人工群体智能的优势仅仅是利用新的技术实现了大数据的在线输入、动态即时的信息更新，使得智能模拟系统从封闭走向开放和涌现，但其智能构造方法本质上仍是以计算为基础的问题求解模型。也就是说，人工群体智能优化的只是基于种群的算法，它并没有改变智能是基于规则的表征—计算系统这一核心假说。

    “群体智能”（Collective/SwarmIntelligence）被喻为是由不同个体的大脑集聚而成的新大脑（aBrainofBrains），它是自然界中低级动物的不同个体与其环境交互协作涌现出的集体智能行为（如蜂群、蚁群筑巢等）。当前，在仿生学、人类学、认知心理学、计算机科学等交叉研究的基础上，人工群体智能为复杂环境中的决策难题提供了优于人类的宏观智慧。笔者从智能概念的本质出发，结合人工群体智能的发展状态，主张尽管人工群体智能具有整体性、涌现性和高层次性，但仍未达到通用智能的水平。

    智能本质：从“我思”到“我们思”

    近代以来的西方哲学家把认识心智和智能的本质作为理解自我与世界的“第一哲学”。笛卡尔的“我思故我在”主张心智与具有内省能力的个体思想者“我”之间具备同一关系。尽管笛卡尔主义的认识论和心智哲学长期受到批评，但笛卡尔对心智理解的个体观念却影响深远。直至20世纪80年代，无论哲学家、认知心理学家和计算机科学家们是将智能视为行为（及其倾向）、功能还是生理物理状态，他们几乎都相信智能的载体是单个的主体或机器。当代心智哲学、认知心理学以及神经科学的主流理论假设人类智能的边界始于大脑，止于个体；人工智能最初的工作范式也是设计机器来模拟个体的心智能力。

    然而在过去的30多年间，越来越多的哲学家、认知科学家意识到，心智和智能的个体观片面强调了单一主体反映和改造世界的能动性，低估了主体在与他者、外部工具的协同交互中展现的智能，忽视了智能本质上也内禀社会性、历史性和文化性。戈德曼的社会认识论研究长期探索人类知识如何通过人际交流、信息交换、社会交往而得到增进。可以辩护信念的理由不仅包括个人的证据，也包括他人证词、认知辅助技术和认知分工等。美国加州圣地亚哥大学的认知科学家哈钦斯等人在借鉴认知人类学和维果斯基心理学的基础上研究了美国海军舰艇上的船员是如何各自分工共同执行认知任务的，从而主张一种“分布式认知”的进路，即智能系统具有在多主体和环境间分布的本质。克拉克和查尔莫斯提出的“延展心智观”从外在主义的视角诠释了这种关于心智本质的反个体主义理解。他们认为，心智不仅仅在个体的大脑中，也分布至个体的身体甚至超出体肤延展至外在环境。从物理空间上讲，智能主体并非只是具有脑结构的生物个体，而是“大脑—身体—工具（机器）—环境”相互嵌入的耦合系统。从历史维度上看，灵长类动物生成智能所经历的七万年以上物竞天择的进化史是以种群为单位的；更重要的是，智能本质上已经被塑造成是个体与他者、环境在社会文化背景下共同的认知实践。综观而论，“社会认识论”、“分布式认知”、“延展心智”等新动向深刻影响着我们面向智能科学的研究视界。在人工智能领域的新近研究中，研究者也试图超越传统在实验室中研究纯机器人，从关注大脑神经状态扩展至外部世界，从关注发生在个体身上的心理表征与过程转向群体的社会背景以及人机交互的赛博世界，进而寻求模拟人类或动物在群体协同的环境中所表现出来的整体智能。

    人机交互的“群智空间”

