最近，爱丁堡大学的托尼·特里瓦弗斯教授对人们说，人类极大地忽视了植物的智力，植物能够计算，植物不但能预测未来，并能记得曾经历过的事情，还能对外界变化作出智能的反应。
植物能预测未来
特里瓦弗斯认为，人类和我们的绿色远亲之间，惟一真正的区别是，我们能够随处移动。我们习惯于通过行为判断智力水平，因此，缄默和固定的植物自然被视作没有智力。但它们确实能够行动并对周围环境做出智能反应。
他声称植物能够预测将来会出现的问题，并决定如何避免这些问题。植物学家们早就认识到，正在生长的植物嫩芽能够感知周围植被。绿叶吸收红光而反射红外线，植物可以识别从红光到红外线的光度变化，而这种变化又可以反映附近的绿色植被情况。特里瓦弗斯说，植物可以预测这种情况将会产生的后果，认真筹划将来最可能在哪里遇到竞争和遮挡，并采取必要的预防措施。植物可能改变它的整体形状、叶片数量和大小以及茎的结构，以便处于尽可能最佳的采光位置。确切地说，这些行为并非天才之作，但仍然属于适应性的可调节反应。
植物可趋利避害
非同寻常的是，植物还能采取躲避措施。高脚棕榈树的茎长在支持根上，举出地面，当周围植物妨碍它采光和吸收养料时，它会采取非常明显的规避行为——它向有阳光的一侧长出新的支持根，阴影中的根系则渐渐凋萎，整株植物就移到了阳光充足的地带。这是否可说是智能的又一种标志呢？
也许并不是所有人都这样认为，这不奇怪。伦敦帝国学院的植物学家安德鲁·戈兹沃西认为，大多数植物的反应更像人类的反射作用、本能或者恐惧。植物一旦“发现”附近植物，便生长得比它们的“邻居”更快，或者它们形成一种折衷的生长模式，来对付相互冲突的各种信号，这时候，它们看上去就像聪明、复杂的决策者。但这实际上只是由遗传密码决定的机械反应。
特里瓦弗斯不同意这种观点。他说，很多植物表现出的行为适应性，远远超出了反射或受遗传密码控制的程度。植物的根可以根据土壤中矿物质和水分的梯度分布而生长，但它们并不总是采取这种简单模式。萨塞克斯大学生物学家迈克尔·哈钦斯及其同事，研究了一种名为活血丹的匍匐草本植物的“觅食”行为。如果扎根在肥沃土壤中，它们就生长出更多的枝、芽和叶，也会更快地形成团状的根，以充分吸收养分。然而，如果扎根在贫瘠土壤中，它们伸展得更快、更广，就好像正在逃离此地一样，同时根状茎变细，分枝形成变少。
这意味着新芽距离母体植株更远，积极寻找新的肥沃土壤。生长幅度不单纯取决于一块土壤的质量本身，还与它和周围土壤的联系有关。不仅如此，实验还表明，活血丹的同系植物可以感觉到竞争者根系的存在，即使周围还有充足的养料，它们也会转向其他地区发展。
植物会适应环境
特里瓦弗斯表示，植物具有智慧的重要证据，是它们的反应有微妙差异——即它们不仅有适应性，这种适应性还具有可变性。每株植物都是一个个体，没有两粒种子会长成完全相同的植株，即使它们具有相同基因，或生长在看上去完全相同的环境下。不仅如此，它们能对15种以上的感官信号作出反应——包括光、化学物质、水、重力、土壤质地、损害等——并对这些信号加以综合和比较，因此每种反应都是各种因素综合作用的结果。很明显，植物确实有很强的适应能力。
正如简单的神经系统一样，对于这些信号系统人有推断和学习的潜能，达尔文在一百多年前就指出，“在某些方面，植物对光的反应几乎和动物通过神经系统对光作出的反应如出一辙。”但直到现代分子生物学发展起来后，才显示了动物的神经系统和植物的信号系统是如何相似。
植物利用细胞膜之间的电压变化把电子信号从一个细胞传递到另一个细胞，类似于我们神经中传递的行为电压。正如我们有痛觉神经一样，这些电压可以报告植物有一部分受到了伤害。在植物细胞内外，传递信息的化学物质有很多和人类脑细胞内外负责加工信息的物质完全相同。
动物和植物进行学习和记忆的分子基础也是相似的。当动物受到重复威胁——例如某种使它们吃了就生病的食物或者它们不断碰触的电网，它们学会更迅速地避开时，电子信号的速度和强度都会在几分钟内提高。
植物有智能生命
当一种植物感觉到缺水，与动物类似的信号细胞会命令植物建立更多的感觉渠道，关闭气孔并采取其他控制细胞内水分的措施。长期如此，植物的基因表现形式和蛋白质合成率就会改变，细胞壁变厚，叶子变小。最终，这种植物将长出更多的根，更少的芽和叶。
但是特里瓦弗斯说，植物是智能生命并不是为了起到轰动效应，也不是给植物学制造良好的公共关系。他的意思是，人们忽略了植物感知和回应外界的复杂性。如果使用“智能”一词引发了人们对植物复杂性的争议和讨论，反而有助于我们对植物的最终理解。
特里瓦弗斯认为，地球上99%的生物数量都是植物，这一事实表明它们非常善于适应周围环境。他表示，“没有大脑的植物能够在整体基础上估量自己的环境”是非同寻常的。即使他所说的这种“没有大脑的技能”不是智能的表现，植物的行为显然也没有任何差错。也许这将促使我们重新思考，如果没有中央神经系统的帮助，人类自身能达到何种程度的复杂性和计算能力。