今日頭條
官方微信
官方抖音
資訊頻道1 新時代, 新思想
卡爾,波普爾, 當代西方最有影響的科學哲學家, 認為現實是由三個世界組成的:物理、心理和人工世界[1].卡爾·雅斯貝思, 在中華人民共和國誕生的1949年寫了一本在全世界深具影響的書, 名為《歷史的起源與目標》, 提出了“軸心時代”這一概念, 如圖1所示.我們認為, 物理、心理和人工世界, 每個世界都應有自己的“軸心時代”, 雅斯貝思只是道出了第一物理世界的“軸心時代”: 公元前800到200年, 以中東、印度、中國、希臘--羅馬為中心的人性大覺醒和哲學大突破時代.對于其他兩個世界, 第二心理世界的“軸心時代”剛剛結束, 就是從文藝復興開始到愛因斯坦為代表的人類理性的大覺醒和科學的大突破的時代; 第三人工世界的“軸心時代”源自哥德爾的不完備定理, 激發了維納、圖靈和馮··諾依曼等對智能和計算的新認識, 將是智性的大覺醒和技術的大突破, 從而有了今天的人工智能和智能技術.
人類一直在圍繞著三個世界建立“網” (Grids), 第一張網Grids 1.0, 就是交通網; 接著Grids 2.0,能源網; Grids 3.0, 信息網或互聯網; Grids 4.0, 物聯網; 現在即將開始第五張網的建設: Grids 5.0,智聯網(Internet of minds, IoM).這五張網, 把三個世界整合在一起, 其中交通、信息、智聯分別是物理、心理、虛擬三個世界自己的主網, 而能源和物聯分別是第一和第二、第二和第三世界之間的過渡, 即人類通過Grids 2.0從物理世界獲得物質和能源, 借助Grids 4.0由人工世界(或稱虛擬世界、智理世界)取得智源和知識.圍繞上述五張網, 人類社會已經進行了一系列的工業革命.第一次工業革命的核心是蒸汽機, 第二次工業革命的核心是電動機, 第三次工業革命的核心是計算機技術, 第四次工業革命的核心是網絡, 特別是物聯網技術.我們認為, 人類已開始步入穩定的第五次工業革命, 即工業5.0之初始階段, 接下來就是虛實平行的智能機所推動的智能時代.
第三軸心時代正在開啟, 我們即將面臨第五次工業革命, 因此必須開拓思路和重新審視并建立我們的智能技術基礎設施:智聯網.在智能時代, 智聯網必須在卡爾··波普爾的三個世界中整合Grid 1.0到Grid5.0的特性和功能, 形成一個合一的網.而這樣的網和技術已經出現端倪, 如社會交通(Uber, MoBike), 社會能源(從智能電網、能源互聯網再到社會能源), 社會計算, 社會制造, 社會智能.而這些最新出現的智能技術和系統, 必將促生智能生態系統, 共享服務, 共享經濟, 最終形成智能社會.
2 智聯網
2.1 概念與定義
背景: 為什么需要智聯網？簡而言之, 新軸心時代核心科技的必需.在智能時代新革命中, 最顯著的特征, 就是智能科技作為人類和社會智能的直接延伸而出現.此時, 復雜系統, 特別是社會復雜系統的管理與控制需要超過人腦信息處理帶寬和速度, 導致人們更需要借助知識自動化所衍生出的機器智能來彌補其自身智能上的不足, 進而才能去完成各種層出不窮的時變性、不定性、多樣性、復雜性[2].而整個社會正在涌現海量的、各種層次上的大數據和智能體.盡管這些智能體在數據和信息的層面上實現了互相連通,但是由于缺乏智能聯結機制, 它們在知識層面上并未做到直接連通.智聯網, 正是實現借助機器智能的聯結來協同人類社會中各種紛雜智能體的核心科技.而只有在實現社會化的智能體知識互聯之后, 人工智能技術才能夠形成真正的社會化生態系統.
如果說互聯網的實質是實現“虛連”或“被動聯結”, 物聯網的實質是“實連”或“在線聯結”, 則智聯網的實質是“真聯”或“主動聯結”.智聯網是新智能時代的核心科技, 毫無疑問, 只有在智聯網建成之后才可以宣告智能時代的全面來臨.
智聯網定義: 在這里為智聯網的定義做一個初步簡要的闡述:智聯網, 以互聯網、物聯網技術為前序基礎科技, 在此之上以知識自動化系統為核心系統, 以知識計算為核心技術, 以獲取知識、表達知識、交換知識、關聯知識為關鍵任務, 進而建立包含人機物在內的智能實體之間語義層次的聯結、實現各智能體所擁有的知識之間的互聯互通; 智聯網的最終目的是支撐和完成需要大規模社會化協作的、特別是在復雜系統中需要的知識功能和知識服務.
實質: 智聯網并非空中樓閣, 智聯網是建立在互聯網(數據信息互聯)和物聯網(感知控制互聯)基礎上的, 目標是“知識智能互聯”的系統.智聯網的目標是達成智能體群體之間的“協同知識自動化”和“協同認知智能”, 即以某種協同的方式進行從原始經驗數據的主動采集、獲取知識、交換知識、關聯知識,到知識功能, 如推理、策略、決策、規劃、管控等的全自動化過程, 因此智聯網的實質是一種全新的、直接面向智能的復雜協同知識自動化系統.
