群體智能的四個(gè)發(fā)展階段

肖人彬

華中科技大學(xué)人工智能與自動(dòng)化學(xué)院，武漢，430074

摘要：中國(guó)學(xué)者發(fā)起的新一代人工智能研究順應(yīng)了信息新環(huán)境變化的需求，力圖將傳統(tǒng)人工智能（人工智能1.0）推進(jìn)到人工智能2.0的新階段。作為人工智能的重要組成部分之一，群體智能1.0（群智能）正在向群體智能2.0（眾智能）階段發(fā)展。通過(guò)深度剖析和翔實(shí)論證，發(fā)現(xiàn)群體智能1.0與群體智能2.0存在不相容性，據(jù)此搭建它們之間的橋梁——以生物合作行為仿生為主的群體智能1.5，作為群體智能1.0到群體智能2.0的過(guò)渡，以實(shí)現(xiàn)兩者的相容。進(jìn)而對(duì)錢(qián)學(xué)森提出的大成智慧作出新的詮釋?zhuān)瑢⑵渥鳛槿祟?lèi)智慧仿生的高級(jí)階段——群體智能3.0，指出深度不確定性下的大模型和大數(shù)據(jù)的雙輪驅(qū)動(dòng)是從群體智能2.0通向群體智能3.0的進(jìn)化途徑并加以闡述，由此提出群體智能的4個(gè)發(fā)展階段，形成由上述階段共居一體所組成的群體智能發(fā)展的完整架構(gòu)，這些不同階段漸進(jìn)發(fā)展，具有良好的相容性。鑒于合作在群體智能發(fā)展階段中的主導(dǎo)作用，分別論述群體智能中的3種合作類(lèi)型：低等生物的間接調(diào)節(jié)型合作、高等生物的直接溝通型合作和人的共享意向型合作。在群體智能中，分工乃是實(shí)現(xiàn)合作的主要形式，為此闡釋分工行為復(fù)雜性與分工類(lèi)型的關(guān)系。最后，基于對(duì)所提出的群體智能4個(gè)發(fā)展階段整體架構(gòu)的全方位認(rèn)識(shí)，對(duì)群體智能未來(lái)的發(fā)展方向和研究前景進(jìn)行展望。關(guān)鍵詞：群體智能；大成智慧；不相容性；勞動(dòng)分工；合作行為；群智涌現(xiàn)；大語(yǔ)言模型

01

問(wèn)題的提出

1956年的達(dá)特茅斯會(huì)議一般被公認(rèn)為是人工智能的起點(diǎn)，這一年在美國(guó)達(dá)特茅斯（Dartmouth）召開(kāi)的人工智能夏季研討會(huì)（Summer Research Project on Artificial Intelligence）標(biāo)志著一門(mén)新興學(xué)科——人工智能（AI）——的誕生[1]。60多年來(lái)，人工智能取得了長(zhǎng)足進(jìn)步，雖有一些波折，出現(xiàn)3次低谷[2]，但總體上發(fā)展迅速。目前人工智能研究業(yè)已形成符號(hào)主義（功能主義）、連接主義（結(jié)構(gòu)主義）、行為主義（進(jìn)化主義）3大流派，針對(duì)3大流派并存的態(tài)勢(shì)，鐘義信將機(jī)制主義人工智能理論視為一種通用型人工智能理論，力圖在機(jī)制主義人工智能理論框架下實(shí)現(xiàn)3者的統(tǒng)一[3]。張鈸等提出“第三代人工智能”的概念，即融合了第一代的知識(shí)驅(qū)動(dòng)和第二代的數(shù)據(jù)驅(qū)動(dòng)的人工智能，其核心是利用知識(shí)、數(shù)據(jù)、算法和算力4個(gè)要素，建立新的可解釋和魯棒的AI理論與方法，發(fā)展安全、可信、可靠和可擴(kuò)展的AI技術(shù)[4]。

隨著信息新環(huán)境的出現(xiàn)（互聯(lián)網(wǎng)的普及、傳感網(wǎng)的滲透、大數(shù)據(jù)的涌現(xiàn)、信息社區(qū)的崛起），以及數(shù)據(jù)和信息在人類(lèi)社會(huì)、物理空間和信息空間之間的交叉融合與相互作用，當(dāng)今人工智能發(fā)展所處的外部環(huán)境和數(shù)據(jù)基礎(chǔ)已發(fā)生深刻變化，人工智能的科學(xué)基礎(chǔ)和實(shí)現(xiàn)載體面臨新的突破，正在邁向一個(gè)新階段。這個(gè)源于傳統(tǒng)人工智能而又與之不同的新一代人工智能被稱(chēng)為人工智能2.0（AI 2.0）[2]。中國(guó)工程院于2015年12月批準(zhǔn)實(shí)施“中國(guó)人工智能2.0發(fā)展戰(zhàn)略研究”重大咨詢(xún)研究項(xiàng)目，率先提出并啟動(dòng)“人工智能2.0計(jì)劃”[5]。項(xiàng)目組完成了《新一代人工智能規(guī)劃建議研究報(bào)告》和《新一代人工智能重大科技項(xiàng)目實(shí)施方案》的編制工作，在2016年提出人工智能2.0的核心理念[2]。2017年7月，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，表明新一代人工智能研究業(yè)已上升成為國(guó)家意志。《新一代人工智能發(fā)展規(guī)劃》在基礎(chǔ)理論體系方面，明確了大數(shù)據(jù)智能、跨媒體感知計(jì)算、人機(jī)混合智能、群體智能、自主協(xié)同與決策等5個(gè)主攻方向。其中群體智能理論研究的重點(diǎn)在于突破群體智能的組織、涌現(xiàn)、學(xué)習(xí)的理論與方法，形成基于互聯(lián)網(wǎng)的群體智能理論體系。

