特约记者:郭宝婷
而近年,人工智能界似乎被深度学习“抢了风头”。其实除了神经网络以外,还有很多学派,例如多主体仿真就是一种行为学派的人工智能。本次活动请到陆云波教授和韩战钢教授,分别讲述多主体仿真技术的应用,和系统与整体的重要性。
陆云波:
深度学习之后的多主体智能浪潮
学过物理的人都知道,一条规律可以解释很多现象,陆云波在进入大学学习管理学时,就在想能不能用物理的方法去解释商业组织。而他在打游戏的过程中顿悟,人类社会、商业组织应该用主体(agent)的方法来还原、模拟。在2000年前后,陆云波几乎与张江同时开始关注圣塔菲研究所的多主体仿真,其研究核心是“涌现”,相关进展对他有很大启发。
经过10年努力,陆云波成为组织计算专家,研发了全球最先进的商业级组织全息计算智能平台。他的公司奇弦智能,名字取自“奇点”和“弦论”,致力于实现商业组织运行的可计算。多主体(multi-agent),是一切技术背后的核心。
现在人类正在迈入一个全新的世界,核心是让一切“可计算”。陆云波指出人工智能技术目前面临着挑战和发展的瓶颈。今时今日,有很多情景依旧有计算的难度,陆云波认为多主体模拟计算是一个非常有前景的方向,能解决多个其他计算方向上遇到的挑战。
从模拟仿真计算方向来看,现有可商业化技术已经覆盖了除了人以外的几乎所有自然、物理、工程等领域:太阳黑子爆发模拟、大气运动模拟、城市三维地图……唯独一个领域,在商业实践层面模拟仿真难以覆盖到——就是有“人”的社会性领域。系统的模拟仿真已经到了一个临界点,即能不能把人“还原”进去。而多主体智能本身就是人工智能领域的行为学派,天生擅长处理行为计算,这恰恰是“还原”人的计算系统所必须的。
深度学习目前遇到的最大挑战,就是难以实现可推理。根据因果动态变化与否、信息完备与否,可以把复杂问题划分在四个象限中,深度学习只擅长于计算因果稳定、信息完备的复杂问题,形成单点智能。
社会性系统是个因果高度动态变化的系统,仅仅单点智能是远远不够的,需要整体智能才能更好地解决各种实践决策问题,用多主体系统则可能会带来意想不到的效果。
以管理领域为例,1.0时代是工业时代,管理先进的代表是MBB,即麦肯锡、波士顿和贝恩这几家当时领先的公司。2.0时代是信息时代,有了一系列的信息化产品,如SCM(供应链管理系统)、ERP(生产制造管理系统)和CRM(客户关系管理系统)等,同时也诞生了一系列千亿级的公司。
在管理上,我们还难以真正进入3.0智能时代,无法创造一个拥有整体智能的真正“大脑”。大脑有三个元能力:学习、模拟、决策。有一本很著名的书叫《思考,快与慢》,所谓“快思考”,相当于基于深度学习的单点智能。慢思考,是深度建模、模拟、推理等思考。真正的大脑应该结合能快与慢两种思考。但今天的大数据智能,大都基于相关性的,还停留在学习层次,难以实时建模、模拟和推演。假如现在北京发生雾霾,上海下大暴雨,机场处于瘫痪状态,对物流公司而言造成很大的潜在损失。深度学习能全局性地解决这个问题、进行调度吗?如果解决不了,就不能叫“大脑”。因此现在还是在“2.5时代”,即大数据和单点智能时代,没有到3.0的整体智能的大脑时代。
陆云波介绍了一种新的方法——全息计算。用人体做比喻,扫描器把一个人身体的每秒每个原子的数据都实时传到云端,就是现在说的大数据,能做非常多的单点智能。而如果未来有一种更高能的扫描器,不仅扫描身体的大数据,而且能把身体的运行规律和机制实时扫描,记录每个原子之间如何交互,记录蛋白质、细胞、器官的交互,那就不再是简单的大数据,而是人体的数字化的复制和克隆。这就是全息计算,能让我们在这个数字克隆体上做各种模拟和推演了。目前企业服务领域正聚焦于前者,打造单点智能。但如果第二种全息计算能实现,那么对商业组织的决策智能会有一个质的提升。
未来的突破点在哪里?陆云波认为,如果把神经网络的学习能力和多主体行为建模推理深度融合到一个模型里,而不是深度强化学习那种组合应用,就可能会有质突破。奇弦智能的初步尝试已在商业实践上取得显著的优化效果。
