自然界中，「螞蟻覓食」是一種尋常但奇特的現(xiàn)象。

成群結(jié)隊(duì)的螞蟻，總是能夠在食物與蟻巢之間尋找到最佳路徑，快速地將食物搬運(yùn)至蟻巢中。這引起了生物學(xué)家的廣泛注意，在經(jīng)過多次研究實(shí)驗(yàn)之后，他們發(fā)現(xiàn)：

螞蟻在尋找食物過程時(shí)具備隨機(jī)性，沒有固定的方向和目標(biāo)，但只要有一只螞蟻發(fā)現(xiàn)食物，這只螞蟻在搬運(yùn)食物回巢時(shí)，就會(huì)留下一種微弱的氣味，即一種叫做「信息素」的物質(zhì)。其它螞蟻會(huì)沿著該氣味尋找到食物，然后再次留下氣味蹤跡。最終，越來(lái)越多的螞蟻加入其中，形成了一條最優(yōu)化的路徑。

這種特性讓螞蟻在覓食行動(dòng)中，群體的效率遠(yuǎn)高于個(gè)體，不需要浪費(fèi)更多的時(shí)間與精力。換句話說(shuō)，單只螞蟻覓食低效而低智，而當(dāng)螞蟻成群，就能爆發(fā)出一種隱形的群體智能，通過協(xié)作達(dá)到「整體最優(yōu)」。

類似的現(xiàn)象在自然界中比比皆是：大雁在遷徙時(shí)會(huì)排成陣列，在「人」和「一」中來(lái)回切換；鯡魚在面臨捕獵者時(shí)會(huì)相互「預(yù)警」；蜜蜂則擁有高效的「決策系統(tǒng)」。

就連人類本身，也存在類似的「群體智能」：「世上本是沒有路的，走的人多了，也便有了路�！�

人們從A點(diǎn)走到B點(diǎn)，起初會(huì)有無(wú)數(shù)條路徑，但最終會(huì)出現(xiàn)一條最優(yōu)的路徑，這正是人們?cè)趯?shí)踐中進(jìn)行無(wú)數(shù)次「探索」和不知覺中協(xié)作的結(jié)果。

因此，不論是處于食物鏈頂端的人，還是諸如螞蟻、蜜蜂等低等動(dòng)物，在形成群體之后，都能爆發(fā)出一種群體智慧。這種智慧來(lái)源于群體各成員之間的「默契」與「配合」，進(jìn)而給群體帶來(lái)整體利益的「最優(yōu)解」。

當(dāng)這些現(xiàn)象被觀察、解析之后，其內(nèi)在的群體智慧邏輯被借鑒至多個(gè)學(xué)科，例如社會(huì)學(xué)、組織行為學(xué)、經(jīng)濟(jì)學(xué)等等。

也有不少學(xué)者將其應(yīng)用到人工智能領(lǐng)域，做了一系列研究，成果涵蓋從最初的「蟻群優(yōu)化算法」、「粒子群優(yōu)化算法」到后來(lái)的群體智能、眾包、群體計(jì)算等概念，并產(chǎn)生了比較多的應(yīng)用，如無(wú)人機(jī)協(xié)作、智能電網(wǎng)等等。

其中，「群體智能」作為未來(lái)人工智能的5個(gè)重大方向之一（《新一代人工智能發(fā)展規(guī)劃》，國(guó)務(wù)院，2017），在學(xué)術(shù)界已經(jīng)引起廣泛關(guān)注，不少學(xué)者紛紛將「群體智能」與自身研究方向相結(jié)合，試圖以「群體智能」的視角來(lái)重新探索各種涉及到組織協(xié)作、參與者人數(shù)較多的問題的解決之道。

黃建偉正是其中之一。

作為IEEE通信學(xué)會(huì)杰出講師，他于2016年當(dāng)選IEEE Fellow，當(dāng)選時(shí)年僅37歲，是當(dāng)年全球最年輕的幾個(gè)Fellow之一。官方給出的原因是，表彰其「在無(wú)線通訊網(wǎng)絡(luò)的資源管理及分配機(jī)制上的重大貢獻(xiàn)」。

