《開放複雜智能系統——基礎、概念、分析、設計與實施》—第1章1.2節開放複雜智能系統

本節書摘來自異步社群《開放複雜智能系統——基礎、概念、分析、設計與實施》一書中的第1章1.2節開放複雜智能系統，作者操龍兵 , 戴汝為,更多章節内容可以通路雲栖社群“異步社群”公衆号檢視。

1.2 開放複雜智能系統

開放複雜智能系統——基礎、概念、分析、設計與實施

開放複雜智能系統（open complex intelligent system）是一個比較模糊的、也難以準确定義的概念。本書泛指那些具有開放性特征、與環境之間存在互動、系統成員較多、系統有多個層次、系統可能涉及人的參與的智能系統。這種系統可能是自主系統，也可能是互動式系統。開放複雜智能系統包括“混合智能系統（hybrid intelligent system）”、“大規模智能系統（large sale/massive intelligent system）”，以及本書研究的“開放巨型智能系統（open giant intelligent system）”等。下面分别對這些系統加以簡要介紹。

1.2.1 混合智能系統

混合智能系統（hybridization intelligent system）是目前國際上研究得比較普遍的一門新興學科。這個方向目前專門開設有一個國際會議，即混合智能系統國際會議（international conference on hybrid intelligent systems），到2007年已經是第七屆。還有一本期刊專門報道這個領域的進展情況，即international journal of hybrid intelligent systems1。

混合智能系統的提出是基于目前單個的人工智能方法難以有效地解決一些問題，比如不精确性（imprecision）、不确定性（uncertainty）與模糊性（vagueness），而将多種計算範式（computing paradigm）組合起來形成的組合方法（combined/ hybrid approach）則顯示出有效性。混合政策提供了一種杠杆作用，可以用于處理目前的技術與方法不足以應付的系統複雜性與性能挑戰。

廣義而言，混合可以發生在任何兩個或多個技術、方法或者學科之間，如科學、商業、工程、自動化、醫學、環境、生物學或者社會科學之間。特定地，混合智能系統主要側重多種智能技術與方法的內建，以實作更加自主、更好的自适應和更強大的智能系統，并有能力處理環境中的實體、邏輯、資料、演化等方面的限制。混合智能系統的研究目标包括新穎的混合方法、方法論、架構的研究，開發自主的、自适應的、演化的混合智能系統與應用等。

混合智能系統主要的研究任務是如何将軟計算技術與人工智能技術中多種計算範式進行混合內建，如模糊邏輯（fuzzy logic）、神經計算（neurocomputation）、演化計算（evoluti-onary computing）、機率計算（probabilistic computing）、多智能體技術（multi-agent system）、機器學習（machine learning）、資料挖掘（data mining）等，形成混合智能方法、算法、架構、技術與系統等。這種混合可能是在兩種人工智能技術之間進行，也可能是在三種或者更多的技術之間進行，比如将遺傳算法、模糊系統與神經系統相結合，形成遺傳模糊神經系統。混合還可能發生在人工智能技術與其他相關技術之間，比如将本體工程技術與多智能體技術和資料挖掘技術中的三種以上技術、方法或者模型相結合，形成超智能知識發現系統。

混合智能系統的實作政策非常豐富，通常包括兩類混合、三類混合、多類混合方法。同時，根據被內建技術、方法、模型與系統在混合系統中的主導程度，可以将混合方法分為一種方法主導、兩種方法主導、多種方法協作等混合模式。比如，混合神經系統是以神經計算為中心，根據需要內建其他人工智能與軟計算技術形成的神經內建方法、模型、技術與系統。

混合智能系統技術可以廣泛地應用到很多問題與領域中，比如知識管理、企業營運支撐系統的設計、商業智能系統的設計、新型專家系統的設計、混合決策支援系統的設計等。在多智能體與資料挖掘這兩個非常活躍的學科中，目前出現了一種新的研究方向與前景，那就是智能體與資料挖掘互動內建（agent-data mining interaction and integration）2。智能體與資料挖掘互動內建是指将多智能體技術與資料挖掘技術相結合，形成智能體驅動的資料挖掘技術、資料挖掘驅動的智能體技術、自主智能挖掘技術、挖掘智能體系統等。這個方向目前已經舉辦了4個國際研讨會，是非常具有前景的，因為無論是多智能體還是資料挖掘本身，在處理複雜的問題求解時，各自都存在一些固有的問題。智能體與挖掘互動內建可以非常好地、互補性地處理這些問題，并提供建設超智能共生體（super-intelligent symbionts）的美好前景，比如一種現實的可能就是建設自主智能挖掘系統。

本書第2.1節對目前混合智能系統的概念、研究内容、方向與政策等進行說明。

1.2.2 大規模多智能體系統

大規模多智能體系統（large scale multi-agent systems，也稱massively multi-agent system）的研究是近幾年來多智能體學術界比較關注的一個問題。目前，有兩個國際研讨會專門讨論相關的研究進展與問題，一個是international workshop on software engineering for large-scale multi-agent systems，即selmas系列。selmas系列開始于2002年，主要挂靠在國際軟體工程大會下舉行。另一個是international workshop on massively multi-agent systems，即mmas系列，開始于2004年。此外，international workshop on challenges in the coordination of large scale multi-agent systems專門讨論大規模多智能體系統中的協調問題，至今已經舉辦兩屆。