將新一代人工智能稱(chēng)為人工智能2.0是相對(duì)于傳統(tǒng)人工智能而言的，這意味著傳統(tǒng)人工智能所處階段為人工智能1.0。文獻(xiàn)[6]是關(guān)于中國(guó)人工智能發(fā)展的全景展示論文，論述人工智能的主要發(fā)展方向和國(guó)家層面的規(guī)劃，對(duì)中國(guó)產(chǎn)學(xué)研合作經(jīng)驗(yàn)以及實(shí)際應(yīng)用成果進(jìn)行深入解讀，描繪了中國(guó)未來(lái)人工智能發(fā)展生態(tài)系統(tǒng)的藍(lán)圖。

群體智能（collective intelligence, CI）有時(shí)也被稱(chēng)為集體智能，可看作不同于個(gè)體智力的群體型智能形態(tài)。它起源于人們對(duì)自然界群居生物的行為觀察、分析和研究，該形態(tài)下群體涌現(xiàn)出的整體智能水平往往會(huì)超越其組成個(gè)體的智能水平[7]。群體智能是人工智能的重要組成部分，相應(yīng)地，人工智能2.0下的群體智能理應(yīng)稱(chēng)作群體智能2.0，它的核心內(nèi)涵是基于互聯(lián)網(wǎng)的群體智能；而基于社會(huì)性昆蟲(chóng)行為仿生的傳統(tǒng)群體智能則應(yīng)稱(chēng)為群體智能1.0。近年來(lái)，人類(lèi)群體智能受到越來(lái)越多關(guān)注[8-10]。環(huán)境激發(fā)效應(yīng)對(duì)群體智能現(xiàn)象的形成提供了一種事后解釋性模型，在這一概念的基礎(chǔ)上，文獻(xiàn)[11]主要關(guān)注如何構(gòu)造求解特定問(wèn)題群體智能系統(tǒng)，據(jù)此提出群體智能的構(gòu)造性模型EIFL，它由3個(gè)環(huán)進(jìn)行信息激發(fā)、融合和反饋；個(gè)體探索之后形成片段，融合之后反饋回來(lái)，通過(guò)多輪迭代形成一個(gè)解決方案。這些工作都應(yīng)歸屬群體智能2.0的范疇。

既然目前群體智能存在著群體智能1.0和群體智能2.0之分，包括這樣兩個(gè)不同的發(fā)展階段，那么群體智能1.0與群體智能2.0之間是否具有整體層面上的相容性和關(guān)聯(lián)性，從而可以共居一體呢？下面通過(guò)分析闡釋?zhuān)o出一種解答。

02

群體智能兩個(gè)階段的不相容性

2.1 不相容性分析

隨著科學(xué)技術(shù)和人類(lèi)社會(huì)的發(fā)展演進(jìn)，群體智能在不同學(xué)科或領(lǐng)域中被賦予不同的含義，其研究方向也各有不同[12]?？傮w上看，可以分為兩大類(lèi)：一類(lèi)是以生物為中心，一類(lèi)是以人為中心。例如，Bonabeau等在對(duì)自然生物的行為研究中提出群體智能的概念定義，即任何受群居性昆蟲(chóng)系統(tǒng)及其他生物的社會(huì)行為機(jī)制啟發(fā)所設(shè)計(jì)得到的算法或分布式問(wèn)題求解策略，均屬于群體智能[13]；他們將這類(lèi)以生物為中心的群體智能稱(chēng)為swarm intelligence（本文統(tǒng)一表述為“群智能”，記為SI）。李未等提出人工智能2.0時(shí)代的群體智能新形態(tài)，認(rèn)為人工智能2.0下的群體智能提供了一種聚集人類(lèi)群體的智慧解決問(wèn)題的新模式，該模式與共享經(jīng)濟(jì)的快速發(fā)展相適應(yīng)[14]；他們將這類(lèi)以人為中心的群體智能稱(chēng)為crowd intelligence（本文統(tǒng)一表述為“眾智能”，記為CrI）。一般來(lái)說(shuō)，群體智能1.0對(duì)應(yīng)的是群智能，而群體智能2.0對(duì)應(yīng)的是眾智能。

