第12章　动物智能结构

12.1 动物智能定义

动物智能（Animal Intelligence）是动物个体或动物群体在特定生存环境、目标和条件下，通过感知、记忆、状态判断、空间处理、运动控制、环境适应、行为选择和反馈调整等过程完成生存、觅食、防御、移动、繁殖、协同等活动所表现出的综合能力。

动物智能并不等同于人类智能的简单缩小版本。不同动物长期适应不同生态环境，形成了具有明显专业化特征的智能结构。例如，某些动物具有高度敏锐的视觉或听觉能力，某些动物具有复杂的空间定位能力，某些动物具有快速运动和身体控制能力，某些动物具有特殊的平衡能力，还有一些动物具有明显的群体协同能力。

因此，在智能合成理论中，动物智能的研究重点不是评价动物“聪明还是不聪明”，而是研究：

动物具有什么智能能力 → 这些能力由什么结构形成 → 这些结构如何运行 → 哪些结构具有特殊优势 → 这些优势能否被提取 → 能否进入人工智能系统进行组合与合成。

动物智能可以表示为：

$AIa=f(P,M,E,S,R,A,B,F)AI_a=f(P,M,E,S,R,A,B,F)$

其中：

$AIaAI_a$ ：动物智能；
$PP$ ：感知能力（Perception）；
$MM$ ：记忆能力（Memory）；
$EE$ ：经验能力（Experience）；
$SS$ ：状态处理能力（State Processing）；
$RR$ ：关系与空间处理能力（Relation and Spatial Processing）；
$AA$ ：适应能力（Adaptation）；
$BB$ ：行为能力（Behavior）；
$FF$ ：反馈能力（Feedback）；
$ff$ ：这些智能结构之间的综合运行关系。

动物智能的基本运行过程可以表示为：

环境 → 感知 → 信息 → 对象 → 状态 → 空间与关系 → 判断 → 行为 → 动作 → 结果 → 反馈 → 状态更新

进一步形成：

环境 → 感知 → 对象识别 → 状态判断 → 行为选择 → 动作执行 → 环境变化 → 反馈 → 再判断

动物智能因此是一种具有明显环境依赖性、身体依赖性和生存目标导向性的智能结构。

12.2 生存智能

生存智能（Survival Intelligence）是动物为了维持自身生存、获取资源、避免危险、保持身体状态以及完成繁殖等基本生命活动而形成的综合智能能力。

生存智能是动物智能的重要基础。动物并不是为了抽象地“认识世界”而产生行为，而是在具体环境中面对食物、天敌、同类、障碍、气候、空间和资源等条件，通过持续感知和行为调整维持自身状态。

生存智能可以表示为：

$SI=f(G,E,S,R,M,B,F)SI=f(G,E,S,R,M,B,F)$

其中：

$SISI$ ：生存智能；
$GG$ ：生存目标（Goal）；
$EE$ ：环境（Environment）；
$SS$ ：当前状态（State）；
$RR$ ：环境关系（Relation）；
$MM$ ：可采用的方法（Method）；
$BB$ ：行为（Behavior）；
$FF$ ：反馈（Feedback）。

动物生存智能的基本结构可以表示为：

生存目标 → 环境感知 → 危险/资源检测 → 状态判断 → 行为选择 → 动作执行 → 结果反馈 → 状态更新

例如，动物发现食物时，需要完成：

环境 → 食物对象 → 食物位置 → 距离判断 → 接近方法 → 移动行为 → 获取食物 → 状态变化

发现危险时则可能形成：

环境 → 危险对象 → 危险状态 → 距离判断 → 逃避方法 → 运动行为 → 脱离危险 → 状态更新

由此可见，动物生存智能并不是单独的一种能力，而是感知、状态判断、空间处理、运动、反应和适应等多种能力的组合。

在智能合成理论中，生存智能具有重要意义，因为它提供了一类高度目标导向的智能结构：

目标 → 环境 → 状态 → 风险 → 方法 → 行为 → 反馈

这种结构可以被抽取为人工智能系统中的任务控制结构。

12.3 感知优势

感知优势（Perceptual Advantage）是某种动物在特定感知通道、感知范围、感知速度、感知精度或环境条件下表现出的相对优势。

不同动物由于身体结构和生态环境不同，其感知系统形成了不同的专业化能力。例如，不同动物可能在视觉、听觉、嗅觉、触觉、空间感知或者其他环境信息检测方面具有不同程度的优势。