協同認知智能: 以人體大腦以及神經系統作為比喻, 互聯網完成的是信息的互聯互通, 有如遍布人體的神經傳導和連接; 物聯網完成了萬物互聯的信息采集和驅動控制, 有如負責反射的脊髓神經系統、負責處理傳感信息的傳感系統、負責協調控制人體的小腦、腦干、中腦、腦中等系統, 其功能即根據環境輸入, 協調和決定控制輸出, 屬于反應智能(動物智能).而智聯網追求的是認知智能, 即描述智能、預測智能、引導智能的合一體, 完成對系統在知識層面的思考, 自動、自覺地完成系統高級知識功能, 如長短期規劃、重大決策、策略制定、基于環境動態的適應、復雜系統狀態分析、復雜系統管控等.智聯網、物聯網、互聯網需要將高等(認知)、中等(反應)、低等(反射)智能通過某種機制統攝到一起, 類似于人體就是三種智能的統一體一樣, 形成感知、認知、思維、行動一體化的大智能系統.
更進一步, 智聯網智能最大的特征, 是實現海量智能體在知識層面的直接連通, 即“協同智能”; 互聯網傳輸的是數據與信息, 實現的是信息的協同, 物聯網傳輸的是傳感和管控的數據, 實現的是感知和控制的協同; 而智聯網的智能互聯, 交換的是知識本身, 經過充分的交互, 在知識的交換中完成復雜知識系統的建立、配置和優化; 同時海量的智能實體, 組成由知識聯結的復雜系統, 依據一定的運行規則和機制, 如同人類社會一樣, 形成社會化的自組織、自運行、自優化、自適應、自協作的網絡組織.我們期待基于智聯網所實現的協同智能能夠創造出新的人工智能科技和應用的范式轉移, 使人類社會的智能水平能夠躍升到全新的高度, 同時我們更期待在這樣一個由智能體組成的復雜系統中, 全新的智能現象能夠從復雜性中涌現并帶來革命性的突破.
2.2 智聯網前沿應用領域
智聯網意味向社會化的知識連通、智能整合的躍進; 意味著從相對獨立的簡單知識系統, 向著基于知識聯結的、整合為一的復雜知識系統的躍進; 意味著從以“牛頓定律”為代表的精確物質系統, 向以“默頓定律”為代表的自由意志系統的躍進.因此, 可以預見, 智聯網的實現標志著新智能時代全面到來, 將是未來智能技術的核心之一, 具有極其廣闊的革命性應用前景.本節簡述其的三個前沿應用領域作為示例.
1) 信息物理社會系統(Cyber-physical-social systems, CPSS): 隨著信息和物理系統被進一步融合貫通,形成了高級、復雜的信息物理系統(CPS). CPS理念被廣泛應用于交通、能源、國防、制造、醫療、電力、農業等方面.顯然, 作為CPS系統的設計者、制造者、管理者和使用者, 人與CPS系統是緊密結合在一起的,需要人參與其中才能使系統更高效、安全、可靠地運行.在這其中, 人與信息物理系統之間的運行模式有共融、協同、主導、輔助、監管等, 催生了信息物理社會系統(CPSS)的誕生和發展.中國科學家團體已經開展富有成果的探索, 但其解決途徑與方法, 我們認為只能蘊含在物理空間和虛擬空間Cyberspace融合的求解空間之中[3].而且關鍵在于引入能提供社會信號的智能實體, 構建專業和社會性的知識網絡, 認知和感知社會或企業等組織, 通過CPSS, 實現智慧運營和管理. CPSS的知識, 蘊含和隱匿在海量物理和社會智能實體之內, 對知識獲取和運用, 需要社會化的智能協作, 因此必須借助智能和知識工程技術, 也就是說, 知識自動化和智聯網將在CPSS中發揮核心的作用[4-5].
2) 軟件定義的流程與系統: 在工程領域, 越來越多的系統打破常規, 并通過開放的軟件定義的系統接口實現系統功能的靈活重構, 使得未來工程系統成為智能實體的聯合體, 極大地改善了系統的擴展能力和靈活性.當代軟件定義系統前沿的代表為軟件定義網絡(SDN), 靈捷虛擬企業(Agile virtual enterprise, AVE)[6]和社會制造(眾包)[7].知識自動化和智聯網, 是軟件定義流程與系統的核心:結合知識表示和知識工程,聯結智能實體, 構造和支撐各類針對特定領域和問題的軟件定義的流程(Software-defined processes, SDP)和軟件定義的系統(Software-defined systems, SDS).通過SDP和SDS, 使常識、經驗、猜測、假定、希望、創新、想象等形式化和實質化, 并使其組織、過程、功能等軟件化, 變為可操作、可計算、可試驗的流程和系統, 從而能夠進一步落實復雜知識自動化系統的構想、設計、實施、運營、管理與控制[8].
3) 工業智聯網: 從上世紀中期開始, 網絡化工業控制及其自動化經過了20世紀60~70年代的模擬儀表控制系統、80~90年代的集散控制系統、21世紀初的占主導地位的現場總線控制系統, 以及當前正在普及應用中的工業物聯網.網絡化工控系統總體趨勢是從簡單的本地儀控, 慢慢演化到遠程智能的復雜系統管控.當前的工業物聯網的注意力主要放在工業網絡的精確性、確定性、自適應性、安全性等以工業用通信為中心的研發和應用上.但是隨著智能制造的廣度和深度進一步發展, 即將出現“軟件定義工業”、“類工業領域”、“廣義工業”、“社會制造”、“社會工業”等智能大工業新形態, 而智聯網將在該發展過程中起決定性的作用.工業智聯網的誕生, 將會以極高的效率整合各種工業和社會資源、極大減小工業過程中的浪費和消耗、極大地解放工業生產力, 并促進智能大工業的出現和高速發展.