群智能（群體智能1.0）起源于人類(lèi)對(duì)社會(huì)性生物的群體行為的探索，如蟻群、鳥(niǎo)群、蜂群等。雖然單一個(gè)體的行為簡(jiǎn)單、能力有限，但整個(gè)種群總體上卻能夠表現(xiàn)出強(qiáng)大的自我調(diào)節(jié)能力和生存能力，可以完成復(fù)雜任務(wù)[15]。群智能在群體智能領(lǐng)域發(fā)展迅速，研究?jī)?nèi)容和成果也頗為豐富，因此其概念相對(duì)明確，一般是指模擬以社會(huì)性昆蟲(chóng)為主的動(dòng)植物等生物的群體智能，即眾多行為簡(jiǎn)單的個(gè)體在相互作用過(guò)程中涌現(xiàn)產(chǎn)生的整體智能行為。眾智能（群體智能2.0）可理解為以人為個(gè)體的群體智能，中文也被稱(chēng)為眾人智能或者人群智能，是一種新興的群體智能概念。眾智能的參與者一般限定為人類(lèi)這樣的高智能體，強(qiáng)調(diào)的是大量參與者以網(wǎng)絡(luò)、社交媒體為渠道進(jìn)行的互聯(lián)與協(xié)作行為中涌現(xiàn)的智慧現(xiàn)象[14]。特別是隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和移動(dòng)終端的普及，群體智能的發(fā)展逐漸轉(zhuǎn)向人類(lèi)智能與智能機(jī)器互相融合的思路上，因此眾智能將成為未來(lái)群體智能領(lǐng)域的主要研究方向[16]。

群智能在中文表述中也常被稱(chēng)為群集智能或集群智能[7]，它在個(gè)體層面強(qiáng)調(diào)簡(jiǎn)單性，其個(gè)體智力水平相似且較低，且個(gè)體間只有局部感知與交互能力[17]；而在整體層面展現(xiàn)出涌現(xiàn)性[7]。眾智能的核心思想在于多個(gè)人類(lèi)個(gè)體組成的集體可以通過(guò)個(gè)體間的各類(lèi)交互行為獲得大大高于單一個(gè)體的整體層次上的知識(shí)與智能（智慧的涌現(xiàn)）。由此可見(jiàn)，群智能和眾智能都展現(xiàn)出整體涌現(xiàn)性，不過(guò)兩者的實(shí)現(xiàn)方式存在著明顯差異。

群智能強(qiáng)調(diào)對(duì)生物原型（以社會(huì)性昆蟲(chóng)這樣的群居性低等生物為主）的典型行為進(jìn)行仿生[7]，其群體中的個(gè)體行為趨于簡(jiǎn)單化（主要是低等生物的覓食行為），遵循簡(jiǎn)單的規(guī)則。例如粒子群優(yōu)化算法就是對(duì)鳥(niǎo)群覓食行為進(jìn)行搜索尋優(yōu)過(guò)程仿生所抽象形成的一類(lèi)優(yōu)化算法：鳥(niǎo)群在某個(gè)區(qū)域隨機(jī)搜索食物，并且這個(gè)區(qū)域里只有一塊食物；所有的鳥(niǎo)都不知道食物的擺放之處，但知道當(dāng)前位置離食物還有多遠(yuǎn)。顯然，尋找該食物的最簡(jiǎn)單有效的策略就是搜索當(dāng)前離食物最近的鳥(niǎo)的周?chē)鷧^(qū)域；而在這一搜索過(guò)程中，每個(gè)鳥(niǎo)都是根據(jù)下面3個(gè)量的“矢量和”來(lái)確定自己飛行的速率和方向：①當(dāng)前的速率和方向；②全局最優(yōu)位置；③該鳥(niǎo)自身經(jīng)歷過(guò)的最優(yōu)位置。與鳥(niǎo)群覓食類(lèi)似，鳥(niǎo)群的飛翔也遵循簡(jiǎn)單的規(guī)則，Reynolds展示的人工鳥(niǎo)Boid在飛翔時(shí)遵循以下規(guī)則[18]：①分離規(guī)則：不要過(guò)分地靠近任何東西，包括其他的Boid；②對(duì)準(zhǔn)規(guī)則：盡量使自己的速度與周?chē)渌鸅oid的速度保持一致；③內(nèi)聚規(guī)則：任何情況下都要朝著附近Boid組成的集團(tuán)中心靠近。

