特約記者：郭寶婷

2018年4月28日下午，由騰訊研究院和集智俱樂部共同發(fā)起的AI&Society 系列沙龍第六期，在位于中關(guān)村的騰訊研究院成功舉辦。

活動開始，集智俱樂部創(chuàng)始人、北師大系統(tǒng)科學(xué)學(xué)院教授張江介紹了本次活動的主題——多主體系統(tǒng)（multi-agent system）。多主體系統(tǒng)是由多個自主運行的agent組成的整體，系統(tǒng)必須找出一種使各個agent協(xié)同工作的適當(dāng)方法。多主體仿真建模，始于美國圣塔菲研究所，他們使用Swarm軟件為復(fù)雜的個體行為建模， 用于對經(jīng)濟行為進行仿真研究。

而近年，人工智能界似乎被深度學(xué)習(xí)“搶了風(fēng)頭”。其實除了神經(jīng)網(wǎng)絡(luò)以外，還有很多學(xué)派，例如多主體仿真就是一種行為學(xué)派的人工智能。本次活動請到陸云波教授和韓戰(zhàn)鋼教授，分別講述多主體仿真技術(shù)的應(yīng)用，和系統(tǒng)與整體的重要性。

陸云波是 SIMOE 和奇弦智能的創(chuàng)始人，同濟大學(xué)組織仿真中心主任。在演講的開始，他首先介紹了自己與集智俱樂部的淵源，以及為何走上多主體系統(tǒng)的研究道路。

學(xué)過物理的人都知道，一條規(guī)律可以解釋很多現(xiàn)象，陸云波在進入大學(xué)學(xué)習(xí)管理學(xué)時，就在想能不能用物理的方法去解釋商業(yè)組織。而他在打游戲的過程中頓悟，人類社會、商業(yè)組織應(yīng)該用主體（agent）的方法來還原、模擬。在2000年前后，陸云波幾乎與張江同時開始關(guān)注圣塔菲研究所的多主體仿真，其研究核心是“涌現(xiàn)”，相關(guān)進展對他有很大啟發(fā)。

經(jīng)過10年努力，陸云波成為組織計算專家，研發(fā)了全球最先進的商業(yè)級組織全息計算智能平臺。他的公司奇弦智能，名字取自“奇點”和“弦論”，致力于實現(xiàn)商業(yè)組織運行的可計算。多主體（multi-agent），是一切技術(shù)背后的核心。

現(xiàn)在人類正在邁入一個全新的世界，核心是讓一切“可計算”。陸云波指出人工智能技術(shù)目前面臨著挑戰(zhàn)和發(fā)展的瓶頸。今時今日，有很多情景依舊有計算的難度，陸云波認(rèn)為多主體模擬計算是一個非常有前景的方向，能解決多個其他計算方向上遇到的挑戰(zhàn)。

從模擬仿真計算方向來看，現(xiàn)有可商業(yè)化技術(shù)已經(jīng)覆蓋了除了人以外的幾乎所有自然、物理、工程等領(lǐng)域：太陽黑子爆發(fā)模擬、大氣運動模擬、城市三維地圖……唯獨一個領(lǐng)域，在商業(yè)實踐層面模擬仿真難以覆蓋到——就是有“人”的社會性領(lǐng)域。系統(tǒng)的模擬仿真已經(jīng)到了一個臨界點，即能不能把人“還原”進去。而多主體智能本身就是人工智能領(lǐng)域的行為學(xué)派，天生擅長處理行為計算，這恰恰是“還原”人的計算系統(tǒng)所必須的。

深度學(xué)習(xí)目前遇到的最大挑戰(zhàn)，就是難以實現(xiàn)可推理。根據(jù)因果動態(tài)變化與否、信息完備與否，可以把復(fù)雜問題劃分在四個象限中，深度學(xué)習(xí)只擅長于計算因果穩(wěn)定、信息完備的復(fù)雜問題，形成單點智能。

社會性系統(tǒng)是個因果高度動態(tài)變化的系統(tǒng)，僅僅單點智能是遠(yuǎn)遠(yuǎn)不夠的，需要整體智能才能更好地解決各種實踐決策問題，用多主體系統(tǒng)則可能會帶來意想不到的效果。

以管理領(lǐng)域為例，1.0時代是工業(yè)時代，管理先進的代表是MBB，即麥肯錫、波士頓和貝恩這幾家當(dāng)時領(lǐng)先的公司。2.0時代是信息時代，有了一系列的信息化產(chǎn)品，如SCM（供應(yīng)鏈管理系統(tǒng)）、ERP（生產(chǎn)制造管理系統(tǒng)）和CRM（客戶關(guān)系管理系統(tǒng)）等，同時也誕生了一系列千億級的公司。