以上只是對智聯網前沿應用的舉例, 在社會的各種行業和產業中, 其應用還包括農業智聯網、能源智聯網、醫療智聯網、教育智聯網和各種社會管理和服務智聯網等等.如上所述, 盡管智聯網及協同知識自動化系統在新智能時代具有決定性的地位, 但是作為一門嶄新的學科, 缺乏基礎理論支持, 也缺乏實際應用平臺與實踐驗證.本文的目的, 拋磚引玉, 提出智聯網的概念和定義, 論證智聯網的核心問題、并探索智聯網的可行的技術路徑.
圖3 智聯網的基本概念和框架
3 智聯網的核心問題
智聯網是以互聯網、物聯網為前序基礎科技, 在其之上建立起來的全新的面向智能的語義知識網絡.在建立起這樣的網絡之前, 我們歸納了其必須解決的核心問題, 即知識的獲取, 知識的表達, 知識的傳遞, 知識的聯結和知識的利用.需要強調的是, 這五個核心問題并非互相孤立的, 而是在邏輯上緊密相連、互相覆蓋的.知識的發現、表達、傳遞、聯結和利用既是古老的哲學和科學命題, 也是當今智能科學的前沿研究課題.本文中并無意圖(也無可能)對這些問題做出全面的解答, 而將圍繞已有學術理論對前四個問題簡要地進行闡述.
3.1 知識的獲取
文獻[4]中, 我們提出了一種一般化的知識自動化系統和知識計算架構, 工作過程依次包括: 1)構建多尺度時空數據模型:數據模型是感性混雜的數據的抽象組織形式, 用于描述和模擬現實世界的信息結構及其變化[9]; 2)時空數據子集特征化:特征化的目的是為了讓信息從原始的數據空間轉換到特征空間, 揭示數據內在特征; 3)知識對象的檢測與提取:旨在從時空數據集的某個子空間中“分割”出具有知識價值的對象; 4)知識對象屬性的提取和概念的形成:人工智能通過多種知識表征, 表現領域實體的本質及實體間的關聯; 5)知識空間和知識庫構建:利用從特征化的多尺度時空數據中提取的知識對象, 以及知識對象的各種屬性, 利用集合論和粒度計算理論, 即可實現知識空間和知識庫的構建[10-15]; 6)知識動力學:為知識體系和知識過程建立一個可描述的、可計算的、可數值求解的理論框架.
這里所述的知識自動化系統構建方法, 實際上是單個智能體從復雜世界的感性混雜數據中獲取和積累知識的過程.利用這些知識, 以達到描述、預測、控制和評估目標問題的目的.為了使智能分析和綜合達到系統化、一致性、形式化, 我們提出知識動力學系統, 其中, 問題、情形、策略、觀察、目標和評估使用知識來表達, 進而有效地直接利用知識來處理目標問題的建模、分析和綜合[16-19].而多個智能體的協同, 則依賴下述的知識協同表征與傳遞,以及知識的聯結與協同運行.
3.2 知識的協同表征與傳遞
我們將知識的表達與知識的傳遞合為一個主題討論, 這是因為這兩個核心問題在邏輯上關系極為緊密.對于單個的智能體, 在上一小節中建立的一般性知識自動化過程即可完成從數據到知識的轉化.但在協同知識自動化過程中, 就會產生新的問題:單個智能體的知識獲取是智能體內在的過程, 而知識的協同卻是一個外在的過程, 需要一種可以表達知識的公共機制, 從而實現知識的傳遞.該公共機制, 即是廣義下的“語言”.因此, 知識的表達與傳遞的核心問題就是為智聯網定義和建立一套語言系統, 使得不同智能實體之間、不同的智能群體之間擁有公共的知識表達機制和方式, 從而使得知識的傳遞成為可能.
1) 知識的表征: 知識的表征是智能實體對知識結構、方式和內容的系統性標識.知識表征的方法有多種, 廣泛使用的包括:謂詞邏輯、語義網絡、概念圖、產生式系統、框架表示、面向對象表示、表象計算模型, 以及當前被集中研究的連接主義表征等.一種知識內容可以用單種表征形式來表述, 也可用多種表征形式來聯合描述.以上節描述的一般性知識自動化系統為例, 對該系統知識表征需要描述數據的時空模型、數據特征、對象、屬性、概念等基本知識元素, 也需要描述命題、任務、功能、策略、行為、過程等高級知識過程.因此既會用到面向對象表示、框架表示、連接主義表征等偏重本體的表征來描述基本知識元素; 同時, 又會使用謂詞邏輯、語義網絡、產生式系統、概念圖等偏重關系的表征來描述高級的知識過程.
2) 協同知識表征: 如上文中所述, 知識的表征是單個智能體內部的過程.詳細而言, 對于知識元素(時空模型、數據特征、對象、屬性、概念等)和知識過程(命題、任務、功能、策略、行為、過程等)如何進行“指稱”, 對于一個智能實體, 這是它的“內部過程”.然而, 當把單個智能實體的概念推廣到智能實體網絡, 即智聯網時, 對于同一個知識元素或知識過程, 所用相關智能實體對其的“指稱”必須統一.舉例而言, 正如在人類語言中, 對一個客觀對象, 所有說同一種語言的人, 在某一種特定的語境下,對該對象的“指稱”是統一的.智聯網為其中所有的智能實體統一是“指稱”過程, 可以采用不同的手段.在人類社會中, 統一指稱的過程大多采用的基于語言的教育和廣播過程, 即通過廣播或者教育的手段解釋對象的概念和屬性, 并給予其一個公共統一的“指稱”.智聯網也可以采取相類似的方法, 由網內一個(或一組)智能實體專門負責統一網內知識元素及過程等對象的指稱處理的功能, 包括搜集、合并、定義、賦名、教育、廣播等.在人類社會中一個相似的例子是“一體化醫學語言系統” (Unified Medical Language System, UMLS), 又稱為統一醫學語言系統, 提供了對生物醫學科學領域內許多受控詞表的一部綱目式匯編, 是生物醫學概念所構成的一部廣泛全面的敘詞表和本體.目前, 在很多其他專業領域也有相似例子,如XBRL, 商務匯報語言, eXtensible Business Reporting Language.而智聯網需要將這個工作自動化和智能化地實現.