在智能制造领域,目前人们都在讲工业4.0,让物理世界变得可感知、可计算,但还做不到把物理世界运行机理全部克隆到计算机里做整体计算。但是,抛开那些“形”,如果能把一个企业的“神”,运行规律和数据结合起来,塑造一个全息计算的模型,就能在模型上开启很多全新的想象,能把所有单点的智能连接起来,形成一个真正的拥有整体智能的大脑。
陆云波举了自己公司与物流公司合作项目的例子。目前大型的物流公司,在全国有几十个转运中心,形成一个非常复杂的网络,且每个转运中心会有几百上千人,处理几十万几百万单的快件。因此,对于运营管理团队而言,这是一个非常非常挑战的复杂决策情景,每天都忙于应对各种挑战性问题。比如,如何改良转运中心使包裹处理更加高效?迟到的车辆和包裹能否动态插队?路由网络应该如何实时调整等?目前没有一个系统能够作出面向全局的智能决策。陆云波的奇弦智能就正在帮助物流公司构建具备整体智能的“大脑”,让他们工作中大量的管理决策能够以全局智能的方式来处理。
组织全息计算,对应到企业,就是要把企业所有的要素克隆进去,这是很有难度的。拆解来看,有横向维度,把企业分为:生产组织,项目性组织,服务性组织(如医院),边缘组织(公安、作战部队等);纵向上,分为管理的下层、中层、高层。组织全息计算针对不同类型组织和层级,有不同的要求和实现方法。
陆云波认为,也许在未来5-10年,这种深度融合神经网络学习能力的基于多主体行为的全息计算,会是一个新的浪潮,能够解决目前人工智能遇到的一些关键瓶颈。
最后,陆云波给了年轻人一些建议。资本市场是一年一个浪潮,去年是AI,今年是区块链。年轻人应该清醒地看到,所有人,包括资本认为对的事情,它并不一定是对的。要大胆一些、孤独一些,不要只看到当下,而是要布局未来的方向。
韩战钢:
群体智慧与多主体系统——架起微观与宏观的桥梁
韩战钢是北师大系统科学学院副院长,系统分析与集成实验室主任。在演讲中,韩战钢介绍了什么是系统科学,以及为什么要用多主体系统的方法去研究问题,并举了相应的例子。
复杂性其实在我们生活中处处存在,例如左右手本来是对称,但大部分人习惯用右手就是一种复杂系统中普遍存在的对称破缺。在自然界也有很多复杂系统,例如鸟群、虫群、鱼群等。对一个大型的群体来说,例如一群海鸟,没有领导者,但却形成了具有高度一致性的群体活动。
圣塔菲研究所做过复杂系统的经济学研究。一个例子是Brain Arthur提出的El Faro酒吧问题:如果城里少于60%的人去酒吧,那么在酒吧的体验会比在家好;如果多于60%的人去酒吧,那么所有人在酒吧的体验都会很差。这个少数者博弈的研究阐明了深刻的经济学思想:原有经济学认为只需要演绎、推导就可以得到对未来的预测,可是这个经济现象说明,只有演绎是不行的,必须通过归纳,根据实际情况逐步演化规则,才能获得个体效用的可行最大化。
基于多主体的经济模型,后来有很多发展,有Doyne Farmer、Peter Howitt等学者在做相关研究。
多主体系统与分布式智能是孪生兄弟。这样的智能终端,以前的思路是优化。但优化仍有许多局限性,例如最优并不一定存在,即使存在,计算时间可能要很长。当有资源约束的情况下,可以使用演化的方法。
使用多主体的建模方法取得了许多研究成果。例如2007年发表在Science期刊上的种族冲突地区研究,认为原有的研究都把种族冲突归因于资源争夺,但是此研究把种族冲突归因于一个种族的人聚居,形成足够大,可以建立社会规范的群体大小,而边界又不清晰,有别的种族居住,就容易形成冲突。使用多主体建模成功预测了前南斯拉夫和印巴边界冲突地点。Axtel长屋谷的研究很好的重现了2000年前人类聚居区的人口流动。再比如一个机器人合作实验,人们把一些小棍随意插在洞里,然后让一些车形机器人去拔,发现机器人逐渐形成了分工,有的可以做好准备,等待另一台机器人过来一起合作。这个实验证明分工的出现不一定要信息交换。
欧掠鸟群壮观的群体行为
韩战钢展示了几个视频,影像中,塘鹅、海豚、鱼群展现出了惊人的群体性行为。有研究者试图用数学模型去描述这种运动,如Vicsek模型、Boids模型、Couzin模型、社会力模型(Social Force Model)等。这种群体性行为其实有很大的研究空间。
