1樓：FATRI
兩者完全可以結合來使用，沒有一定要以誰為主。
神經網路是用來處理非線性關係的，輸入和輸出之間的關係可以確定（存在非線性關係），可以利用神經網路的自我學習（需要訓練資料集用明確的輸入和輸出），訓練後權值確定，就可以測試新的輸入了。
遺傳演算法是用來解決最值問題的，生物進化、優勝略汰。更靈活沒有限制，唯一的難處就是編碼染色體和評價函式的選擇。
兩者的結合可以從兩個方面確定：
第一種，輔助結合方式：用GA對資料進行預處理，然後用NN解決問題，例如模式識別用GA進行特徵提取，再用nn進行分類
第二種，合作，GA和NN共同處理問題，在NN固定的網路拓撲下，利用GA確定鏈結權重，或者直接利用GA優選網路結構再用，bp訓練網路。
2樓：付恒
個人認為是神經網路。
章魚是海洋裡面最聰明的物種之一。
它和人類的共同祖先並沒有神經網路，但是卻也進化出了神經網路。
也就是說，在不同的分支上，為了實現智慧型，都選擇了相同的解決方案。
如果不是這個方案特別好，那就是這個方案比較容易實現。
3樓：馮智
個人覺得這是兩個不同層級的問題。遺傳演算法更像是集群的演算法，一種群怎麼由低到高，逐漸分化的發展的方法。而神經網路是模擬個體的怎麼認識抽象思維的方法。
對於單個像人一樣思考能力的演算法，必然是神經網路特別是deep learning。到deep learing的頂層可能會有一點點元啟發式的演算法，但不一定是遺傳演算法。因為人有時候思考就是這樣的，試試這個行不行？
不行再換一下，交叉組合一下。
另外，神經網路的訓練以後必然是使用於類似於遺傳演算法的元啟發式演算法，現在用的梯度下降不是也是這種演算法麼？
4樓：
二者都是用計算模擬生物，類似的還有螞蟻演算法、模擬退火演算法、粒子群、人工免疫演算法等等，個人感覺它們在人工智慧領域的應用夠廣，但離真正的人工智慧的理想還挺遠。
目前正在了解複雜系統方面的進展，如複雜網路、混沌與分形、自組織臨界、元胞自動機等等，也許是個突破口。
5樓：yafeng deng
我對真正的AI不是很了解，只是談些自己粗淺的想法。
我個人覺得真正意義上的人工智慧，與共產主義一樣，是個美好的未來。但是，人確實可以創造一些機器或者程式，幫助解決很多問題，代替部分原來需要人才能完成的事情。
相對演算法，對於乙個人工智慧體而言，感測器也許比演算法本身更重要。當然，不排除未來理論取得實質進展，AI界得到一次巨大飛躍的可能性。但是，應該都不會是乙個演算法的成功。
而應該是一系列理論與應用結合的成果。
神經網路和遺傳演算法已經不是太具有活力的研究方向，不是太看好。不過機器學習演算法之間都或多或少有一定的聯絡。
6樓：折閃電
遺傳演算法是不太可能的（本質是一種帶啟發式規則的組合搜尋演算法，儘管套著生物學原理的外殼，除非實在沒辦法才會用這種暴力搜尋），神經網路也夠嗆，現在沒幾個人在研究神經網路，具體可以參考日本五代機的失敗
學習人工智慧可以繞開神經網路嗎？
蒜葵 Artificial Intelligence Machine Learning Neural Network 神經網路只是乙個酷炫的子集，知道很好，跟隨潮流，完全不懂也一點問題沒有，只要自己的領域紮實。 Sciarter 先給出建議 可以不深究但是需要了解作為工具使用。我們需要知道神經網路不...
自學人工智慧，想從深度學習神經網路開始，然後在機器學習，怎麼樣
大江東去 每個人的知識體系都不一樣，所以從深度學習 神經網路開始學習，未嘗不可。基礎的神經網路有 卷積神經網路 卷積神經網路的一種經典結構如下圖所示，主要包括卷積層 降取樣層和全連線層。卷積神經網路 深度殘差網路 深度殘差網路在普通卷積神經網路中加入了跨層恒等連線。深度殘差網路 深度殘差收縮網路 深...
有哪些將化學與人工智慧 深度學習 神經網路等電腦科學結合的研究方向？
林錦堅 分享乙個工作。作者用貝葉斯優化工具在化學的反應優化進行了研究。從結論上看，貝葉斯優化方法在反應條件方面的應用中，可以篩選出比實驗室實驗更好的化學反應條件。他們提出一種用於貝葉斯反應優化的新框架，該方法還可讓方便化學科研人員將最新的優化演算法整合到他們的實驗實踐中。 紀淘淘 未來或許可以建立乙...