《人工智能、自组织与混沌中的秩序.docx》由会员分享，可在线阅读，更多相关《人工智能、自组织与混沌中的秩序.docx（11页珍藏版）》请在三一文库上搜索。
1、人工智能、自组织与混沌中的秩序人工智能、自组织与混沌中的秩序1. 摘要自组织现象（self-organization）是指非线性多单元的开放系统, 在远离平衡到一定程度时, 由于单元间的强烈耦合与协调作用而形成的时间、空间或功能上的结构与混沌。自组织理论研究的复杂系统的演化理论，即研究客观事物自身的结构化、有机化、有序化和系统化过程。人工智能（Artificial Intelligence）作为从计算机科学中分离出来的一门研究模拟人类智能，实现理性行动的学科诞生于1956年。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学、控制论、信息论、
2、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的综合性学科，自20世纪60年代以来已取得了许多重要成果。人工智能领域和自组织系统之间的联系渊源已久。人工智能领域的鼻祖之一图灵在1952年发表了的形态发生的化学基础（The Chemical Basis of Morphogenesis）为自组织现象的发现埋下了伏笔。从自组织理论看来，以符号主义为代表的传统人工智能科学被认为处于一种过度开放的状态。逐渐地，越来越多的科学家提出了新人工智能的概念，即以“实体化”，“现场性”和“自下而上设计”为原则。新人工智能设计的智能体符合适度开放的原则，它与真实环境交互作用，人类不再对其进行直接和精确的干
3、预。2. 关键词人工智能；自组织；混沌；机器学习；群体智能；元胞自动机；耗散结构理论3. 引言20 世纪50 年代，阿什比首先提出自组织系统这一概念，20 世纪60 年代以来，一批关于进化机制的自组织理论相继而生，其中最著名的有普里高津(I.Prigogine, 1967)的耗散结构理论，哈肯（H.Haken, 1971）的协同学和艾根(M.Eigen, 1970)的超循环理论。自组织系统理论中，各个理论的知识背景与对象有很大差别，但它们都试图解决有序和无序相互转化的机制与条件问题，这些理论从不同角度说明了各种物质系统如何从较低级的结构功能形式演化为较高级的形式。在计算机科学和人工智能领域，关
4、于自组织以及利用自组织理论的研究体现在诸多方面。例如自组织神经网络，以及群体智能（Swarm Intelligence）等概念。4. 自组织与人工智能4.1 自组织现象自组织理论源于20世纪60年代，由L.Von Bertalanfy的系统论发展而来。其意义在于，一个开放、远离平衡的体系，在一定条件下可以自发地组织成时间和空间的有序结构，呈现出类似于生命特征的自组织现象。这一发现及其耗散结构理论的建立具有重要的科学意义和哲学意义，是当代化学、物理学、生物学、计算机科学甚至于社会学发展的重要前沿领域。自组织现象与混沌现象可以说是异曲同工。自然界具有规律性，又有一个完全独立的无规律性，它们是两种不
5、同的东西，这种传统的想法已经逐渐被人们所抛弃。当代科学家普遍认为，混沌与秩序是运行状态的两极，可由同一种数学模型产生。图灵的研究以及化学、生物学等等科学发现带来了一个伟大的信息，模式形成归根结底似乎与宇宙本身有着极深的联系，它实际上采用一些简单和常见的过程。模式随时会发生。从70年代起，越来越多的科学家开始接受混沌和模式是内建于最基本法则内的观念。自组织现象的发现源于化学家在19世纪以后的发现：有一些化学反应中的某些组分或中间产物的浓度能够随时间发生有序的周期性变化，即所谓化学振荡现象。1968年，比利时化学家Prigogine I R提出耗散结构理论。他指出：一个开放体系在达到远离平衡态的非
6、线性区域时，一旦体系的某一个参量达到一定阈值后，通过涨落就可以使体系发生突变，从无序走向有序，产生化学振荡一类的自组织现象。这里，实质上是提出了产生有序结构的以下四个必要条件：开放体系、远离平衡态、非线性作用和涨落作用。开放体系意味着系统能够同外界交换物质与能量形成有序结构。这样才可能从外界向体系输入反应物等来使体系的自由能或有效能量不断增加，即有序度不断增加；同时，才可能从体系向外界输出生成物等来使体系无效能不断减少，即无序度或熵量不断减少。远离平衡态是使体系具有足够的反应推动力，推进无序转化为有序，形成耗散结构。在平衡态，体系的熵量已经增至极大，无序度已经增至极大，从而也不可能产生有序。非