3) 智聯網語言: 基于協同知識表征和統一的對象指稱, 即可以為智聯網設計用于在語義層次上交流的人工語言系統.人工語言的作用是提供各種智能實體之間交換知識的規范方式, 不同于現在的通信標準(面向數據傳遞和信息傳遞), 這是一種以語言形式存在的高級通信標準, 直接面向知識傳遞.在語言的層面上, 智聯網人工語言需要遵守如下基本規則:
·指稱和概念的一致性:上文已經簡要解釋, 不再贅述;
·知識表征的一致性:相互關聯的知識(稍后闡述關聯的概念), 具有一致的知識表征形式以利于聯合知識計算, 如果知識表征形式不一致, 必須考慮如何進行表征轉換從而統一到可關聯的統一表征;
·文法的一致性:各個智聯網中的實體必須遵守統一的文法, 即統一的語言形式;
·通過以上各個一致性原則, 即可以為智聯網建立一種公共的知識交換機制, 也就是某種智聯網公共語言;
·不同智聯網公共語言之間如果需要進行知識交換, 則需要實施一定的“翻譯”機制.
4) 智聯網人工語言系統: 在智聯網中存在著對知識有不同需求的智能實體和實體族群, 有的需要知識粒度較大但是范圍很廣的知識, 有的需要知識粒度較小但是范圍較窄的知識.人工語言所表征的知識的粒度和廣度, 表征了其描述的智能系統的復雜度.所以對于不同領域、不同復雜度的智能實體, 所需的描述它們的人工語言的子集也不一樣.各種不同的智能實體和智能實體族群使用的語言, 構成了智聯網人工語言生態式系統.總體而言, 這個人工語言系統有以下幾個維度.第一個維度, 是在專業領域內智能實體族群內部的語言, 一般來說粒度小、范圍窄、專業領域指稱多; 第二個維度, 智能實體族群間互聯需要的公共語言, 是族群間共同自主地制定的, 利于族群間知識交互的語言, 一般來說粒度大、范圍廣、公共指稱多; 上述的具有多維度特征的語言構成語言系統, 實現領域內、領域間、層次間知識描述和傳播.
5) “人在回路中”的智聯網: “人”作為社會中的智能實體, 如果存在自然語言和智聯網的人工語言之間的“翻譯”機制, 即可成為智聯網的一員并參與知識協同過程. “人在回路中”、“社會在回路中”的智聯網概念因此具有實現的可能性.
3.3 知識的聯結與協同運行
在知識可以被協同表征和傳遞以后, 下一個智聯網的核心問題就是如何將各智能實體所具有的知識聯結在一起, 建立聯合的知識系統和知識空間, 在聯合知識空間中以一定的形式完成知識功能, 支撐知識服務, 最終實現協同知識自動化.
這里我們從知識動力學的觀點來闡述知識聯結的定義和原理.首先我們利用模糊邏輯簡單地為知識動力學提供一個基本數學框架.記U={u1,u2,…,uN}U為論域, 映射μAU→[0,1]是模糊集合A的隸屬函數.該模糊集合的模糊冪集F(2U)由U上的所有模糊子集組成, 是一個模糊超立方體IN=[0,1]N.利用F(2U), 模糊子集可以看作一個點或向量x={x1,x2,…,xN}∈F(2U), 其中xi=μA(ui).然而, 立方體IN為普通布爾冪集2U, 它由所有的2N維非模糊集的格組成.模糊超立方體實際上可以看成N維歐幾里得空間的一部分, 因此, 可以引入諸如兩個模糊集合之間的距離和一個模糊集合的鄰域等概念, 為知識的定量研究提供新的思路.基于模糊集映射方法, 我們可將模糊集合的模糊超立方體空間映射看作知識狀態的表示, 其公式化描述如下.
·狀態方程: Xk+1=F(Xk,Φk,k), 其中F: IN×IΓ×Z+→IN
·輸出方程: Yk=H(Xk,k), 其中H: IN×Z+→IΔ
·反饋控制: Φk=R(Yk,Vk,k), 其中R:IΔ×IQ×Z+→IΓ
這里，Z+={0,1,…,K}，Xk∈IN是表示系統狀態的向量，Yk∈IΔ是輸出，Vk∈IQ是輸入，Φk∈IΓ是控制，k是離散時間，F，H，R是模糊邏輯算子，它們各自定義了知識動力學中的系統、輸出和控制映射。上面系統中各個變量的定義域定義為DX={x1,x2,…,xN}，DY={y1,y2,…,yΔ}，DΦ={?1,?2,…,?Γ}，DV={v1,v2,…,vQ}。相應的知識模糊集合定義為狀態知識：X=∑xi∈DXμX (xi)/xi ；輸出知識：Y=∑yi∈DYμY(yi)/yi ；控制知識：Φ=Σ?i∈DΦμΦ(?i)/?i；輸入知識：V=∑vi∈DvμV（vi)/vi。
從知識動力學空間的視角, 各種知識對應就是知識空間中的點、點集、點集所組成的圖、軌跡、軌跡簇等, 而最終的空間的總體知識體現為一個復雜的有限知識狀態機, 用智聯網統一的形式語言所描述.而這些知識, 以集合論的觀點就是知識對象的各種集合.因此, 兩個知識空間是否可能存在關聯, 決定于張成這兩個知識空間的知識對象是否有交集, 也就是, 構成知識的知識對象集合是否有交集.