眾智能是對(duì)人群行為的仿生，它與群智能相比，存在著比較明顯的差異。人作為萬(wàn)物之靈，其群體中的個(gè)體行為趨于多樣化，通常難以提煉形成簡(jiǎn)單的規(guī)則。由于眾智能模仿的是以合作行為為主的人類(lèi)多樣化行為，作為生物原型的人群典型行為的概括和提煉比較困難，因此眾智能在生物原型方面，缺乏典型行為作為依托。換言之，人群行為的多樣性和復(fù)雜性導(dǎo)致眾智能缺乏特定情景下的仿生原型，其研究工作有不少屬于定量研究，但通常針對(duì)的是特定領(lǐng)域（如意見(jiàn)動(dòng)力學(xué)[19]），難以挖掘提煉出一般性規(guī)律。而群智能以定量研究為主，總體上采用還原論（reductionism）的研究范式，與現(xiàn)有通用科學(xué)規(guī)范（即分門(mén)別類(lèi)研究的分科之學(xué)）相匹配；它比較適宜解決優(yōu)化型分配問(wèn)題[12]，具有較強(qiáng)的可解釋性。相對(duì)而言，眾智能的研究范式與涌現(xiàn)論（emergentism）較為接近，突顯的是交叉融通；它適宜解決的是協(xié)調(diào)型分配問(wèn)題[12]，但在可解釋性方面比較欠缺。

與眾智能相比，群智能顯然處于智能層次的低端，眾智能則體現(xiàn)出較高水平的智能。表1是上述關(guān)于群智能與眾智能對(duì)比分析的概括性總結(jié)，從中可知，群智能與眾智能有著明顯區(qū)別；它們作為群體智能的兩個(gè)階段，需要考察兩者之間的相容性（compatibility），也就是說(shuō)，兩者是否相容（compatible）。

表1 群智能與眾智能的比較

事物發(fā)展的不同階段，彼此之間因共居一體而存在一定的關(guān)聯(lián)關(guān)系，應(yīng)該是和而不同；若是自然提升（natural promotion），則是相容的；若是非自然提升，則要針對(duì)具體問(wèn)題進(jìn)行具體分析。圖1是群體智能兩個(gè)發(fā)展階段的相容性分析圖，該圖中，帶箭頭的雙實(shí)直線(xiàn)代表自然提升，有叉的帶箭頭雙實(shí)直線(xiàn)代表非自然提升。從圖1中可以看出，群智能是傳統(tǒng)人工智能的組成部分；為應(yīng)對(duì)信息新環(huán)境的沖擊，人工智能1.0發(fā)展到人工智能2.0（新一代人工智能）階段，這是一個(gè)自然提升過(guò)程；眾智能則是新一代人工智能的5大主攻方向之一[6]。該圖還表明，直接從群體智能1.0到群體智能2.0的自然提升路徑并不存在（如圖中有叉的帶箭頭雙實(shí)直線(xiàn)所示），群體智能1.0到群體智能2.0的提升是通過(guò)群體智能1.0→人工智能1.0→人工智能2.0→群體智能2.0的路徑間接生成的（如該圖中帶箭頭的順時(shí)針雙實(shí)線(xiàn)所示）。

圖1 相容性分析圖

既然群智能到眾智能是非自然提升，其相容性有賴(lài)于具體問(wèn)題具體分析。由表1可知，群智能以生物為中心，眾智能則以人為中心，顯然兩者之間存在本質(zhì)區(qū)別，難以共居一體，因此它們并不相容（incompatible）。

2.2 化解群智能與眾智能的不相容性

要想化解群智能與眾智能的不相容性，就需要構(gòu)造過(guò)渡橋梁，建立它們之間的銜接關(guān)系，使之轉(zhuǎn)化為具有相容性。由于這個(gè)橋梁正在群體智能1.0和群體智能2.0中間的位置，所以將它所處的階段命名為群體智能1.5。目前，國(guó)內(nèi)相關(guān)研究提到的群智能在通常情況下已有既定含義，一般特指群智能優(yōu)化，主要以蟻群優(yōu)化和粒子群優(yōu)化為代表[7]。群智能優(yōu)化主要是通過(guò)對(duì)群居生物覓食行為仿生來(lái)處理優(yōu)化型分配問(wèn)題，我們致力于倡導(dǎo)從群智能優(yōu)化到群智能進(jìn)化的發(fā)展路徑，提出群智能今后發(fā)展的主流方向——群智能進(jìn)化[20]。該文所說(shuō)的群智能進(jìn)化的基本內(nèi)涵主要是指群體智能1.5，它是以群居生物非覓食行為（如勞動(dòng)分工）主導(dǎo)的合作行為仿生來(lái)解決協(xié)調(diào)型分配問(wèn)題。以群智能進(jìn)化為主導(dǎo)的群體智能1.5以生物為中心，仍然屬于群智能范疇；但它摒棄了傳統(tǒng)群智能主要是對(duì)低等生物覓食行為的模擬，聚焦群居生物合作行為的仿生，這一點(diǎn)又接近于眾智能。由此可見(jiàn)，借助群體智能1.5的連接作用，將其作為群智能到眾智能之間的過(guò)渡，可以建立群智能與眾智能的自然銜接關(guān)系，使得兩者具有相容性。這與可拓學(xué)解決實(shí)際問(wèn)題的思路融通一致[21]。