7、平衡是有序之源。体系内各要素之间具有超出整体是局部线性叠加效果的非线性作用，是一种所得超所望的非线性因果关系，即一个小的输入就能产生巨大而惊人效果。这样才可能使体系具有自我放大的变化机制，产生突变行为和相干效应、协同动作，以异乎寻常的方式重新组织自己，实现有序。涨落作用指体系中某个变量或行为与其平均值发生偏差的作用。体系具有涨落或起伏的变化，才能启动非线性的相互作用，使体系离开原来的状态，发生质的变化，跃迁到一个新的稳定的有序态，形成耗散结构。因此，涨落是一种启动力，涨落导致有序。偶然的涨落产生必然的有序。可以说，涨落是让混沌走向秩序的一个必要因素。4.2 自组织与人工智能促使阿兰图灵在对有机
8、体中形态发生产生兴趣的是这样一个原始的想法：人类智慧的产生或许建立在数学的基础上。形态发生是一个称为自组织的过程。引人注目的例子在图灵之前，没人知道形态发生是怎么进行的。图灵在论文中用数学来解释形态发生。论文中使用了一个在天文学和原子物理学里常见的数学方程，来描述一个生命的过程。图灵方程第一次描述了一个生物系统如何实现自组织：用非常简单的方程，来描述非常简单的过程，将其合并之后，复杂性突然出现，伴随复杂性出现的是特定的模式。可以说，图灵关于自组织现象的最初描述源于他对于人类智能更进一步地来说，是对于能否人工模拟人类智能过程这一问题的思考。“像人一样思考”，“向人一样行动”，“理智地思考”，“理
9、智地行动”。这四种不同的方向是现代人工智能领域对于Artificial Intelligence诸多不同定义的高度概括。其中，后二者代表着数十年以来人工智能的主要发展方向，并仍然处于持续发展的状态。某些人将“理智地”定位为“弱人工智能”，或者说是“人工智能技术”。传统人工智能依赖于逻辑，取得了一系列科技上的成果。而“强人工智能”或者说是“人工智能科学”的发展，处于各种原因（如神经科学领域对人类大脑的研究还没有一个完善的结论等），一直处于较为缓慢的发展状态。依照耗散结构理论，从自组织系统的角度来说，传统人工智能对于人类是过度开放的。传统人工智能的成就大多数应该归功于“从上到下”的人工智能研究途径
10、。“从上到下”的人工智能建立在对整个世界进行描述的符号系统之上。但是，哥德尔不完备定律证明：不可能探求到完美无缺的数学定理，在同一个数学系统中，一定存在无法被证明的问题。哥德尔不完备性定理动摇了传统人工智能的根基。格里高利贝特森认为，我们过去一直在争论机器是否能思考。答案是不能。进行思考的是一个整体，可能包括计算机、人及环境。同样，我们可能会问人脑本身能否思考，答案仍旧是不能。进行思考的是包括环境和人在内的整个系统中的人脑。这个结论产生了一整套新原理，我们通常将其称为新人工智能。新人工智能主要体现于以下3 条原则：（1）实体化（2）现场性（3）自下而上设计。从耗散结构理论看来，实体化与现场性即
11、新人工智能系统对外界的适应和反应正与开放体系条件对应。4.3 群体智能群体智能源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究。最早被用在细胞机器人系统的描述中。它的控制是分布式的，不存在中心控制。群体具有自组织性。社会性昆虫具有很强的集体解决问题的能力，他们的群体行为具有相当强的自组织性、鲁棒性和灵活性，而这些特性正是某些人工智能系统所需要的。从上个世纪末开始，科学家治理与研究昆虫社会中的自组织行为，据其设计出一系列相应的算法。群体智能可以视为基于自组织现象在宏观角度上的表征进行的应用。而我认为，群体智能与个体智能并没有本质区别。事实上，在当代生物学领域里存在这样一种看法：一个个体（譬
12、如一棵树）本身也可以看做一个群落。从严格的意义上来说，群体智能并非新人工智能。首先，单就群体智能本身来说，它不符合实体化原则。但在现场性和自下而上原则上，群体智能与传统符号主义人工智能相比，无疑更符合自组织的条件。注：计算机对自组织现象的一个简单示例元胞自动机细胞自动机最早由冯诺依曼在1950年代为模拟生物细胞的自我复制而提出的。但是并未受到学术界重视。直到1970年，剑桥大学的约翰何顿康威设计了一个电脑游戏生命游戏后才吸引了科学家们的注意。此后，史蒂芬沃尔夫勒姆对初等元胞机256种规则所产生的模型进行了深入研究，并用熵来描述其演化行为，将细胞自动机分为平稳型、周期型、混沌型和复杂型。下图为M