因此，IST并不将动物感知理解为一个简单的“输入模块”，而是把它作为一种可以被结构化分析的智能能力。

动物感知可以表示为：

$Pa=f(I,C,S,T)P_a=f(I,C,S,T)$

其中：

$PaP_a$ ：动物感知能力；
$II$ ：输入信息；
$CC$ ：环境条件；
$SS$ ：动物自身状态；
$TT$ ：时间条件。

基本过程为：

环境变化 → 感知系统 → 信息获得 → 特征检测 → 对象识别 → 状态识别

进一步形成：

感知 → 元素 → 对象 → 属性 → 状态 → 关系

动物感知优势可以从多个维度进行评价：

$PA=w1R+w2D+w3S+w4T+w5EPA=w_1R+w_2D+w_3S+w_4T+w_5E$

其中：

$PAPA$ ：感知优势评价值；
$RR$ ：感知范围；
$DD$ ：感知精度；
$SS$ ：感知速度；
$TT$ ：环境条件适应程度；
$EE$ ：感知有效性；
$w1,w2,w3,w4,w5w_1,w_2,w_3,w_4,w_5$ ：各评价指标的权重。

需要注意的是，感知优势具有环境和任务条件。某种动物在某种环境中的感知优势，并不意味着它在所有环境中都具有绝对优势。

因此：

感知优势 ≠ 绝对感知能力

而是：

特定动物 + 特定感知机制 + 特定环境 + 特定任务 → 特定感知优势

这为智能提取提供了基础。

12.4 空间能力

空间能力（Spatial Ability）是动物识别、表示、判断和利用对象空间位置、方向、距离、路径以及空间关系的能力。

动物在移动、觅食、逃避危险和返回特定地点的过程中，需要持续处理空间关系。

空间结构可以表示为：

$Sp=(O,P,D,R,T)S_p=(O,P,D,R,T)$

其中：

$SpS_p$ ：空间结构；
$OO$ ：空间对象；
$PP$ ：对象位置；
$DD$ ：方向或距离；
$RR$ ：空间关系；
$TT$ ：时间条件。

动物空间能力的基本过程是：

环境 → 空间对象 → 位置检测 → 距离判断 → 方向判断 → 路径选择 → 运动执行

例如，一个动物从当前位置移动到目标位置，可以抽象为：

$Path=f(Ps,Pg,O,R,C)Path=f(P_s,P_g,O,R,C)$

其中：

$PsP_s$ ：起始位置；
$PgP_g$ ：目标位置；
$OO$ ：空间中的对象；
$RR$ ：对象之间的空间关系；
$CC$ ：空间约束；
$PathPath$ ：形成的运动路径。

