從局部到整體：湧現計算成為人工智能另類途徑

文章來源：環球科學

最近，凱文·凱利(Kevin Kelly，簡稱KK)很火。其實，KK在中國的走紅與國內諸多互聯網大佬們的吹捧不無關係。現如今，去中心化、自組織、生態系統等詞彙已然成為了互聯網公司信奉的金科玉律，而它們恰恰大多來源於KK的那本成名之作《失控》。這本書自始至終都在談論一個主題，這就是複雜系統。

事實上，早在20世紀的70-80年代，科學家們就已經將關注的焦點定位在各式複雜系統之上，而湧現則是複雜系統中最顯著也是最重要的一種特徵。湧現(Emergence)，字面翻譯為突然出現，在系統科學中它意味“整體大於部分之和”。任何系統都是由大量微觀元素構成的整體，這些微觀個體之間會發生局部的相互作用，然而當我們把這些個體看作一個整體的時候，就會有一些全新的屬性、規律或模式自發地冒出來，這種現象就稱為湧現[1]。

一個湧現的實例來自都市中閃爍的霓虹燈。我們知道，霓虹燈那色彩斑斕的圖案無非是由上百支燈泡閃爍而形成的。在燈泡的層面，我們找不到高層次的圖案或文字，因此圖案和文字就是湧現結果。另一個例子來自螞蟻王國[2]。我們都知道，每只小小的螞蟻是一個非常簡單的個體，它們沒有聰明的頭腦，只會完成一些簡單的任務。然而，當把成千上萬隻小螞蟻組合到一起的時候，整個蟻群就能體現出非常複雜、龐大的湧現現象，例如社會分工、集體協作等等。

例如在螞蟻覓食的活動中，它們就能體現出湧現的行為。我們知道，單個的螞蟻由於體形弱小，所以它們的視力範圍非常有限，只能看到鄰近的景物。然而，當大量的螞蟻共同協作的時候，它們通過相互作用傳遞信息，就可以發現一條最快的搬運食物回巢的路線。那麼，這條最快的搬運路徑就是典型的螞蟻群體的湧現行為。而且，我們知道，在這群螞蟻中，並沒有哪個蟻王或者蟻后對整隊螞蟻發號施令，所有的湧現行為全部是這群螞蟻局部相互作用的結果。

那麼，我們能否借鑒湧現的思想，來設計出一些人造的系統或程序，從而為我們人類服務呢？這就是湧現計算要解決的問題。將湧現的思想借鑒到計算系統中來便構成了湧現計算的想法。從計算的觀點來看，一個湧現系統其實就是一個並行計算的系統。蟻群中的單個螞蟻就是一個小型的處理器，它們可以並行地、局部地完成計算任務。那麼蟻群、霓虹燈整體就可以通過集合這些並行處理單元，而完成複雜的運算任務，例如尋找到有效的搬運食物路徑或者形成複雜好看的圖案。我們完全可能設計一個人工計算系統來通過模擬簡單的並行計算單元而實現整體湧現系統的模擬。

例如，我們可以把蟻群覓食的例子用計算機模擬出來[2]。如下圖所示：

在一個二維的、離散化的網格世界裏，我們可以用一個計算機程序體(稱之為Agent)來模擬一個覓食的螞蟻。隻螞蟻可以從自己的巢穴出發，在這個網格世界中隨機游走，如果它找到了食物就開始往回折返。為了呼喚其他的螞蟻過來，它會往經過的格子中撒下信息素(右圖中的彩色方格)。其它的螞蟻在隨機游走的過程中，如果碰到了彩色的方格(聞到了信息素的味道)就會沿信息素的濃度引導向前爬行，直到找到食物。一旦它找到食物，就又會進一步往環境中播撒信息素。這樣，一旦有一隻螞蟻找到了食物，就會吸引更多的螞蟻過來。

與此同時，信息素會在環境中慢慢地揮發、退色，這樣，沒有什麼螞蟻經過的那條路徑就會逐漸耗散它的信息素。漸漸地，只有那條最短的路徑會聚集最多的螞蟻，螞蟻群體們就通過相互作用找到了最短的路。所有這些現象完全可以在計算機模擬世界中計算得到。因此，我們，湧現是可以通過多主體計算進行模擬的。

由於湧現的系統有很多優越特徵，例如它的抗干擾能力、創新性等，所以人們感興趣的是另外一種思路，也就是我們給系統預設一個具體的計算目標，但是這個計算目標不是通過傳統的編程直接告訴計算機如何實現，而是通過設計一種微觀個體的相互作用規則，而讓最終的目標自發地湧現出來。也就是，如果某系統的湧現行為或者屬性可以看作是某種計算的話，那麼我們就稱這個系統正在執行湧現計算[3]。

湧現計算與湧現的模擬有很大的相似性：它們都是利用計算系統實現系統的湧現現象。但是兩者又有很大的不同：湧現的模擬旨在用計算機模擬一個真實的系統，使得這個模擬具備某種湧現的特徵；然而湧現計算則要求更高，它要求該系統不僅僅需要具備湧現特徵，而且這種湧現特徵還能完成某種特定的計算任務。也就是，湧現模擬是利用個體的簡單計算而實現湧現，湧現計算則要求系統的湧現完成實際的計算。

讓我們再回到螞蟻的例子上來。雖然我們已經可以把蟻群的行為和湧現屬性用計算機模擬出來了，但是這個模擬系統並不能幫我們執行有意義的計算。

然而，1992年Marco Dorigo在他的博士論文中提出的蟻群優化算法(Ant Colony Optimization)就是一種典型的湧現計算的例子[4]。因為蟻群算法通過改造螞蟻的模擬程序的確可以找到一條真實地圖上的最短路徑，因此，作為一種湧現的結果，這條最短路徑是被湧現計算而出的。

進一步，蟻群優化算法還可以被用來解決包括旅行商問題、組合優化問題等更一般的問題上來。這也體現了湧現計算的強大優勢。

參考文獻

[1] 約翰。霍蘭：湧現：從混沌到有序，上海科學技術出版公司，2006。

[2] 李建會、張江：數字創世紀——人工生命的新科學，科學出版社2006.1。

[3] Stephanie Forrest: Emergent Computation, MIT Press,1991.

[4] M. Dorigo. Optimization, Learning and Natural Algorithms (in Italian). PhD thesis, Dipartimento di Elettronica, Politecnico di Milano, Milan, Italy, 1992.

[5] 王旭，張江，崔平遠： 一種基於蟻群算法求解路徑規劃問題的新方法； 中國智能自動化會議， (2003.12)：996~999。 作者：張江 (北京師範大學系統科學學院副教授、集智俱樂部創始人)