03

群體智能1.5

3.1 群體智能1.5的研究意義

群體智能1.5的核心理念是借助針對(duì)群居生物合作行為的仿生途徑來(lái)解決協(xié)調(diào)型分配問(wèn)題，其仿生對(duì)象既包括低等生物，又涵蓋高等生物。它通過(guò)模仿以合作行為為主的低等生物非覓食行為和高等生物復(fù)雜行為，力求搭建連接和貫通群智能與眾智能的橋梁，建立起兩者之間的銜接關(guān)系，以實(shí)現(xiàn)群智能與眾智能的相容。

目前已有一些關(guān)于低等生物非覓食行為（如勞動(dòng)分工）的研究成果，文獻(xiàn)[22]進(jìn)行了相應(yīng)的綜述及分析。而針對(duì)高等生物的仿生研究主要關(guān)注的是搜索主導(dǎo)的尋優(yōu)行為，對(duì)高等生物合作行為的仿生研究顯得有些薄弱。

3.2 群體智能1.5的研究范圍

下面論述群體智能1.5的主體研究?jī)?nèi)容，通過(guò)明確其邊界，旨在說(shuō)明哪些研究屬于群體智能1.5的范圍。

3.2.1 低等生物的非覓食行為仿生

目前群智能一般特指群智能優(yōu)化，通常以算法的形式體現(xiàn)出來(lái)。這些優(yōu)化算法主要是受低等群居生物覓食行為的啟發(fā)而得到的，其中最有影響的3種群智能優(yōu)化算法（蟻群優(yōu)化算法、粒子群優(yōu)化算法、人工蜂群算法）都是對(duì)低等群居生物覓食行為的仿生，例如蟻群優(yōu)化算法就是模擬蟻群找到從其巢穴到食物源的一條最短路徑的覓食行為[23]。此外，細(xì)菌覓食優(yōu)化算法是基于大腸桿菌生物模型理論，模仿大腸桿菌覓食行為的一種仿生全局隨機(jī)搜索算法[24]；麻雀搜索算法是一種模擬麻雀覓食行為和反捕食行為的群智能優(yōu)化算法[25]；烏鴉搜索算法模仿的是烏鴉群體之間相互追蹤竊取食物的社會(huì)行為[26]；天牛須搜索算法是受到天牛覓食原理的啟發(fā)提出的一種新的群智能優(yōu)化算法[27]；這樣的算法不斷出現(xiàn)，在此就不一一列舉。

群智能中的低等生物仿生之所以集中在覓食行為，主要原因在于：①覓食行為相對(duì)而言比較直觀，有規(guī)可循，適宜建立優(yōu)化模型，便于進(jìn)行規(guī)范性研究；②群智能優(yōu)化是基于搜索完成的，而覓食行為正是一種比較簡(jiǎn)單的搜索，相對(duì)于其他較為復(fù)雜的搜索（如蝙蝠的回聲定位）處于基礎(chǔ)性位置。

不過(guò)對(duì)低等生物覓食行為的模仿一般只能有效解決優(yōu)化問(wèn)題。從資源稟賦的角度，廣泛意義下的待解決問(wèn)題基本上可以歸結(jié)為資源有限情況下的分配問(wèn)題——資源分配問(wèn)題，正如經(jīng)濟(jì)學(xué)對(duì)自身的界定[28]。資源分配問(wèn)題通常簡(jiǎn)稱(chēng)為分配問(wèn)題（allocation problem），解決分配問(wèn)題通常會(huì)盡量追求優(yōu)化，它是一種廣義趨優(yōu)；而優(yōu)化問(wèn)題則受制于數(shù)學(xué)模型的表達(dá)形式，只是一種狹義優(yōu)化。據(jù)此分配問(wèn)題總體上分為兩大類(lèi)型：相對(duì)穩(wěn)態(tài)情形下的優(yōu)化型分配問(wèn)題和復(fù)雜動(dòng)態(tài)情形下的協(xié)調(diào)型分配問(wèn)題[20]。在以低等生物為對(duì)象的群智能仿生中，對(duì)覓食行為的模仿解決的是優(yōu)化型分配問(wèn)題；而要解決協(xié)調(diào)型分配問(wèn)題，模仿覓食行為難以奏效，需要模仿的是低等生物的非覓食行為，其重點(diǎn)是以勞動(dòng)分工為主的合作行為，這樣的群智能超越了群體智能1.0的范圍，向眾智能邁進(jìn)一步，從而成為群體智能1.5的組成部分。