动物空间能力还涉及动态空间：

对象移动 → 空间关系变化 → 路径变化 → 行为调整

因此，空间能力不仅是“知道自己在哪里”，还包括：

位置识别 + 方向识别 + 距离判断 + 障碍检测 + 路径选择 + 空间关系更新

空间能力是动物智能中非常重要的一类可提取结构。

在IST中，可以将其进一步转化为：

动物空间结构 → 空间元素提取 → 空间关系提取 → 路径方法提取 → 参数提取 → 人工空间能力模块

12.5 运动能力

运动能力（Motor Ability）是动物根据目标、身体状态、环境条件和空间关系，通过身体结构控制完成位置变化、姿态变化和动作执行的能力。

动物运动智能具有明显的身体结构依赖性。

基本关系可以表示为：

$M=f(B,S,E,G,P)M=f(B,S,E,G,P)$

其中：

$MM$ ：运动能力；
$BB$ ：身体结构；
$SS$ ：身体状态；
$EE$ ：环境条件；
$GG$ ：目标；
$PP$ ：运动参数。

运动过程可以表示为：

目标位置 → 空间判断 → 身体状态检测 → 动作选择 → 参数计算 → 动作执行 → 运动反馈

动物运动并不是固定动作的简单重复，而是一个动态控制过程。

例如：

目标变化 → 路径变化 → 动作变化 → 参数变化

或者：

身体状态变化 → 动作能力变化 → 运动方式变化

因此，运动智能包含：

动作选择；
动作顺序；
运动方向；
速度控制；
力量控制；
身体姿态；
空间避障；
动态调整。

在智能合成理论中，动物运动能力尤其适合作为结构化智能来源。

例如可以提取：

运动结构 → 动作结构 → 姿态结构 → 参数结构 → 控制规则

形成：

动物运动优势 → 结构提取 → 动作标准化 → 参数化 → 人工运动能力

12.6 平衡能力

平衡能力（Balance Ability）是动物在静止、移动、转向、跳跃、攀爬或受到外部扰动时，通过身体状态检测、空间关系判断和动作调整保持姿态稳定的能力。

平衡能力本质上是一种动态状态控制能力。

可以表示为：

$Ba=f(Sb,Rs,C,M,F)B_a=f(S_b,R_s,C,M,F)$

其中：

$BaB_a$ ：平衡能力；
$SbS_b$ ：身体状态；
$RsR_s$ ：身体与空间之间的关系；
$CC$ ：环境条件；
$MM$ ：平衡调整方法；
$FF$ ：反馈。

基本过程：

身体状态 → 平衡检测 → 偏差检测 → 调整动作 → 状态变化 → 再检测

如果定义理想状态为 $S*S^*$ ，当前状态为 $SS$ ，则状态偏差为：

$ΔS=S∗−S\Delta S=S^*-S$

当：

$∣ΔS∣>θ|\Delta S|>\theta$

其中 $θ\theta$ 为允许偏差阈值时，则启动平衡调整：

状态检测 → 偏差超过阈值 → 调整动作 → 状态重新检测

这说明平衡能力并不是单一动作，而是：

状态检测 + 偏差计算 + 动作选择 + 参数调整 + 反馈控制

的连续过程。

动物平衡能力可以被抽取为一种动态控制结构：

身体状态模型 + 空间关系模型 + 偏差模型 + 调整方法 + 参数控制 + 反馈机制

这种结构进入人工智能系统后，可以形成机器人运动、机械控制、动态姿态控制等方面的基础能力。

12.7 反应能力

反应能力（Response Ability）是动物在检测到环境变化、对象变化、危险状态或机会状态后，在较短时间内完成状态判断并产生适当行为的能力。

反应过程可以表示为：

环境变化 → 信息检测 → 状态变化 → 判断 → 行为选择 → 动作执行

如果定义：

$tdt_d$ ：变化检测时间；
$tjt_j$ ：判断时间；
$tat_a$ ：动作启动时间；

则基本反应时间可以表示为：

$Tr=td+tj+taT_r=t_d+t_j+t_a$

反应能力不仅取决于速度，还取决于反应正确性。

因此，可以定义综合反应评价：

$Ra=w1V+w2C-w3TR_a=w_1V+w_2C-w_3T$

其中：

$RaR_a$ ：反应能力评价；
$VV$ ：反应速度；
$CC$ ：反应正确性；
$TT$ ：反应时间；
$w1,w2,w3w_1,w_2,w_3$ ：评价权重。

动物反应能力的重要特征是：

环境变化 → 快速检测 → 快速状态识别 → 快速行为选择 → 快速动作

在复杂环境中，反应能力还必须与空间能力、运动能力和平衡能力结合。

因此：

反应能力 + 空间能力 + 运动能力 + 平衡能力 → 快速行为能力

这类结构具有明显的工程价值，可以作为实时控制、动态避障、快速动作和异常状态响应等系统的结构来源。

12.8 适应能力

适应能力（Adaptive Ability）是动物根据环境变化、资源变化、危险变化、自身状态变化以及行为结果变化，持续调整自身状态、方法和行为的能力。

适应能力是动物智能的重要特征。

其基本过程为：

环境变化 → 状态检测 → 偏差发现 → 行为评价 → 方法调整 → 新行为 → 结果反馈 → 再调整

可以表示为：

$A=f(E,S,G,B,F,L)A=f(E,S,G,B,F,L)$

其中：

$AA$ ：适应能力；
$EE$ ：环境；
$SS$ ：当前状态；
$GG$ ：目标；
$BB$ ：当前行为；
$FF$ ：反馈；
$LL$ ：学习或经验更新机制。

