2.4　人机物融合群智计算特质

我国古代就已经有了关于“系统”的阐述。例如，经典著作《易经》中将系统论归纳为12个字：自然合理、整体关联、动态平衡。这与本书中介绍的人机物融合群智计算特质在多个层面不谋而合。“自然合理”强调关注人机物智能个体在能力和资源上的特有属性，并充分利用个体差异性实现优势互补，这也是人机物弱智能体协作增强的根本动机。而“整体关联”突出系统多个智能体之间的协同性，其自组织特质至关重要，包括群智涌现机理（如群集动力学）、群智优化算法、协同计算模型等。“动态平衡”则指出环境动态变化是一种必然的自然属性，因此系统必须具有根据动态环境做出主动适应性改变的能力，对应人机物融合群智计算的自学习、持续演化和自适应特质，具体包括群智能体计算模型环境自适应、群智能体间演化博弈，以及群智能体对于新数据的持续学习、对于新经验的强化学习、对于其他智能体知识的模仿学习和迁移学习等。

如图2.3所示，人机物融合群智计算具有自组织、自学习、自适应和自演化四个特质，本节将对这四个特质进行详细的介绍。

图2.3　人机物融合群智计算特质

1）自组织指跨社会、信息、物理空间的异构群智能体，基于实时状态与动态环境交互，通过系统内部个体的分布式自主交互和内在共识，以形成时间、空间、逻辑或功能上的自组织协作，从而涌现出新的组织属性、特征、性质和结构等。内容包括人机物融合群智机理和动力学（如群落生态学、智能优化算法、人机物群集动力学、人机物共融智能）、群体分布式学习模型（如分布式机器学习、群智能体联邦学习、群智能体深度强化学习、群智能体协同计算）。

2）自学习指群智能体基于历史决策经验、模仿对象行为或源域中可利用的知识，通过强化学习、模仿学习和迁移学习等自学习机制实现行动能力、表征能力和技能组合的提升。内容包括强化学习与自主决策、多智能体强化学习、示范模仿学习、人类指导强化学习、群智知识蒸馏、群智知识域自适应、多任务知识共享、元学习知识迁移、联邦迁移学习和分层技能迁移与组合等。

3）自适应指在动态变化的开放环境中，群智能体根据感知数据的多样性、设备资源的动态性以及群智能体组织拓扑的移动性，自适应调整优化人机物融合感知计算模式、分布式学习策略、分散式计算算法以及群智能体的行动策略等。例如，环境自适应深度模型伸缩、输入自适应的深度模型运行时拓扑、云边端多平台上的深度模型动态分割、群智能体角色变换、群智能体结构变换以及应急避险。

4）自演化关注人机物融合群智计算系统全生命周期的持续优化，主要包括两部分：群智能体演化博弈和群智能体持续学习。群智能体演化博弈是指通过智能体间的合作或竞争不断地试错、反馈并动态调整策略，强调“均衡状态”的动态性。持续学习是指当新数据持续到来、任务需求变更或者学习策略动态拓展时，群智计算系统可以避免遗忘已有知识并持续学习新知识和新技能。例如，人机物融合异构群落演化、群智能体演化博弈、智能体形态演化、智能体硬件演化、基于终身学习的深度模型持续演化以及智能算法的进化学习等。