在管理上，我們還難以真正進入3.0智能時代，無法創(chuàng)造一個擁有整體智能的真正“大腦”。大腦有三個元能力：學(xué)習(xí)、模擬、決策。有一本很著名的書叫《思考，快與慢》，所謂“快思考”，相當(dāng)于基于深度學(xué)習(xí)的單點智能。慢思考，是深度建模、模擬、推理等思考。真正的大腦應(yīng)該結(jié)合能快與慢兩種思考。但今天的大數(shù)據(jù)智能，大都基于相關(guān)性的，還停留在學(xué)習(xí)層次，難以實時建模、模擬和推演。假如現(xiàn)在北京發(fā)生霧霾，上海下大暴雨，機場處于癱瘓狀態(tài)，對物流公司而言造成很大的潛在損失。深度學(xué)習(xí)能全局性地解決這個問題、進行調(diào)度嗎？如果解決不了，就不能叫“大腦”。因此現(xiàn)在還是在“2.5時代”，即大數(shù)據(jù)和單點智能時代，沒有到3.0的整體智能的大腦時代。

陸云波介紹了一種新的方法——全息計算。用人體做比喻，掃描器把一個人身體的每秒每個原子的數(shù)據(jù)都實時傳到云端，就是現(xiàn)在說的大數(shù)據(jù)，能做非常多的單點智能。而如果未來有一種更高能的掃描器，不僅掃描身體的大數(shù)據(jù)，而且能把身體的運行規(guī)律和機制實時掃描，記錄每個原子之間如何交互，記錄蛋白質(zhì)、細(xì)胞、器官的交互，那就不再是簡單的大數(shù)據(jù)，而是人體的數(shù)字化的復(fù)制和克隆。這就是全息計算，能讓我們在這個數(shù)字克隆體上做各種模擬和推演了。目前企業(yè)服務(wù)領(lǐng)域正聚焦于前者，打造單點智能。但如果第二種全息計算能實現(xiàn)，那么對商業(yè)組織的決策智能會有一個質(zhì)的提升。

未來的突破點在哪里？陸云波認(rèn)為，如果把神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和多主體行為建模推理深度融合到一個模型里，而不是深度強化學(xué)習(xí)那種組合應(yīng)用，就可能會有質(zhì)突破。奇弦智能的初步嘗試已在商業(yè)實踐上取得顯著的優(yōu)化效果。

在智能制造領(lǐng)域，目前人們都在講工業(yè)4.0，讓物理世界變得可感知、可計算，但還做不到把物理世界運行機理全部克隆到計算機里做整體計算。但是，拋開那些“形”，如果能把一個企業(yè)的“神”，運行規(guī)律和數(shù)據(jù)結(jié)合起來，塑造一個全息計算的模型，就能在模型上開啟很多全新的想象，能把所有單點的智能連接起來，形成一個真正的擁有整體智能的大腦。

陸云波舉了自己公司與物流公司合作項目的例子。目前大型的物流公司，在全國有幾十個轉(zhuǎn)運中心，形成一個非常復(fù)雜的網(wǎng)絡(luò)，且每個轉(zhuǎn)運中心會有幾百上千人，處理幾十萬幾百萬單的快件。因此，對于運營管理團隊而言，這是一個非常非常挑戰(zhàn)的復(fù)雜決策情景，每天都忙于應(yīng)對各種挑戰(zhàn)性問題。比如，如何改良轉(zhuǎn)運中心使包裹處理更加高效？遲到的車輛和包裹能否動態(tài)插隊？路由網(wǎng)絡(luò)應(yīng)該如何實時調(diào)整等？目前沒有一個系統(tǒng)能夠作出面向全局的智能決策。陸云波的奇弦智能就正在幫助物流公司構(gòu)建具備整體智能的“大腦”，讓他們工作中大量的管理決策能夠以全局智能的方式來處理。

組織全息計算，對應(yīng)到企業(yè)，就是要把企業(yè)所有的要素克隆進去，這是很有難度的。拆解來看，有橫向維度，把企業(yè)分為：生產(chǎn)組織，項目性組織，服務(wù)性組織（如醫(yī)院），邊緣組織（公安、作戰(zhàn)部隊等）；縱向上，分為管理的下層、中層、高層。組織全息計算針對不同類型組織和層級，有不同的要求和實現(xiàn)方法。

陸云波認(rèn)為，也許在未來5-10年，這種深度融合神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力的基于多主體行為的全息計算，會是一個新的浪潮，能夠解決目前人工智能遇到的一些關(guān)鍵瓶頸。

最后，陸云波給了年輕人一些建議。資本市場是一年一個浪潮，去年是AI，今年是區(qū)塊鏈。年輕人應(yīng)該清醒地看到，所有人，包括資本認(rèn)為對的事情，它并不一定是對的。要大膽一些、孤獨一些，不要只看到當(dāng)下，而是要布局未來的方向。