在具體研究方向上，黃建偉長(zhǎng)期專注于網(wǎng)絡(luò)優(yōu)化、群體智能和經(jīng)濟(jì)學(xué)交叉領(lǐng)域的開創(chuàng)性研究，總共發(fā)表了7本英文學(xué)術(shù)專著，300多篇國(guó)際一流期刊和會(huì)議論文，谷歌學(xué)術(shù)總引用超過14400次。

他的論文九次獲得國(guó)際會(huì)議和期刊的最佳論文獎(jiǎng)，包含2011年「IEEE馬可尼無(wú)線通信論文獎(jiǎng)」（無(wú)線通信領(lǐng)域最重要的獎(jiǎng)項(xiàng)之一）。此外，他還曾獲得2009年IEEE通信協(xié)會(huì)亞太杰出青年研究學(xué)者獎(jiǎng)、2014年香港中文大學(xué)青年研究學(xué)者獎(jiǎng)。

過去5到6年的時(shí)間里，黃建偉在「網(wǎng)絡(luò)+經(jīng)濟(jì)」的基礎(chǔ)上，拓展出群體智能的方向，著重探索解決群體智能領(lǐng)域一個(gè)長(zhǎng)期的公開問題：群智決策中如何驗(yàn)證事實(shí)正誤。

而在群體智能這個(gè)領(lǐng)域，他的研究也深入到了聯(lián)邦學(xué)習(xí)、群智決策等細(xì)分方向，并且將成果應(yīng)用到了碳中和、交通、智慧城市等多個(gè)場(chǎng)景之中。

近日，雷峰網(wǎng)-AI科技評(píng)論與黃建偉博士就「群體智能」這一話題進(jìn)行了對(duì)話，后者從「群體智能」的定義、研究?jī)?nèi)容、應(yīng)用、未來(lái)研究方向等多個(gè)方面進(jìn)行了深入淺出的講解。雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))-AI科技評(píng)論將其整理成文，以饗讀者。

讓我們先來(lái)看看，什么是「群體智能」。

1、從個(gè)體到團(tuán)隊(duì)：不同研究對(duì)象的群體智能
1992年，意大利學(xué)者M(jìn)arco Dorigo 受螞蟻覓食的靈感，在其博士論文里提出了「一種用來(lái)在圖中尋找優(yōu)化路徑的概率型算法」，即「螞蟻優(yōu)化算法」（ACO）；三年后，社會(huì)心理學(xué)家James Kennedy和電氣工程師 Russell Eberhart 通過模擬鳥群覓食行為，提出了「粒子群優(yōu)化算法」（PSO）。

這兩種算法出現(xiàn)之后，關(guān)于「群體智能」的研究開始涌現(xiàn)，相關(guān)論文逐年增加。

由于這兩種算法都是受動(dòng)物覓食啟發(fā)，研究的是幾乎沒有智能的昆蟲（螞蟻、蜜蜂等）在形成整體之后，涌現(xiàn)出很強(qiáng)的智能性。因此，群體智能最早的含義，在英語(yǔ)語(yǔ)境下，被稱為“Swarm Intelligence”。

根據(jù)Marco Dorigo的闡述，從廣義的角度看，「群體智能」指的是群居性生物通過協(xié)作而表現(xiàn)出的集體智能行為；而從學(xué)科研究的角度看，「群體智能」則指受自然界中群體協(xié)作行為啟發(fā)，研究問題求解算法或分布式系統(tǒng)理論與方法的學(xué)科。

后來(lái)，不少學(xué)者將「群體智能」與各類學(xué)科融合在一起，如社會(huì)學(xué)、組織行為學(xué)、人工智能等，來(lái)研究社區(qū)、團(tuán)體內(nèi)，成員之間進(jìn)行互動(dòng)，來(lái)實(shí)現(xiàn)整體收益的最優(yōu)。從這個(gè)角度看，群體智能又被稱為「Collective Intelligence」。

