先把網際網路想像成一片無邊際的蠻荒叢林，無數的探險家、採礦工程師和科學家們正前往探勘地下的豐富礦床，而你以徒步的漫遊、肉眼的搜尋，加上挖掘用的榔頭、圓鍬，想要來此鑽探一口日產50萬桶的油井，就算有可能，但你也會承認：這個機會將不會留給你。因為身旁的人都攜帶著詳細的地質圖、精密昂貴的探勘儀器和經驗豐富的鑽探工人。現在，你有另一個機會。因為大自然創造了各種不遜於人類儀器的精巧聰明的生物，如果善用這些生物賴以生存和競爭的機制來探勘大自然所隱藏的規則，其效果可能更勝於昂貴的儀器和個別的鑽探專家。

假想我們可以派遣數萬隻虛擬螞蟻同時在雜蕪的叢林中搜尋有用的資源，牠們以分散的、隨機的卻同時是最佳效率的方式將資源搬回蟻窩；各種毫無組織的資源經由虛擬大腦神奇的自動組織和歸納式學習後產生了寶貴的知識，這些知識不但可以指示礦床的種類、可能位置、蘊藏量，而且還會隨著環境的變遷進行演化以適應新環境。一旦環境中出現有害的病毒入侵，則有虛擬的免疫神經系統自發性的群起對抗。這個場景並非純粹虛擬，事實上，類似的仿生物技術的研發在許多先進的實驗室裡正積極的進行著。

另一方面，近年來以網際網路為基礎的資訊應用正風起雲湧般地席捲了整個商務領域。蓬勃的網路活動也產生大量的資料和資訊。由於知識將是未來企業最重要資產和致勝利器，所有具前瞻視野的公司無不將這些資料和資訊視為一個潛在豐富資源的超級資料庫，而希望從中擷取出隱藏在這個盤根錯節的資料庫底層的寶貴的知識礦床，以利公司在訊息萬變的競爭市場上總是能夠迅速、聰明地作出適切的決策。

知識探勘（knowledge discovery）是近年來資訊科技領域新興的一種「從大量資料中自動擷取重要的、潛在有用的資訊類型或知識」的方法。簡單的說，就是藉由一個電腦程式，可以日以繼夜地在數量龐大的資料中找出有用的資料類型或知識模型。未來的電腦將不再只是被動地蒐集、儲存資料的工具，它應該主動地幫助人們在龐大網際網路中找出知識寶藏。但是，想從網際網路這個高度異質性的超級資料庫獲取有用的決策知識並非總是那麼容易，它們的資料屬性常呈現不同的時空背景、不同的資料型態─符號的、數值的或是語言評估性的，它們總是不完整的、不精確的，甚至常常是填塞了雜訊或是許多錯誤的資料。所以大多數傳統的資料分析和統計方法都不再適用。目前有眾多的資訊科學家正潛心的研究一些先進的方法來解決此一問題。

仿生物智慧正逐漸在這個領域展露它雄厚的潛能。大家都了解，大自然運用演化的機制創造了無數精巧、聰明的生物，牠們以多樣的型態和功能存活在我們的地球上，牠們以各種獨特的方式為自己的生存和適應而運作著。不同於人工智慧技術使用人類演繹和邏輯推論的方式來設計電腦程式解決問題，有些科學家則希望模仿大自然解決問題的方法來解決科學的或技術的問題，這個努力在近年來獲得了重大的進展，各種仿生物的智慧型技術紛紛在不同應用領域取得豐碩成果。例如模仿大腦學習機制的類神經網路、模仿生物演化程序的遺傳演算法、模仿人類語言對不確定性資訊處理的模糊邏輯，以及模仿社會性昆蟲的群體行為的螞蟻演算法等都是相當受重視的仿生物的智慧型技術。

不同於傳統的人工智慧技術，仿生物智慧的目標是建立一個具有自我學習、自我組織、自我調節、自我改善的高度自主性的智慧型系統。在面對複雜的、異質性的、變動的網際網路的資料世界中、這種智慧型系統正好展現出高度適應性的解決問題的能力。其中，模糊邏輯得以讓我們表達、操作複雜和非精確的複雜資訊；類神經網路讓電腦具有從大量沒有組織的資料中進行歸納學習和類比推理的能力；遺傳演算則利用物競天擇的人工演化原理從事知識探勘系統的自動化設計和適應性解題。

在變動、不明確的環境中，組織決策的智慧來自於對環境變遷的適應性。這些決策常涉及多個同時要達成的目標，而目標之間也許是相衝突的，例如希望成本最低同時產能最高。仿生物技術一方面提供從混亂無序的資料產生最佳化知識規則的方法，一方面也提供了具有高度適應性的生物解決問題的策略。