定義1. 定義UKDS={DX,DY,DΦ,DV}是某知識動力學空間KDS中狀態變量論域、輸入變量論域、輸出變量論域、控制變量論域的集合, 并將UKDS稱為知識動力學空間KDS的論域.
定義2. 記UA和UB分別是知識動力學空間A和B的論域, 如果UA∩UB≠?， 則稱知識動力學空間A和B存在互相關聯的關系; 或等效的說, 總可以構造或已經存在一個“聯結知識” C, 同時屬于UA和UB, 即C?(UA∩UB).
進一步解釋定義2, 我們可知, 如果兩個知識空間是關聯的, 那么它們的知識動力學空間論域至少有一部分是交織在一起的.可能的情況包括:共有知識空間狀態的某一個子集; 共享輸入、輸出、控制變量; 可從一個空間觀測另外一個空間狀態、輸入、輸出、控制變量; 一個空間的輸出變量是另一個空間輸入變量;一個空間的輸出變量是另一個空間的控制變量, 等等.由于在同一個智聯網內的、張成空間A和B的對象已經做了語義上的統一, 定義2中所定義的“聯結知識” C也會有明確的語義, 因此智聯網智能實體所對應的知識空間A和B實現了語義上的聯結.
智聯網知識的協同運行: 基于知識的獲取、協同表征、傳遞和聯結, 智聯網的海量知識的協同運行成為可能, 并用以支撐知識服務、完成知識功能, 實現知識服務和消費.為此, 我們必須就知識的協同運行方式, 智聯網知識系統的時變性, 和協同知識自動化過程的標準化進行論述.
知識的協同運行方式: 知識的協同運行取決于智聯網的知識聯結形式.換言之, 就是智聯網內智能實體之間地位關系如何, 何種智能實體提供何種知識、提供給誰、作何用途、知識的匯總如何進行、知識服務由誰定義和發起等等.以下舉例說明智聯網知識系統協同運用的幾種模式.
1) 層次型: 該模式將智聯網總體的知識空間按樹狀層次結構依次劃分, 協同運用知識的時候, 將較小粒度知識逐步從葉節點向根節點匯總成較大粒度的知識, 達成協同知識運行;
2) 集中型: 該模式的智聯網包含一個超級智能實體, 其將來自所有智能實體的知識匯總, 并在一個集中式的超算平臺上完成知識的中心化協同運用;
3) 分布型: 該模式的智聯網并不依賴某個超級智能體, 通過某種事先定義的分布式知識交換和處理機制, 完成去中心化的知識協同運用;
4) 混合型: 在一個智聯網內同時兼有層次、集中、分布等幾種協同方式的模式, 即混合型知識協同運用.可以預見, 在復雜智聯網中, 混合型知識協同運行將會是主要形態.
智聯網知識的發展性、時變性與自適應性: 由于智聯網中各智能實體不斷地與環境及其他實體發生信息、知識的交換, 因此其內在智能和知識也不斷發生變化, 因此, 以某種形式組織而成的智聯網, 必定具有發展性、時變性與自適應性的特性, 根據不斷變化的經驗知識, 其結構、形態、功能也不斷進行自我演化與調整.
協同知識自動化過程的標準化: 智聯網知識的獲取過程、協同表征、人工語言系統、聯結方式、協同運用, 應該考慮進行標準化, 進而產生標準化知識自動化流程, 區塊鏈技術及其相關方法將發揮關鍵作用.只有這樣, 才能使大規模社會化智能實體聯結和知識自動化生產成為可能.
圖4 智聯網支撐平臺與架構示意圖
4 智聯網的支撐平臺技術
與智聯網核心問題同等重要的, 是智聯網的支撐平臺技術, 即在何種平臺上, 智聯網能夠得以研究、開發、實施、運行、管理與控制.本文中簡要討論虛實平行系統, 社會化通信計算平臺, 及基于區塊鏈物聯網的分布式自組織自運行實現.
4.1 虛實平行系統
“知識”是一個虛擬的概念, 在物理世界中并無實體的存在, 因此, 知識的產生和運行是在虛擬的知識空間中進行的.虛擬的知識空間是對物理實在空間的反映、提取、總結和升華, 同時, 知識空間又反過來影響、誘導、管控它所對應的物理實在空間.因此, 知識虛擬空間和物理實在空間形成了互相糾纏、互相決定的虛實一體的合一空間.
針對這種一體化的虛實空間問題, 平行系統理論給出了一個完整的理論框架.平行系統理論的特征包括數據驅動、人工系統建模、和基于計算實驗的系統分析以及虛實互動的平行執行機制.平行系統方法的核心是建立一個或者多個具有某種目的(規劃、控制、檢測、管理等)的且與實際系統對應的虛擬系統, 通過對虛擬系統的學習和優化, 進而和實際系統交互, 最終實現對復雜實際系統的控制與管理.由平行系統為基本框架, 衍生出了平行智能、平行學習、平行動態規劃方法等[20-23].
虛實平行系統的構建、分析和管控采用基于大數據解析的計算復雜系統分析方法ACP, 即基于人工系統(Artificial societies, A)的建模方法、計算實驗(Computational experiments, C)的系統分析和評估、平行執行智能實體(Parallel execution, P)的系統7控制管理[24-25], 其具體含義如下:
1) 人工系統(A): 數據來自于智能實體, 采用數據驅動和語義建模, 利用默頓定律, 構建信息和行為之間的反饋; 通過數據挖掘, 發現海量信息的“內在意義”, 讓數據來說話.在解決了智聯網核心問題, 即知識獲取、知識協同表征與傳遞、知識聯結與協同運行后, 智聯網的虛擬知識空間(人工系統)即宣告建立.