關(guān)于群智能中的勞動(dòng)分工，國(guó)內(nèi)外已有不少研究，我們?cè)谖墨I(xiàn)[7, 29]中作了系統(tǒng)性總結(jié)論述，在此不再贅述。3.2.2 高等生物的復(fù)雜行為仿生這里所說(shuō)的高等生物具有群居性，但不包括人，其典型代表有狼群、獅群。高等生物行為較之低等生物行為（以覓食行為為主）來(lái)說(shuō)，趨于復(fù)雜（以合作行為為主），對(duì)高等生物復(fù)雜行為的仿生仍然是為了解決協(xié)調(diào)型分配問(wèn)題。從仿生對(duì)象來(lái)說(shuō)，低等生物以覓食（foraging）行為為主，高等生物則以狩獵（hunting）行為為主。高等生物的狩獵（如狼群狩獵）與低等生物的覓食（如螞蟻覓食）相比，難度大得多，主要依賴(lài)于高等生物個(gè)體之間的緊密配合，因此狩獵行為從根本上講是一種合作行為。目前也有某些關(guān)于高等生物狩獵行為的仿生研究，如模仿狼群狩獵行為提出狼群算法（WPA）[30]。狩獵行為作為一種合作行為，其主體行為應(yīng)以合作為主，其搜索方式應(yīng)以探索主導(dǎo)[20]。WPA的提出存在明顯的局限性，由于總體思路是力圖提出一種新的優(yōu)化算法，跳不出優(yōu)化的框框，其主體行為是以競(jìng)爭(zhēng)為主，其搜索方式是以開(kāi)發(fā)主導(dǎo)，未能深入挖掘狼群狩獵行為隱含的合作機(jī)制。所以WPA仍然屬于群體智能1.0的范圍。同樣，關(guān)于獅群的仿生研究存在類(lèi)似的問(wèn)題，即并未充分關(guān)注獅群的合作行為，而是拘泥于提出一種新的優(yōu)化算法。由于對(duì)獅群行為的簡(jiǎn)單化認(rèn)識(shí)，難免出現(xiàn)盲人摸象的情形，從而導(dǎo)致根據(jù)所依托的局部現(xiàn)象仿生形成多種不同的獅群優(yōu)化算法[31-34]，彼此之間缺乏關(guān)聯(lián)關(guān)系。與低等生物仿生相比，高等生物仿生的難度要大得多，一個(gè)重要原因是難以像低等生物那樣進(jìn)行可控實(shí)驗(yàn)（如蟻群的二元橋?qū)嶒?yàn)[13]），缺乏有效的檢驗(yàn)和驗(yàn)證的手段。目前關(guān)于高等生物復(fù)雜行為仿生（以合作行為為主）的研究仍然少見(jiàn)，它作為群體智能1.5的高端部分，有關(guān)研究對(duì)于群體智能1.5來(lái)說(shuō)具有更為重要的意義，因此它是今后研究關(guān)注的焦點(diǎn)，也是有待開(kāi)拓的前沿領(lǐng)域。3.2.3 群體智能發(fā)展階段的比較分析上面引入一個(gè)新的群體智能階段——群體智能1.5，旨在架設(shè)從群體智能1.0到群體智能2.0的橋梁，使得群體智能的3個(gè)發(fā)展階段（群體智能1.0、群體智能1.5和群體智能2.0）成為一個(gè)具有相容性的整體，進(jìn)而針對(duì)這3個(gè)階段進(jìn)行深層次剖析和闡釋。表2對(duì)群體智能1.0、群體智能1.5和群體智能2.0做了比較，從中可以得知：1. 作為群體智能1.0到群體智能2.0的過(guò)渡階段，群體智能1.5介于兩者之間，兼具群體智能1.0和群體智能2.0的特性。從生物原型來(lái)看，群體智能1.5與群體智能1.0相近；從主要仿生行為和適宜問(wèn)題類(lèi)型來(lái)看，群體智能1.5與群體智能2.0相近。2. 如表2所示，①和③的仿生屬于群體智能1.0，②和④的仿生屬于群體智能1.5，由此對(duì)群體智能1.0和群體智能1.5進(jìn)行了明確區(qū)分。3. 表2中的①在國(guó)內(nèi)外已有大量研究，②和③也有一些研究，關(guān)于④的研究工作較少，有待開(kāi)拓，它將成為今后研究的重點(diǎn)。

表2 群體智能不同發(fā)展階段的比較

3.2.4 小結(jié)

這里對(duì)群體智能1.5的主要特征進(jìn)行簡(jiǎn)要說(shuō)明。群體智能1.5的仿生原型仍然是生物體而非人群，從這一點(diǎn)看，它與群體智能1.0相近，仍然屬于群智能范疇；但群體智能1.5的仿生行為以合作行為為主，就此而言，群體智能1.5又與群體智能1.0不同，而與模仿人群合作行為的群體智能2.0接近；因此，群體智能1.5介于群體智能1.0與群體智能2.0之間，是從群智能過(guò)渡到眾智能的橋梁。