「兩種說(shuō)法很多時(shí)候沒什么區(qū)別，大家也都是混用，只是從不同的角度出發(fā)而已�！�

黃建偉告訴雷峰網(wǎng)-AI科技評(píng)論，實(shí)際上，如果按照研究對(duì)象分，「群體智能」在業(yè)內(nèi)還有另一種叫法——Crowd Intelligence。與前兩種相比，Crowd Intelligence 以人為主，旨在研究大量的人如何實(shí)現(xiàn)智能決策的問題。因而，Crowd Intelligence主要關(guān)注兩方面：

組織問題的計(jì)算化；

計(jì)算問題的組織化。

所謂組織問題的計(jì)算化，即將某個(gè)整體組織協(xié)調(diào)的問題的計(jì)算變成分布式計(jì)算。

比如，在一些網(wǎng)約車平臺(tái)上，每個(gè)司機(jī)都是獨(dú)立的個(gè)體，如何把這些司機(jī)有效地組織起來(lái)，來(lái)實(shí)現(xiàn)整體資源的最優(yōu)分配，就需要將整個(gè)問題通過去中心化的分布式計(jì)算來(lái)實(shí)現(xiàn)供需平衡。

計(jì)算問題的組織化，即將復(fù)雜問題拆解為多個(gè)模塊，每個(gè)模塊由不同的單元負(fù)責(zé)，最終將問題消解掉。用比較通俗的話講，就是「大事化小、小事化了」。

引用國(guó)內(nèi)北航的兩位學(xué)者，李偉和吳文峻對(duì)于 Crowd Intelligence 的相關(guān)研究，其與 Collective Intelligence 的關(guān)系如圖所示： 從圖1不難看出， Crowd Intelligence 在數(shù)學(xué)意義上屬于Collective Intelligence 的子集，Crowd sourcing（眾包，一種分解任務(wù)的方法）和 Human computation（人類計(jì)算，一種計(jì)算方式） 的交集。

因此，Crowd Intelligence 屬于群體智能（Collective Intelligence） 的一種，這也是黃建偉的研究方向之一，后續(xù)文章提到的「群體智能」，如無(wú)特別指出，皆指代Crowd Intelligence。

Crowd Intelligence 的研究對(duì)象以 Crowd（人群）為主，旨在通過借鑒簡(jiǎn)單類群居生物表現(xiàn)出的群體智能，來(lái)解決人類生活中面臨的實(shí)際問題，其與各學(xué)科的交融，尤其是與AI的融合，可在多個(gè)領(lǐng)域應(yīng)用。

以聯(lián)邦學(xué)習(xí)為例：

傳統(tǒng)生產(chǎn)人工智能模型依賴大量數(shù)據(jù)，在進(jìn)行數(shù)據(jù)預(yù)處理、標(biāo)注等環(huán)節(jié)之后，在大算力的服務(wù)器上進(jìn)行訓(xùn)練，然后調(diào)參、優(yōu)化等，最終產(chǎn)生模型。

然而在實(shí)際應(yīng)用中，數(shù)據(jù)量并不一定足夠，因?yàn)樵S多用戶出于隱私的考慮，不愿貢獻(xiàn)數(shù)據(jù)。那么該怎樣去生產(chǎn)一個(gè)復(fù)雜有效的模型呢？

聯(lián)邦學(xué)習(xí)就是一個(gè)「群體智能」的應(yīng)用案例：用戶通過本地?cái)?shù)據(jù)做計(jì)算，然后將計(jì)算模型貢獻(xiàn)給中央服務(wù)器，進(jìn)行相互交流、調(diào)優(yōu)；通過這種不接觸本地?cái)?shù)據(jù)的方法，也可以產(chǎn)生有效的人工智能模型，且規(guī)避了數(shù)據(jù)泄露的風(fēng)險(xiǎn)。

在具體應(yīng)用方面，「群體智能」已經(jīng)被廣泛運(yùn)用到智慧城市的各個(gè)場(chǎng)景，例如智慧交通、智慧物流、智能電網(wǎng)、碳中和等等。