2) 計算實驗(C): 在虛擬知識空間中, 通過知識集成深度計算、知識群體廣度計算、知識歷史計算等計算技術, 獲得虛擬人工系統的各種知識模態的結果.借助于知識計算, 實現智聯網內各智能實體之間相互深度知識交互以及融合, 實現智聯網智能體的知識協作, 最終落實虛實系統的知識協同.
3) 平行執行(P): 虛擬人工系統(知識系統)和物理實際系統組成一對平行系統, 虛實互動構成新型反饋閉環機制; 物理過程與人工知識計算過程的平行交互; 通過虛實互動進行求解和相互管控.
基于ACP方法的平行系統在智聯網中的運用有以下兩個主要任務.
1) 虛實平行系統的管控: 目標就是促使物理實際系統流程趨向人工知識流程, 通過知識計算、比較、發現更優化的運行狀態, 引導物理實際系統逼近人工系統, 從而借助人工流程減少實際系統相關目標的不確定性, 化多樣為歸一, 使復雜變簡單, 以此實現系統運營的智慧管控.
2) 知識空間本身的認知管控: 我們可以將整個智聯網理解成一個巨型的協作認知系統, 知識獲取、知識協同表征與傳遞、知識聯結與協同運作就是這個認知系統所要完成的認知任務和要達到的認知智能, 對于這個復雜認知系統的管控, 將是平行系統在平行智能智聯網中運用的另一個領域.
4.2 智聯網與社會化通信計算基礎設施的映射關系
如上所述, 互聯網和物聯網是智聯網的前序基礎科技, 因此也是智聯網關鍵平臺, 在此不再贅述.在這里需要補充的是, 智聯網和社會化通信計算基礎設施之間的映射關系.
智聯網的協同知識自動化系統架構, 為建立復雜而高效的多層次社會化的通信和計算系統提供了邏輯結構和建設藍圖.當前, 社會化通信計算基礎設施正在從單一的遠程云計算, 向由云計算、邊緣計算、普適計算相結合的社會化基礎設施平臺演化.而連接各種傳感、驅動、計算設施的通信網絡, 也正從傳統的基于交換機、路由器等設備的被動式“啞”網絡, 向軟件定義網絡(SDN)和平行網絡演化[26-31].計算的最重要目的, 即是獲取和應用知識.因此, 當智聯網的協同知識自動化系統的邏輯架構建立以后, 根據知識功能的數據需求、實時性要求和知識計算量, 即可以設計和建立相應的社會化通信和計算基礎設施.
4.3 基于區塊鏈的智聯網的DAO實現
區塊鏈和平行區塊技術是一種全網共識共同維護且保有所有歷史交易數據的分布式數據庫.其所采用的時間戳、非對稱加密、分布式共識、可靈活編程等技術使其具備了去中心化、時間可追溯性、自治性、開放性以及信息不可篡改等特性.區塊鏈技術的基本構架大致可以分為六層, 即涵括所有基層信息數據和加密技術等的數據層、連接所有節點完成數據傳播以及驗證的網絡層、涵括各種共識算法與機制的共識層、制定獎勵與懲處的激勵層、封裝算法和智能合約的合約層、以及具體化區塊鏈應用場景的應用層[32-33].
區塊鏈的智能合約技術可以真正做到在無外部監督的情況下, 以極小的運營成本支撐大型智能實體網絡的運行, 即“分布式自治組織” (Distributed autonomous organization, DAO). DAO運用智能合約執行一系列公開、公平、公道的系統運行規則, 在無人管理和監督的情況下實現自主運行和自主進化.結合前文提到的智聯網知識的協同運行方式(層次型、集中型、分布型、混合型), 基于區塊鏈的DAO為物聯網的運營提供了理想的平臺, 從而實現按照一定組織規則來自動組織智能體和開展協同知識自動化.更進一步, 通過出售或收購DAO的股權, 提供或者購買DAO的知識服務, 開放智聯網DAO知識服務API等種種知識消費商業和技術創新, 智聯網可以成為一種社會化的技術生態系統.
5 總結與展望
5.1 總結
本文旨在討論智聯網(Internet of minds, IoM)的概念, 核心問題和關鍵平臺技術.本文的圍繞智聯網所提出的主要觀點和內容歸納如下:
1) 智聯網出現的智能時代基礎和科學哲學思想基礎;
2) 智聯網的背景、概念、定義、實質, 以及協同認知智能的目標;
3) 智聯網的前沿應用領域: CPSS, 軟件定義系統及流程, 工業智聯網;
4) 智聯網的核心問題: a)知識的獲取:一般性知識自動化系統從感性混雜數據中獲取經驗知識; b)知識的協同表征和傳遞:智聯網協同知識表征, 人工語言系統的建立; c)知識的關聯和協同運行: 從知識動力學的觀點定義知識關聯, 以及基于知識關聯的知識協同運行方式;
5) 智聯網的關鍵平臺技術:虛實平行系統平臺實現智聯網的管控和知識空間的管控; 基于互聯網、物聯網、區塊鏈和平行網絡的社會化通信計算基礎平臺, 為分布式、自組織、自運行的安全智聯網系統提供基礎設施.