    从传统人工智能到分布式人工智能，再到人工群体智能的兴起，既反映了人类对智能本质渐进式的理解，也反映了研究人员在建立人工智能办法思路上的不断创新。与以往从零起点建立智能的模式不同，“人工群体智能”是通过一群人的思想去预测和求解复杂世界中的事件和难题。近年来，加州UnanimousAI公司的首席执行官罗森博格博士开发了一款名为UNU的预测软件平台，引起了人工智能界和公众媒体的极大兴趣。UNU允许任何人登录参与答题，是一种利用不同的人群做出集体决策的即时在线工具。每个参与者在线上给出的意见都可以实时更新，直至达成共识。UNU预测了2016年美国肯塔基州的赛马比赛，它不仅成功预测到哪匹马是冠军，而且连前四名的顺序也无误（在此之前，这种高预测率是任何赛马专家都做不到的）。以UNU为代表的人工群体智能系统将人置于“人—机—环境”交互共存的回路中，在应对一些复杂决策的时候展现了超出个体的宏观智慧，这不仅使得专家们看到了走出传统人工智能困境的一丝希望，也在技术层面实现了社会认识论和“延展心智”倡导者们所构想的智能模型。

    其实，人工群体智能的兴起是人类向大自然学习的结果。早在20世纪80年代，在计算机科学及其交叉领域中的研究人员受到动物依靠群体行为获得生存优势的启发，开始研究简单智能甚至是无智能生物是如何通过分工合作完成高智能的行为。最初的研究焦点集中在蜂群、蚁群组织中个体间的竞争协同，并通过建构优化算法的模型来模拟这类高层次、涌现性、整体性智能的生成。UNU等新一代人工群体智能则进一步打破动物自然种群的界限，扩展了人与机器、环境之间的协同耦合。在大数据、“互联网＋”时代到来的今天，人类不仅可以通过有限的自然能力去形成群体智能系统，也可以创造和运用互联网技术去增强和延展智能平台，构造“人机交互”实时在线的“群智空间”，实现宏观智慧的创获。有些网络百科、搜索引擎的自动校正等新技术已经印证了在“群智空间”中生成的新知识是一种群体共享、实时交互、整体涌现的新智能形式。

    人工群体智能的瓶颈

    20世纪60年代，图灵、司马贺等人工智能的第一代研究者曾经认为，“在二十年内，一台机器就能够完成人类能做的所有事情”。这一目标后来被称为“通用人工智能”（ArtificialGeneralIntelligence,AGI）。只有实现了通用智能，我们才可以说人工智能和人类智能处在同等水平。然而半个多世纪过去了，通用人工智能之梦更多还是在科幻小说和电影中实现。那么，超越了传统范式的人工群体智能既然在处理一些复杂问题时甚至表现得比我们自己更智慧，是否意味着就达到了通用智能的水平呢？

    笔者认为，人工群体智能的优势仅仅是利用新的技术实现了大数据的在线输入、动态即时的信息更新，使得智能模拟系统从封闭走向开放和涌现，但其智能构造方法本质上仍是以计算为基础的问题求解模型。也就是说，人工群体智能优化的只是基于种群的算法，它并没有改变智能是基于规则的表征—计算系统这一核心假说。哥德尔不完备性定理等数学上的结论揭示了人类思维是计算不完全的，人的大脑很大程度上并不按照计算加工的方式进行思维。人工群体智能也会面临针对传统人工智能相似的计算主义困境。哲学家塞尔还曾通过构造“中文房间论证”的思想实验来反驳通用人工智能的可能性，他认为即使行为上看起来具有智能的机器仍不可能理解意义，因为它们只是模拟而没有意识。UNU系统能够高准确率地预测某些事件的结果，但它真的理解这些结果的意义吗？

    另外，虽然群体智能在处理某些问题时已经表现出1+1>2的整体效用，但如何超越个体，最优化整合不同个体的智能，涌现出宏观的群体智慧，这是人工智能专家面临的新课题。不难发现，无论在自然界还是人类社会，个体智能的聚合并不必然产生更高的群体智能。比如社会心理学中存在着个体智能聚合产生不良群体意见的案例。个体的样本大小、认知偏见、情绪类型、外在环境的优劣情况等在群体整合中都发挥着不同的作用，影响着群体的认知表现。当前，人工群体智能的研究主要还集中在对具体算法的优化上，对于复杂世界中群体智能模型构成的统一规则并没有足够的认识。因此，虽然人工群体智能与基于单主体的人工智能在智能层次上有着本质差别，但是断言人工群体智能已经是一种通用智能仍为时尚早。

本文来源：中国客户管理网