在多智能體研究中，目前的系統往往容易導緻錯誤（error prone），伸縮性不夠，多為靜态的系統。系統或者是在設計時預定義，或者是基于随機即席方法（ad hoc）生成。這種系統不能适應動态與運作時變化，規模較小。其結果是，所研究的系統或者技術不能适應現實應用中對“可依賴的（dependable）、強健的（robust）、可信任的（trustable）、可重用的（reusable）、可伸縮的（scalable）”的要求。大規模多智能體系統研究期望在這些方面有所貢獻。

大規模多智能體系統中多種類型的、成百上千的智能體互相互動，并與環境系統進行互動，形成小型智能體系統（small agent system）難以了解、解釋或者預測的智能現象與行為。更為複雜的情況，是大量的智能體在網絡環境下進行協作（collaborate）與運作（operate）。它們必須了解環境與情景，自行或者協作處理環境的不确定性。這就可能增加多智能體之間協作、協商、通信、協調的不精确性與不确定性，進而使得多智能體系統的分析與設計難度加大，并增加導緻例外情形的可能性，如安全漏洞（secure hole）、違反隐私和出現異常的全局效應。 另外，當使用者與這樣的系統進行互動時，就可能出現使用者難以控制的性能與行為，如自主性不如所料、結果的可信任性不夠和出現異常輸出等。

大規模智能系統主要的研究内容包括：

軟體工程理論基礎；

需求工程與軟體體系結構；

處理開放性及與環境之間的互動；

協作與移動；

重用；

可依賴性；

經驗性評價；

應用。

大規模智能系統的研究還包括其他方面，如模組化架構，将智能體抽象與其他現有的軟體工程抽象（如面向對象、面向目标、面向方面（aspect-oriented）、模式等）進行內建，開發協作與移動方法，滿足大規模系統中的可依賴性、可伸縮性、可重用性、可維護性。在第2.2.2節，我們對其中的一些問題進行詳細介紹。

1.2.3 開放巨型智能系統

前面關于智能系統的發展趨勢的分析談到，目前智能系統研究在指導思想與技術路線等方面表現出的特點可以歸納為智能系統的綜合內建，這個時期所面臨的主要研究對象是巨型智能系統的研究。這類複雜智能現象的研究出現了以下 局面。

（1）這種複雜智能現象的壞結構（ill-structure）程度不是現有的人工智能手段可以結構化的或逼近的；智能的展現與問題的時空分布性和社會性特點密切相關；系統的複雜性超越了主流的關于智能與思維的模拟的設計思想和理論範疇，需要發揮人的經驗與常識知識，以及多學科的交叉融合的知識才可能解決。

（2）上述問題的求解無法僅僅依靠基于還原論指導下所建立的人工智能與智能系統理論、方法與技術體系，也無法采用正常的智能系統的設計政策與技術路線建立問題求解系統。

上述局面是與所研究問題的性質和人工智能發展的時代特點密切相關的。近十多年來，人工智能的研究者深感傳統人工智能理論與技術的局限性，從方法論到技術路線的各個層次的反思認識到追求“自主”的緊耦合系統在表現智能行為方面的局限性。加之知識系統與系統科學中關于複雜系統的研究進展，“巨型智能系統”的研究就變成順理成章的事（戴汝為等，1995）。目前人工智能所面臨的複雜智能系統主要是巨型智能系統，這類系統是本書所關注的複雜智能系統的範圍。根據文獻（錢學森等，1990）的系統分類方法，巨型智能系統可以這樣加以描述：

根據組成智能系統的子系統以及子系統種類的多少和它們之間關聯關系的複雜程度，若子系統數量非常大（或成千上萬、上百億、萬億），稱作巨型系統。若巨系統中子系統種類不太多（幾種、幾十種），且它們之間關聯關系又比較簡單，就稱作簡單巨型系統；如果子系統種類很多并有層次結構，它們之間關聯關系又很複雜，就稱作複雜巨型系統。如果這個系統又是開放的，就稱作開放巨型智能系統。

從巨型智能系統的設計政策（研制過程）與系統結構（問題求解過程）兩個方面，可将國内外關于巨型智能系統的研究劃分為以下4類（戴汝為等，1995）：

封閉巨型智能系統方案（簡稱封閉型）；

半封閉巨型智能系統方案（簡稱半封閉型）；

半開放巨型智能系統方案（簡稱半開放型）；

開放巨型智能系統方案（簡稱開放型）。

這4類巨型智能系統研究方案的比較見表1.4。

表1.4 巨型智能系統分類比較

上述4種類型之間的關系如下。

（1）封閉型與開放型：主要差別在于系統結構是否具有社會性，即智能行為是否是社會性的，相應的系統是自主的還是社會性的；系統的耦合程度不同，封閉型系統是緊耦合的（feigenbaum，1977），開放型系統是松耦合的（jennings et al，1998）。

（2）封閉型與半封閉型：主要差別在于系統是否完全自主，半封閉型在系統構造中是社會性的，內建多種技術。

（3）半開放型與開放型：主要差別是人是否是系統元件之一，系統社會性與層次性角色如何。

本文僅用于學習和交流目的，不代表異步社群觀點。非商業轉載請注明作譯者、出處，并保留本文的原始連結。