如果行为结果与目标存在差异：

$ΔG=G−R\Delta G=G-R$

其中 $RR$ 为实际结果。

当：

$ΔG>θ\Delta G>\theta$

则需要进行行为调整。

形成：

结果检测 → 偏差计算 → 方法评价 → 方法调整 → 行为调整

适应能力进一步可以形成：

环境 → 行为 → 结果 → 反馈 → 经验 → 方法更新 → 新行为

这说明适应不是单次反应，而是持续的状态变化过程。

动物适应能力因此可以被结构化为：

环境模型 + 状态模型 + 目标模型 + 行为模型 + 反馈模型 + 调整规则

在IST中，这类结构具有重要价值，因为它可以从动物行为中提取“动态适应机制”，而不需要复制动物整体结构。

12.9 协同能力

协同能力（Coordination Ability）是两个或多个动物个体在共同环境、共同目标或相互关联的行为条件下，通过信息、状态、位置、行为和反馈形成协调行动的能力。

协同并不要求所有个体具有完全相同的行为，而可以通过角色、位置、时序和任务分配形成整体行为。

群体协同可以表示为：

$Cg=f(N,G,R,S,A,F)C_g=f(N,G,R,S,A,F)$

其中：

$CgC_g$ ：群体协同能力；
$NN$ ：参与个体集合；
$GG$ ：共同目标；
$RR$ ：个体之间的关系；
$SS$ ：群体状态；
$AA$ ：个体行为；
$FF$ ：群体反馈。

协同过程可以表示为：

多个个体 → 状态感知 → 个体关系形成 → 行为协调 → 动作执行 → 群体状态变化 → 反馈 → 再协调

协同结构可以进一步分为：

目标协调

状态协调

位置协调

行为协调

时间协调

角色协调

例如，一个群体中的不同个体可能处于不同位置、具有不同状态并执行不同动作，但这些动作共同形成整体结果。

因此：

个体行为 ≠ 群体行为

群体行为可以表示为：

$Bg=F(B1,B2,…,Bn,R,G,C)B_g=F(B_1,B_2,\ldots,B_n,R,G,C)$

其中：

$BgB_g$ ：群体行为；
$BiB_i$ ：第 $ii$ 个个体的行为；
$RR$ ：个体关系；
$GG$ ：共同目标；
$CC$ ：环境条件；
$FF$ ：群体行为形成规则。

在智能合成理论中，动物协同能力能够提供一种重要结构：

多个个体 → 局部状态 → 局部决策 → 行为协调 → 整体行为

该结构可以进一步进入人工群体系统、机器人协同系统和多实体任务系统。

12.10 动物智能结构化

动物智能结构化（Animal Intelligence Structuring）是指将动物表现出来的感知、记忆、空间、运动、平衡、反应、适应、协同等智能能力按照统一的智能结构语言进行分解、表示、比较、提取和标准化。

动物智能不能只以“动物会做什么”进行描述，还必须回答：

为什么能够做到 → 由什么结构组成 → 结构之间是什么关系 → 什么条件下有效 → 如何形成行为 → 如何根据反馈调整。

因此，可以采用统一结构：

$AIS=(O,A,S,R,C,K,M,B,P,F)AIS=(O,A,S,R,C,K,M,B,P,F)$

其中：

$OO$ ：对象（Object）；
$AA$ ：属性（Attribute）；
$SS$ ：状态（State）；
$RR$ ：关系（Relation）；
$CC$ ：场景与条件（Context）；
$KK$ ：知识（Knowledge）；
$MM$ ：方法（Method）；
$BB$ ：行为（Behavior）；
$PP$ ：参数（Parameter）；
$FF$ ：反馈（Feedback）。

由此，动物智能可以统一转换为：

感知 → 对象 → 属性 → 状态 → 关系 → 场景 → 知识 → 方法 → 行为 → 动作 → 参数 → 反馈

进一步形成动物智能结构提取过程：

动物智能来源 → 智能观察 → 能力识别 → 智能分解 → 元素提取 → 对象提取 → 状态提取 → 关系提取 → 方法提取 → 行为提取 → 参数提取 → 反馈提取 → 标准化智能结构