04

作為群體智能3.0的大成智慧

一方面，第3節(jié)搭建了連接群智能與眾智能的橋梁——群體智能1.5，化解了它們之間的不相容性，形成一個(gè)具有相容性的群體智能整體架構(gòu)，這一新的架構(gòu)既區(qū)分了不同發(fā)展階段，又建立了它們之間的銜接關(guān)系，使得各個(gè)階段能夠共居一體。另一方面，在群體智能2.0被提出時(shí)，突出了錢(qián)學(xué)森的學(xué)術(shù)思想——綜合集成研討廳體系的引導(dǎo)作用[5]。文獻(xiàn)[5]寫(xiě)道：著名科學(xué)家錢(qián)學(xué)森先生在20世紀(jì)90年代曾提出綜合集成研討廳體系，強(qiáng)調(diào)專(zhuān)家群體以人機(jī)結(jié)合的方式進(jìn)行協(xié)同研討，共同對(duì)復(fù)雜巨系統(tǒng)的挑戰(zhàn)性問(wèn)題進(jìn)行研究?！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》所提出的群體智能研究方向，實(shí)質(zhì)上正是綜合集成研討廳在人工智能新時(shí)代的拓展和深化。

基于上面論述，本節(jié)將進(jìn)一步探討錢(qián)學(xué)森綜合集成學(xué)術(shù)思想與群體智能的關(guān)系。首先簡(jiǎn)要回顧錢(qián)學(xué)森綜合集成學(xué)術(shù)思想的發(fā)展歷史。

1990年，錢(qián)學(xué)森等提出開(kāi)放的復(fù)雜巨系統(tǒng)（OCGS）的概念，并將其視為一個(gè)科學(xué)新領(lǐng)域[35]，進(jìn)而指出有效處理開(kāi)放的復(fù)雜巨系統(tǒng)的方法論就是定性定量相結(jié)合的綜合集成方法（meta-synthesis approach）。后來(lái)錢(qián)學(xué)森又將定性定量相結(jié)合的綜合集成方法提升為從定性到定量的綜合集成方法，它引領(lǐng)了一個(gè)時(shí)代的科學(xué)研究方向，這種科學(xué)方法論將在科學(xué)的交叉、融合發(fā)展中，更加體現(xiàn)出其重要作用[36]。

1992年，錢(qián)學(xué)森進(jìn)一步提出從定性到定量的綜合集成研討廳體系，這是綜合集成方法運(yùn)用的實(shí)踐形式和組織形式[37]，預(yù)示著“人機(jī)結(jié)合的大成智慧”新時(shí)代的來(lái)臨，而大成智慧（meta-synthesis of wisdom）正是沉浸在廣闊的信息空間里形成的網(wǎng)絡(luò)智慧。研討廳體系中的“廳”是指由高速信息網(wǎng)絡(luò)、現(xiàn)代化的通信設(shè)備及計(jì)算機(jī)軟硬件構(gòu)成的，使人們共同討論解決問(wèn)題時(shí)就有身臨其境之感的“虛擬現(xiàn)實(shí)”技術(shù)環(huán)境。

2011年以來(lái)，綜合集成方法研究的首要議題是大成智慧（meta-synthesis of wisdom）的重新關(guān)注，智慧地球的探索、智慧城市的建設(shè)成為熱門(mén)話(huà)題[38]。融入了大成智慧的綜合集成可實(shí)現(xiàn)自上而下的協(xié)調(diào)控制與自下而上的智慧涌現(xiàn)的雙向互動(dòng)[39]，從而將綜合集成方法研究推進(jìn)到創(chuàng)新升華的新階段[38]。

上面簡(jiǎn)要的回顧表明綜合集成研討廳體系主要是技術(shù)環(huán)境的支持，屬于外部表現(xiàn)形式；大成智慧才是綜合集成創(chuàng)新升華的主導(dǎo)因素，乃是內(nèi)在驅(qū)動(dòng)力量。追根究底，群體智能2.0的提出是在大成智慧的指導(dǎo)和引領(lǐng)下完成的。因此，就群體智能領(lǐng)域來(lái)說(shuō)，相對(duì)于群體智能2.0（眾智能），錢(qián)學(xué)森提出的大成智慧高屋建瓴，統(tǒng)領(lǐng)全局，顯然處于更高級(jí)的階段，據(jù)此將其稱(chēng)之為群體智能3.0。

眾智能主要源于感知層面，其基本形式是依托感知信息完成復(fù)雜任務(wù)（如眾包），形象的描述就是眾人劃槳開(kāi)大船。大成智慧主要源于認(rèn)知層面，其基本形式是心理行為驅(qū)動(dòng)下的高級(jí)智慧涌現(xiàn)（如創(chuàng)意生成），形象的比喻就是眾人拾柴火焰高。兩者存在較大差別，如表3所示。