13、ATLAB中life程序对元胞自动机的模拟效果：达到稳定之前的状态稳定状态4.4 应用举例4.4.1 模拟进化过程牛津大学科学家Torsten和他的小组曾进行过一项实验，旨在利用计算机化的进化来创造一个能控制虚拟身体行走的虚拟大脑。他们开发了100个随机的大脑。在最开始的时候，几乎所有虚拟机器人的的行走能力都不尽人意。计算机在其中选择了在身体运动上表现稍好些的虚拟人并培养它们。然后算法就选择表现最佳者，让它们产生后代。下一代运动最佳的虚拟人被一起培养在经历了10代之后，虚拟机器人已经可以磕磕绊绊地行走，100代之后，他们已经能够获得稳定运动的虚拟人，与简单的行走相比，它们甚至可以完成更复杂的动
14、作，更进一步地对“意外事件”做出准确和迅速的反应。研究者指出，尽管他们设计了这些算法，然而当进化发生时，人类并不能控制实际发生的情况，进化本身对其进行了自动优化。一个不会思考的进化的试验及错误过程，创造了这些能运动、会实时反应的虚拟生命。这个试验证明了基于简单法则的系统的创造力亦即自组织创造力。这个系统正如自然界中的其他系统，进化基于的简单法则和反馈，复杂性由此自发地出现。简单的规则就是：有机体必须携带着几个随机的变异，并不断地复制，周围（复杂）的环境给出反馈，最适合（某种环境）的变异得到加强，结果就出现了越来越多的复杂性，此过程并没有经过思考和设计。个体可以进化到有机结构的较高水平，一旦生物
15、实际拥有了某些模式，反馈过程就会对它们加以选择。因此，进化本身、整个达尔文时间表，从某种意义上说，就是正在发生的图灵方程加上反馈的一些不同进程。在不经思考的前提下，利用简单规则无意识地创造出较为复杂的系统。在此意义上，计算机模拟人就是自组织的系统。4.4.2 分布式控制机器人Myon自组织理论在人工智能方面的贡献除了在软件方向外，在自动化领域上有同样重要。事实上，智能机器人与现实环境交互，对外界输入进行反馈，智能机器人在实体化方面更契合“新人工智能”的定义。Myon，德国Neurorobotics Research Laboratory所研究的智能机器人。与传统机器人相比，其身体各个部件具有充
16、分的自主性，这种自主性体现在三重意义上：独立的能源供应，独立的处理器以及一个容许各部件单机操作的特有神经网络拓扑结构。关于Myon的一个重要的实验涉及对语言形成过程的模拟。将两个相同的Myon机器人置于同一房间，通过“交流”，它们会形成一种独特的语言来描述自身的动作。而这个过程本身不存在人类的干涉。尽管它们的语言能力和行动能力是通过前期编程获得的，但在整个学习的过程中，这个系统并未对人类过度开放即，这个系统（两个机器人）最后取得的规律性结果（简单语言的形成）并非由某高层因素施加影响达成，而是遵循简单的规则（视觉和听觉识别），在系统内部自主形成的。5. 结论从自组织理论的角度来看，新人工智能设计
17、的智能体符合适度开放的原则，它与真实环境交互作用，人类不再对其进行直接和精确的干预；进化和学习的过程自下而上，从简单到复杂，层层叠加。它对现有的设计进行巧妙地调整和充实，从而生成新的设计，新智能体是仿生学指导下的产物，它很好地模仿了自然界的进化机制，故此非线性相互作用是其有序演化的内在依据；人类通过对它的了解和对人工环境的控制使其远离平衡态，并促进其内部正反馈机制的运行，在一定程度上控制其内部涨落。新人工智能是自组织和他组织的的结合，人工控制的外部参量可以及时纠正进化误区，大大加快新人工智能体的进化速度，使其朝着人们所希望的方向发展。6. 参考文献1 从自组织理论看人工智能的发展马明太原科技大学2 Swarm Intelligence: From Natural to Artificial Systems ,Eric Bonabeau, Marco Dorigo and Guy Theraulaz, New York, NY: Oxford University Press, Santa Fe Institute Studies in the Sciences of Complexity, 19993 Kohonen自组织网络在混沌时间序列预测中的应用王明进程乾生(北京大学)