不同动物的智能结构可以形成结构集合：

$AISi={E,O,A,S,R,C,K,M,B,P,F}AIS_i=\{E,O,A,S,R,C,K,M,B,P,F\}$

其中 $ii$ 表示不同动物智能来源。

不同动物之间可以进行结构比较：

$Match(AISi,AISj)Match(AIS_i,AIS_j)$

其比较对象包括：

感知结构匹配

空间结构匹配

运动结构匹配

平衡结构匹配

反应结构匹配

适应结构匹配

协同结构匹配

例如，可以将某动物的快速反应结构与某种机器的高速检测结构进行匹配：

动物快速反应结构 → 反应机制提取 → 状态检测结构 → 时间参数提取 → 与机器检测结构匹配 → 结构组合

也可以将动物空间运动结构与人工运动控制结构结合：

动物空间能力 → 空间关系提取 → 路径结构提取 → 运动行为提取 → 参数化 → 人工运动系统

这正是智能合成理论从“观察智能”进入“提取智能”的关键过程。

12.10.1 动物智能结构模型

动物智能可以进一步建立为六层结构：

第一层：感知层

环境 → 感知 → 信息 → 元素

第二层：认知结构层

元素 → 对象 → 属性 → 状态 → 关系 → 场景

第三层：能力层

场景 → 空间能力 → 运动能力 → 平衡能力 → 反应能力 → 适应能力

第四层：行为层

目标 → 状态 → 方法 → 行为 → 动作

第五层：反馈层

动作 → 环境变化 → 结果 → 反馈 → 状态更新

第六层：协同与演化层

个体 → 个体关系 → 行为协调 → 群体行为 → 环境反馈 → 行为调整

最终形成：

环境 → 感知 → 对象 → 状态 → 空间关系 → 能力 → 方法 → 行为 → 动作 → 反馈 → 适应

如果存在多个动物个体，则进一步形成：

个体智能 → 个体关系 → 协同结构 → 群体行为 → 群体反馈 → 协同调整

12.10.2 动物智能优势提取模型

动物智能结构进入智能合成理论后，可以形成：

动物智能 → 结构分解 → 优势检测 → 优势评价 → 结构提取 → 参数提取 → 结构标准化

定义动物某项智能能力的优势评价：

$Adv(Ai,T,C)=∑j=1nwjxij−RiAdv(A_i,T,C)=\sum_{j=1}^{n}w_jx_{ij}-R_i$

其中：

$AdvAdv$ ：智能优势评价值；
$AiA_i$ ：动物的某项智能能力；
$TT$ ：任务；
$CC$ ：环境条件；
$xijx_{ij}$ ：该能力在第 $jj$ 个指标上的表现；
$wjw_j$ ：指标权重；
$RiR_i$ ：风险、约束或实现成本。

当：

$Adv(Ai,T,C)>θAdv(A_i,T,C)>\theta$

则该能力可以进入优势候选集合。

因此：

动物智能能力 → 优势评价 → 优势筛选 → 智能结构提取

这与第10章提出的智能来源理论以及第11章的人类智能结构形成连续关系。

12.10.3 动物智能与人类智能的结构比较

动物智能与人类智能并不是简单的高低关系，而是具有不同的能力分布和结构特征。

人类智能更加突出：

抽象 → 概念 → 知识 → 推理 → 规划 → 综合决策

动物智能在许多具体环境中则可能更加突出：

感知 → 空间 → 运动 → 平衡 → 快速反应 → 环境适应

两者可以表示为：

人类智能：

感知 → 对象 → 状态 → 记忆 → 经验 → 知识 → 推理 → 规划 → 决策 → 行为

动物智能：

感知 → 对象 → 状态 → 空间 → 运动 → 平衡 → 反应 → 适应 → 行为

这两个结构并不是互相排斥的，而是可以在IST中进行结构比较：

人类智能结构 + 动物智能结构 → 结构匹配 → 优势匹配 → 互补分析 → 组合候选

因此，智能合成理论研究的不是“人类智能替代动物智能”，而是：

不同智能来源 → 不同智能优势 → 不同智能结构 → 结构匹配 → 互补组合 → 新智能能力

12.10.4 动物智能工程结构

在工程系统中，可以建立：

AnimalIntelligenceStructure

主要属性包括：

animalId
sourceId
perceptionStructures
memoryStructures
spatialStructures
motorStructures
balanceStructures
responseStructures
adaptationStructures
coordinationStructures
behaviorStructures
parameterStructures
feedbackStructures

可以进一步建立：

AnimalPerceptionStructure

AnimalSpatialStructure

AnimalMotorStructure

AnimalBalanceStructure

AnimalResponseStructure

AnimalAdaptationStructure

AnimalCoordinationStructure

AnimalBehaviorStructure

以及：

AnimalIntelligenceAnalyzer

AnimalAdvantageDetector

AnimalStructureExtractor

AnimalStructureComparator

AnimalIntelligenceOptimizer

AnimalIntelligenceStandardizer

整个工程流程为：

Animal Intelligence Source → Analyzer → Structure Extraction → Advantage Detection → Structure Comparison → Optimization → Standardization → Intelligence Structure

