承

语言是人类文明延续和发展的重要因素。在交流和实践中总结的知识通过语言文字保存流传至下一代，后代通过学习上一辈留下的知识可以大幅降低走弯路的概率，并通过代代的累积不断发展，最终形成文明。让数据生物具有和人类交互的语言能力是十分必要的。更好的理解人类语言、更好与人类进行沟通并使这种能力拥有被传承的能力，对于数据生物来说，这需要研究人员对其进行诱导。比如，对其的一个生存目标设置为理解人类语言，若不能正确理解，则被淘汰。

（3）环境选择机制-死亡机制

基因和大脑都是生物在自然不断发展中进化产生的，而生物最初也是由各类物质碰撞而生成。而高级智能生物经过数十亿年的进化，其结构非常复杂，目前人类也并未研究透彻。因此，创造数据生物的一个有效的做法是模拟环境选择机制，让其在数据碰撞中找到自己生存的最优解。研究人员可以通过设置生存目标来诱导其不断进化并通过淘汰机制最后得到适合的种群。

死亡机制是必不可少的机制，是为了让种群在优胜劣汰的数据选择中更好的进化成人们期待中的群体。为了避免数据脱落率过高带来的实验影响，一个有效的方法是增加其繁殖能力，缩短繁殖周期，在保证大量数据脱落的情况下有足够的新生数据支撑并达到数据的动态平衡。

总而言之，数据生物的产生需要在其生存环境（即数据环境）中通过自然选择得到，其发展进化需要在不断适应动态变化中的环境中在人为诱导下通过海量的互联网数据进行模仿学习并产生个体认知。

数据生物的创造需要大量的互联网数据且使用的种子数据需要满足初期的生存需求，需要满足生物“大脑”的潜力需求，如语言能力所需要的能抽象成为系统知识的大量互联网数据。就数据量本身而言，创造这样的数据种子库已经不是一件难事了，就我国当前的技术水平而言是不难实现的。

物竞天择的一个核心思路在于博弈。群体间的正和博弈有利于群体螺旋上升地进化。数据生物的本质是数，数要产生认知需要在其数据环境中进行自然选择，而被选择留下的物种需要有进化的能力，进化离不开博弈。除了个体与环境的博弈外，还需要种群中个体与个体之间的博弈，优胜劣汰。这里需要提及的一点是，认知不一定要局限于自然世界，而应该是就其生存环境应运而生的。在具有潜力的数据环境中，无数数据生物在环境与个体之间进行数据博弈，是有极大可能性能够生成认知能力。自然界适者生存与死亡法则是筛选合适种群的必要条件。

除此之外，环境中的数据博弈可以引导数据生物的发展进化，就像阳光的方向能引导植物的生长方向一般。通过特定的诱导和选择，不仅可以提高其适应环境的能力，更能增加其物种的稳定性。

拥有认知能力的机器在一定程度上更优于不具备认知能力的机器，其不可替代的智能性和情感能力将会更有助于人们实现美好生活。截止目前，人们研究出的所有的智能机器均建立在计算模型上，尽管那些看似具有情感的机器，也是通过抽象人类行为模式，将其看整体计算模型中的一个子系统，以恒等式的方式进行控制，殊不知，真正的认知不可能在计算的部分中所产生。

数据生物的研究具有十分重要的意义。它生存于数据空间中，可以成为人们在抽象信息空间的有利触手，并且，其进化是无数不确定中的既定因素，对研究生物的起源、进化也具有特别重大的意义。