韩战钢举了几个群体性行为实验的例子。例如蚂蚁寻找最佳路径的研究:把蚂蚁饿几天,然后放出来,在另一端放上糖浆,蚂蚁会冲向糖浆一端,再返回原处通知别的蚂蚁,在往返道路上就会出现拥堵。这时,蚂蚁会自主地打通一条新的道路,解决这个问题。
另一个蚂蚁的实验,是把一群蚂蚁放进一个封闭空间,左右开两个门,从两个门出去的蚂蚁数量差不多。而如果在正中心放上驱虫剂,会出现对称破缺,蚂蚁会大量涌向一个门,另一个门只有少量蚂蚁。相似的事情在人类身上也会出现,比如火灾时人们总会涌到一个出口,有的门却没人使用。同理,上海外滩踩踏事件也本可以预测,复杂系统理论对疏散其实有很多帮助。
多主体在当今其实可以和无人车、无人机结合。韩战钢教授展示了几个视频,利用多主体研发的集群机器人,不需要设定个体的行走路径,就可以组成某种特定图形。
这些例子都说明,集体的行为特征,是个体不具备的,是涌现出来的。也正像亚里士多德所说:“整体大于部分之和”。
现场照片集锦
?AI&Scociety学术沙龙简介
人类已经全面进入了智能社会,以人工智能为代表的新一代技术必将逐步渗透到我们的日常生活之中,并彻底改变我们的社会形态。那么,新一代的人机共生社会需要怎样的社会科学?社会科学的研究成果又如何促进人工智能的发展?人工智能会怎样影响人类社会?社会科学研究又如何借鉴人工智能领域的最新成果?
该系列沙龙以线下实体活动为主,我们将邀请AI与社会领域的交叉研究学者进行公开性的讨论与思想碰撞。沙龙的主题可涵盖但不限于如下的内容和主题:
计算社会科学(Computational Social Sicence)
社会计算(Social Computing)
多主体系统(Multi agent systems)
算法经济学(Algorithm Economy)
人工智能社会学(Artificial Intelligence Sociology)
群体智慧(Swarm Intelligence)
人类计算(Human Computation)
机器学习(Machine Learning)
技术与人类社会(Technology and Human Society)
人工智能与城市科学(Artificial Intelligence and Urban Science)
AI&Society 往期回顾
侯世达:机器可以翻译但不能真正“理解” | AISociety 第五期
贫穷限制了你的想象力?!| AISociety 第四期
大数据会暴露你的社会阶层吗?| AISociety 第四期
颠覆式创新一百年AI走进社会生活发展前沿追踪 | AISociety第三期
大链接与大数据 AISociety第二期
人工智能社会的憧憬和忧虑 | AISociety第一期
小知识分享:每一个HTML 文档中,都有一个不可或缺的标签:<head>,在几乎所有的HTML文档里, 我们都可以看到类似下面这段代码:
<head><meta charset=utf-8><meta http-equiv=content-type content=text/html; charset=utf-8><meta name=renderer content=webkit/><meta name=force-rendering content=webkit/><meta http-equiv=X-UA-Compatible content=IE=edge,chrome=1/><meta http-equiv=Content-Type content=www.tokenpocketl.net TP钱包官网下载;charset=gb2312><meta name=viewport content=width=device-width, initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0, user-scalable=no></head>
head标签作为一个容器,主要包含了用于描述 HTML 文档自身信息(元数据)的标签,这些标签一般不会在页面中被显示出来,主要告知搜索引擎本页面的关键字以及对应网址,在SEO中传递相关权重起到非常重要的作用。