5.2 展望:智聯網和第五次工業革命
智聯網的建成將標志著新智能時代的全面到來以及第五次工業革命的全面展開.回顧人類社會的工業化進程, 第一次工業革命實現全社會的機械化協同, 第二次工業革命實現全社會的電氣化協同, 第三、四次工業革命實現全社會的信息化和自動化協同.而智聯網的實質, 即是協同知識自動化系統, 智聯網的建設最終將完成的是全社會的智能化協同.我們認為, 知識化和智能化協同, 就是第五次工業革命追求的終極目標,達到此目標, 就是新智能時代的全面到來.
每一次工業革命的完成, 都伴隨著某種核心科技的社會化協同的完成, 其結果都是極大地解放和提升社會生產力, 并對社會形態帶來巨大的沖擊.第五次技術革命剛剛拉開帷幕, 單個和孤立的智能技術就已經取得了令人驚異的成績, 而當海量智能實體完成社會化知識協同的時候, 其對社會生產力的提升和對社會形態的影響, 將是難以想象的.因此, 應當盡快開展智聯網的研究與開發, 在即將到來的新智能時代中取得研究和技術上的先發優勢, 同時也在即將到來的第五次工業革命中爭取主導地位.
致謝: 自2009年起, 王飛躍教授就基于ACP的平行智能、平行網絡和智能網絡及CPSS等完成了一系列的技術報告和學術講座[34-40].本文是對這些報告的總結和深化, 作者對王曉博士和袁勇博士等在此過程中的幫助和研討表示深深的感謝.
參考文獻
1 王飛躍. 新IT與新軸心時代: 未來的起源與目標. 探索與爭鳴, 2017年第10期: 23-27.
2 王飛躍. 面向人機物一體化CPSS的控制發展: 知識自動化的挑戰與機遇. 見: 中國自動化大會暨自動化領域協同創新大會. 長沙: 中國自動化學會, 2013.
3 Wang F Y. The emergence of intelligent enterprises: from CPS to CPSS. IEEE Intelligent Systems, 2010, 25(4): 85-88.
4 王飛躍, 張俊, 王曉. 知識計算和知識自動化: 新軸心時代的核心需求. 張江科技評論, 2017(4): 25-27.
5 王飛躍. 邁向知識自動化. 中國科學報, 2013[Online], available:http://www.cas.cn/xw/zjsd/201401/t20140103_4009925.shtml, October 1, 2017.
6 Zhao Li-Quan. Study on the Model Granular Computing[Ph.D. dissertation], Anhui Universit, China, 2007.
(趙立權. 粒度計算的模型研究[博士學位論文], 安徽大學, 中國, 2007.)
7 Wang Fei-Yue. From social computing to social manufacturing:the coming industrial revolution and new frontier in cyber-physical-social space. Bulletin of Chinese Academy of Sciences, 2012, 27(6): 658-669.
( 王飛躍. 從社會計算到社會制造:一場即將來臨的產業革命. 中國科學院院刊, 2012, 27(6): 658-669.)
8 Wang Fei-Yue. Software-defined systems and knowledge automation:a parallel paradigm shift from Newton to Merton.Acta Automatica Sinica, 2015, 41(1): 1-8.
( 王飛躍. 軟件定義的系統與知識自動化:從牛頓到默頓的平行升華. 自動化學報, 2015, 41(1): 1-8.)
9 Zhu W, Wang F Y. The fourth type of covering-based rough sets. Information Sciences, 2012, 201(19): 80-92.
10 Ma Bo-Ning. Research on Spatial Data Multi-scale Modeling[Ph.D. dissertation], National University of Defense Technology, China, 2014.
(馬伯寧. 空間數據多尺度建模關鍵技術研究[博士學位論文], 國防科學技術大學, 中國, 2014.)
11 Wang Fei-Yue, Mo Hong. Some fundamental issues on type-2 fuzzy sets. Acta Automatica Sinica, 2017, 43(7): 1114-1141.
( 王飛躍, 莫紅. 關于二型模糊集合的一些基本問題. 自動化學報, 2017, 43(7): 1114-1141.)
12 Zhang L, Zhang B. Quotient Space based Problem Solving A Theoretical Foundation of Granular Computing.Burlington:Elsevier Science, 2014.
13 Xu Ji, Wang Guo-Yin, Yu Hong. Review of big data processing based on granular computing. Chinese Journal of Computers, 2015, 38(8): 1497-1517.
( 徐計, 王國胤, 于洪. 基于粒計算的大數據處理. 計算機學報, 2015, 38(8): 1497-1517.)
14 張文修, 吳偉志, 梁吉業, 李德玉. 粗糙集理論與方法. 北京: 科學出版社, 2001.
15 Pedrycz W, Skowron A, Kreinovich V. Handbook of Granular Computing. New York: John Wiley & Sons, 2008.
16 Zhu W, Wang F Y. A new type of covering rough set. In:Proceedings of the 3rd International IEEE Conference Intelligent Systems. London, UK:IEEE, 2006. 444-449.
17 Wang Fei-Yue. Computing with words and a framework for computational linguistic dynamic systems. Pattern Recognition and Artificial Intelligence, 2001, 14(4): 377-384.
( 王飛躍. 詞計算和語言動力學系統的計算理論框架. 模式識別與人工智能, 2001, 14(4): 377-384.)
18 Wang Fei-Yue. Fundamental issues in research of computing with words and linguistic dynamic systems. Acta Automatica Sinica, 2005, 31(6): 844-852.
( 王飛躍. 詞計算和語言動力學系統的基本問題和研究. 自動化學報, 2005, 31(6): 844-852.)