数据库可以对应建立：

animal_intelligence_sources
animal_intelligence_capabilities
animal_intelligence_structures
animal_perception_structures
animal_spatial_structures
animal_motor_structures
animal_balance_structures
animal_response_structures
animal_adaptation_structures
animal_coordination_structures
animal_behavior_structures
animal_intelligence_parameters
animal_intelligence_feedback

其中，每一条动物智能结构记录都可以关联：

来源 → 能力 → 对象 → 状态 → 关系 → 场景 → 方法 → 行为 → 参数 → 反馈

这样，动物智能就不再只是描述性知识，而成为可以进入计算、匹配、评价和组合过程的结构化智能资源。

本章形成的动物智能模型

本章可以将动物智能统一表示为：

$AnimalIntelligence=Perception+Spatial+Motor+Balance+Response+Adaptation+Coordination+Behavior+FeedbackAnimalIntelligence= Perception+ Spatial+ Motor+ Balance+ Response+ Adaptation+ Coordination+ Behavior+ Feedback$

其运行过程为：

环境 → 感知 → 对象 → 属性 → 状态 → 空间关系 → 能力判断 → 方法 → 行为 → 动作 → 反馈 → 状态更新

其智能优势提取过程为：

动物智能 → 能力识别 → 优势检测 → 结构分解 → 结构提取 → 参数提取 → 优化 → 标准化

其进入智能合成理论后的过程为：

动物智能来源 → 智能优势 → 智能结构提取 → 结构匹配 → 优势匹配 → 结构组合 → 冲突检测 → 结构协调 → 智能合成

最终形成：

动物智能 → 智能结构 → 智能优势 → 可提取结构 → 可计算结构 → 可组合结构 → 新智能能力

本章总结

动物智能是智能合成理论中的重要智能来源。动物智能不是一个单一能力，而是由生存智能、感知能力、空间能力、运动能力、平衡能力、反应能力、适应能力、协同能力以及反馈机制等多种结构共同形成的复杂智能系统。

本章建立了动物智能从环境到行为的完整结构：

环境 → 感知 → 对象 → 属性 → 状态 → 关系 → 场景 → 空间 → 方法 → 行为 → 动作 → 反馈 → 适应

同时建立了动物智能的结构化表示：

对象 + 属性 + 状态 + 关系 + 场景 + 知识 + 方法 + 行为 + 参数 + 反馈

通过这种结构化方式，动物智能可以从自然行为中被分解和提取，不再只是对动物行为进行表面模仿，而是进一步研究其背后的智能机制、结构关系和运行过程。

因此，IST对动物智能的核心研究路径可以概括为：

动物智能来源 → 智能能力识别 → 智能优势检测 → 智能结构分解 → 智能结构提取 → 智能结构评价 → 智能结构优化 → 智能结构标准化 → 与其他智能来源匹配 → 智能组合 → 智能合成

由此，第12章与第10章、第11章共同建立了智能来源与智能结构之间的基础理论：

智能来源 → 人类智能结构

智能来源 → 动物智能结构

进一步可以发展为：

人类智能结构 + 动物智能结构 + 群体智能结构 + 环境适应智能结构 + 机器智能结构 + 人工设计智能结构

→ 智能优势比较

→ 智能结构提取

→ 结构匹配

→ 能力组合

→ 冲突检测

→ 结构协调

→ 智能合成

这意味着，动物智能不是智能合成理论中的附属研究对象，而是可以提供专业化感知、空间、运动、平衡、反应、适应和协同结构的重要智能来源。

第12章 动物智能结构

第12章 动物智能结构

12.1 动物智能定义

12.2 生存智能

12.3 感知优势

12.4 空间能力

12.5 运动能力

12.6 平衡能力

12.7 反应能力

12.8 适应能力

12.9 协同能力

12.10 动物智能结构化

12.10.1 动物智能结构模型

12.10.2 动物智能优势提取模型

12.10.3 动物智能与人类智能的结构比较

12.10.4 动物智能工程结构

本章形成的动物智能模型

本章总结