韓戰(zhàn)鋼是北師大系統(tǒng)科學(xué)學(xué)院副院長，系統(tǒng)分析與集成實驗室主任。在演講中，韓戰(zhàn)鋼介紹了什么是系統(tǒng)科學(xué)，以及為什么要用多主體系統(tǒng)的方法去研究問題，并舉了相應(yīng)的例子。

復(fù)雜性其實在我們生活中處處存在，例如左右手本來是對稱，但大部分人習(xí)慣用右手就是一種復(fù)雜系統(tǒng)中普遍存在的對稱破缺。在自然界也有很多復(fù)雜系統(tǒng)，例如鳥群、蟲群、魚群等。對一個大型的群體來說，例如一群海鳥，沒有領(lǐng)導(dǎo)者，但卻形成了具有高度一致性的群體活動。

圣塔菲研究所做過復(fù)雜系統(tǒng)的經(jīng)濟學(xué)研究。一個例子是Brain Arthur提出的El Faro酒吧問題：如果城里少于60%的人去酒吧，那么在酒吧的體驗會比在家好；如果多于60%的人去酒吧，那么所有人在酒吧的體驗都會很差。這個少數(shù)者博弈的研究闡明了深刻的經(jīng)濟學(xué)思想：原有經(jīng)濟學(xué)認(rèn)為只需要演繹、推導(dǎo)就可以得到對未來的預(yù)測，可是這個經(jīng)濟現(xiàn)象說明，只有演繹是不行的，必須通過歸納，根據(jù)實際情況逐步演化規(guī)則，才能獲得個體效用的可行最大化。

基于多主體的經(jīng)濟模型，后來有很多發(fā)展，有Doyne Farmer、Peter Howitt等學(xué)者在做相關(guān)研究。

多主體系統(tǒng)與分布式智能是孿生兄弟。這樣的智能終端，以前的思路是優(yōu)化。但優(yōu)化仍有許多局限性，例如最優(yōu)并不一定存在，即使存在，計算時間可能要很長。當(dāng)有資源約束的情況下，可以使用演化的方法。

使用多主體的建模方法取得了許多研究成果。例如2007年發(fā)表在Science期刊上的種族沖突地區(qū)研究，認(rèn)為原有的研究都把種族沖突歸因于資源爭奪，但是此研究把種族沖突歸因于一個種族的人聚居，形成足夠大，可以建立社會規(guī)范的群體大小，而邊界又不清晰，有別的種族居住，就容易形成沖突。使用多主體建模成功預(yù)測了前南斯拉夫和印巴邊界沖突地點。Axtel長屋谷的研究很好的重現(xiàn)了2000年前人類聚居區(qū)的人口流動。再比如一個機器人合作實驗，人們把一些小棍隨意插在洞里，然后讓一些車形機器人去拔，發(fā)現(xiàn)機器人逐漸形成了分工，有的可以做好準(zhǔn)備，等待另一臺機器人過來一起合作。這個實驗證明分工的出現(xiàn)不一定要信息交換。

歐掠鳥群壯觀的群體行為

韓戰(zhàn)鋼展示了幾個視頻，影像中，塘鵝、海豚、魚群展現(xiàn)出了驚人的群體性行為。有研究者試圖用數(shù)學(xué)模型去描述這種運動，如Vicsek模型、Boids模型、Couzin模型、社會力模型（Social Force Model）等。這種群體性行為其實有很大的研究空間。

韓戰(zhàn)鋼舉了幾個群體性行為實驗的例子。例如螞蟻尋找最佳路徑的研究：把螞蟻餓幾天，然后放出來，在另一端放上糖漿，螞蟻會沖向糖漿一端，再返回原處通知別的螞蟻，在往返道路上就會出現(xiàn)擁堵。這時，螞蟻會自主地打通一條新的道路，解決這個問題。

另一個螞蟻的實驗，是把一群螞蟻放進一個封閉空間，左右開兩個門，從兩個門出去的螞蟻數(shù)量差不多。而如果在正中心放上驅(qū)蟲劑，會出現(xiàn)對稱破缺，螞蟻會大量涌向一個門，另一個門只有少量螞蟻。相似的事情在人類身上也會出現(xiàn)，比如火災(zāi)時人們總會涌到一個出口，有的門卻沒人使用。同理，上海外灘踩踏事件也本可以預(yù)測，復(fù)雜系統(tǒng)理論對疏散其實有很多幫助。

多主體在當(dāng)今其實可以和無人車、無人機結(jié)合。韓戰(zhàn)鋼教授展示了幾個視頻，利用多主體研發(fā)的集群機器人，不需要設(shè)定個體的行走路徑，就可以組成某種特定圖形。

這些例子都說明，集體的行為特征，是個體不具備的，是涌現(xiàn)出來的。也正像亞里士多德所說：“整體大于部分之和”。