19 Zhao L. Overview of linguistic dynamic systems based on perception information. In:Proceedings of the 31st Chinese Control Conference. Hefei, China:IEEE, 2012. 7519-7524
20 Mo Hong. Linguistic dynamic orbits in the time varying universe of discourse. Acta Automatica Sinica, 2012, 38(10): 1585-1594.
( 莫紅. 時變論域下的語言動力學軌跡. 自動化學報, 2012, 38(10): 1585-1594.)
21 Li L, Lin Y L, Zheng N N, Wang F Y. Parallel learning:a perspective and a framework. IEEE/CAA Journal of Automatica Sinica, 2017, 4(3): 389-395.
22 Wang F Y, Zhang J, Wei Q L, Zheng X H, Li L. PDP:parallel dynamic programming. IEEE/CAA Journal of Automatica Sinica, 2017,4(1): 1-5.
23 Li Li, Lin Yi-Lun, Cao Dong-Pu, Zheng Nan-Ning, Wang Fei-Yue. Parallel learning-a new framework for machine learning. Acta Automatica Sinica, 2017, 43(1): 1-8.
( 李力, 林懿倫, 曹東璞, 鄭南寧, 王飛躍. 平行學習-機器學習的一個新型理論框架. 自動化學報, 2017, 43(1): 1-8.)
24 Wang Fei-Yue. Parallel control:a method for data-driven and computational control. Acta Automatica Sinica, 2013, 39(4): 293-302.
( 王飛躍. 平行控制: 數據驅動的計算控制方法. 自動化學報, 2013, 39(4): 293-302.)
25 Wang F Y, Wong P K. Intelligent systems and technology for integrative and predictive medicine:an ACP approach.ACM Transactions on Intelligent Systems and Technology, 2013, 4(2): Article No. 32
26 Wang Fei-Yue, Yang Liu-Qing, Hu Xiao-Ya, Cheng Xiang, Han Shuang-Shuang, Yang Jian. Parallel networks and network softwarization: a novel network architecture. Scientia Sinica Informationis, 2017, 47(7): 811-831.
( 王飛躍, 楊柳青, 胡曉婭, 程翔, 韓雙雙, 楊堅. 平行網絡與網絡軟件化: 一種新穎的網絡架構. 中國科學:信息科學, 2017, 47(7): 811-831.)
27 Wang F Y, Yang L Q, Cheng X, Han S S, Yang J. Network softwarization and parallel networks:beyond software-defined networks. IEEE Network, 2016, 30(4): 60-65.
28 Wang Fei-Yue, Yang Jian, Han Shuang-Shuang, Yang Liu-Qing, Cheng Xiang. The framework of parallel network based on the parallel system theory. Journal of Command and Control, 2016, 2(1): 71-77.
( 王飛躍, 楊堅, 韓雙雙, 楊柳青, 程翔. 基于平行系統理論的平行網絡架構. 指揮與控制學報, 2016, 2(1): 71-77.)
29 Yang Liu-Qing, Wang Fei-Yue, Zhang Yan-Li, Han Shuang-Shuang, Yang Jian, Zhao Kai, Cheng Xiang. The urban parallel parking system based on ACP approach. Journal of Command and Control, 2015, 1(4): 384-390.
( 楊柳青, 王飛躍, 張艷麗, 韓雙雙, 楊堅, 趙愷, 程翔. 基于ACP方法的城市平行停車系統. 指揮與控制學報, 2015, 1(4): 384-390.)
30 韓雙雙, 王迎春, 要婷婷, 曹東璞, 王飛躍. 平行智能車: 基于CPSS的網聯自動駕駛汽車. 見: 2017中國自動化大會暨中國國際智能制造大會. 濟南, 中國: 中國自動化學會, 2017.
31 Wang F Y. Driving into the future with ITS. IEEE Intelligent Systems, 2006, 21(3): 94-95.
32 Yuan Yong, Wang Fei-Yue. Blockchain:the state of the art and future trends. Acta Automatica Sinica, 2016, 42(4): 481-494.
( 袁勇, 王飛躍. 區塊鏈技術發展現狀與展望. 自動化學報, 2016, 42(4): 481-494.)
33 Yuan Yong, Wang Fei-Yue. Parallel blockchain:concept, methods and issues. Acta Automatica Sinica, 2017, 43(10): 1703-1712.
( 袁勇, 王飛躍. 平行區塊鏈: 概念、方法與內涵解析. 自動化學報, 2017, 43(10): 1703-1712.)
34 王飛躍. 智能與時代: 歷史的使命與未來. 戰略發展報告, 2009.
35 王飛躍. 未來世界與復雜系統. 中國國際戰略研究基金會“面向未來”復雜性科學專題講座, 2009年11月20日.
36 王飛躍. 面向未來-未來世界的復雜性. 科學發展與戰略研究/中國國際戰略研究基金會編著: 知識產權出版社, 北京, 2012年8月第1版, 137-162.
37 王飛躍. 面向CPSS的指揮與控制: 關于平行軍事體系的理論、方法及應用. 第一屆中國指揮控制大會, 北京, 2013年8月5日.
38 王飛躍. 基于軟件定義的企業智能管理與控制: 基于ACP的平行系統方法, “探索?制造業的未來”西門子工業論壇, 北京, 2014年7月10日.
39 Wang F Y. Grids 5.0 and social energy:from internet of things to the society of minds. In:Proceedings of the 48th North American Power Symposium (NAPS). Denver, USA: September 19, 2016.
40 Wang F Y, ACP-based parallel systems:knowledge automation and smart adaptability for complex adaptive systems.In:Proceedings of the 2016 Complex Adaptive Systems Conference. Los Angeles, CA, USA:November 3, 2016.
來源：王飛躍科學網博客
北京市公安局海淀分局備案號：11010802023656號