表3 眾智能與大成智慧的比較

作為群體智能3.0的大成智慧與群體智能2.0（眾智能）都是互聯(lián)網(wǎng)時(shí)代的人類(lèi)智能仿生，兩者都突出和強(qiáng)調(diào)了互聯(lián)網(wǎng)的重要作用和互聯(lián)網(wǎng)時(shí)代的特點(diǎn)及要求，因此它們之間必然存在著關(guān)聯(lián)關(guān)系。明確群體智能2.0與群體智能3.0之間的關(guān)聯(lián)關(guān)系，進(jìn)而提出從群體智能2.0到群體智能3.0的進(jìn)化途徑，就顯得至關(guān)重要。

大成智慧通俗地解讀就是“集大成得智慧”，它力求實(shí)現(xiàn)綜合集成式的人類(lèi)群體智能，這與當(dāng)今方興未艾的通用人工智能（artificial general intelligence, AGI）所追求的目標(biāo)一致。傳統(tǒng)人工智能主要解決特定領(lǐng)域的專(zhuān)業(yè)問(wèn)題和專(zhuān)門(mén)任務(wù)，而通用人工智能能夠在解決諸如推理決策、自主學(xué)習(xí)、交流溝通等跨學(xué)科領(lǐng)域的復(fù)雜問(wèn)題和任務(wù)中表現(xiàn)出類(lèi)似人類(lèi)的智能水平[40]，這樣的跨學(xué)科領(lǐng)域的復(fù)雜問(wèn)題和任務(wù)往往處于深度不確定性之中[41]，它們不僅無(wú)法被概率刻畫(huà)，甚至人們并不清楚未來(lái)哪些狀態(tài)、因素或情形可能出現(xiàn)，表現(xiàn)出一種非常規(guī)的不確定性。

通用人工智能的標(biāo)志性成果是OpenAI公司于2022年11月發(fā)布的一款名為ChatGPT的軟件，該軟件在發(fā)布后2個(gè)月內(nèi)的活躍用戶(hù)數(shù)突破1億。ChatGPT是在大語(yǔ)言模型的基礎(chǔ)上實(shí)現(xiàn)的；大語(yǔ)言模型（large language model, LLM）簡(jiǎn)稱(chēng)大模型，是指經(jīng)過(guò)大量文本訓(xùn)練并具有復(fù)雜結(jié)構(gòu)和參數(shù)的深度學(xué)習(xí)模型。ChatGPT展現(xiàn)出來(lái)的強(qiáng)大對(duì)話(huà)生成能力源于大模型的涌現(xiàn)性[42]，由此推動(dòng)生成式人工智能（generative artificial intelligence）爆發(fā)式崛起。生成式人工智能能夠進(jìn)行歸納總結(jié)，進(jìn)而采用深度學(xué)習(xí)技術(shù)自動(dòng)生成全新的原創(chuàng)性?xún)?nèi)容[43]，ChatGPT業(yè)已成為展現(xiàn)生成式人工智能威力的有力證明，預(yù)示著“萬(wàn)物皆可生成”時(shí)代的到來(lái)。而大成智慧從本質(zhì)上講是群體智慧的涌現(xiàn)，它與生成式人工智能相容一致。事實(shí)上，基于大模型的生成式人工智能正成為實(shí)現(xiàn)大成智慧的一種重要途徑。除了大模型之外，大數(shù)據(jù)的快速發(fā)展打破了統(tǒng)計(jì)學(xué)中基于局部樣本概率分布假設(shè)的局限性[44]，使得人工智能的應(yīng)用場(chǎng)景更加廣闊，也在促使人工智能向通用性方向推進(jìn)。

綜上所述，深度不確定性下的大模型和大數(shù)據(jù)的雙輪驅(qū)動(dòng)是從群體智能2.0（眾智能）通向群體智能3.0（大成智慧）的進(jìn)化途徑。

05

群體智能中的合作與分工

群體智能3.0的引入使得群體智能的發(fā)展擴(kuò)大到4個(gè)階段。上面闡釋的群體智能4個(gè)發(fā)展階段的完整框架中，突出合作行為在群體智能發(fā)展過(guò)程中的重要性，相應(yīng)的階段劃分的主要依據(jù)是基于合作行為的發(fā)展水平，而不是仿生原型類(lèi)別。

群體智能的仿生原型涵蓋3類(lèi)群居性生物：低等生物、高等生物（不包含人）和人。深入考察低等生物、高等生物和人3類(lèi)仿生原型的合作行為，可以發(fā)現(xiàn)它們各有特點(diǎn)，下面進(jìn)行論述說(shuō)明：

1. 低等生物的間接調(diào)節(jié)型合作

諸如蟻群、蜂群這樣的低等生物之間的合作（如勞動(dòng)分工）是通過(guò)信息素（pheromone）的傳遞，采用stigmergy的間接方式[13, 45]交互完成的，它是一種在自然界和人工系統(tǒng)中觀察到的間接協(xié)作機(jī)制，也是一種社會(huì)網(wǎng)絡(luò)中生物個(gè)體自治的信息協(xié)調(diào)機(jī)制，通過(guò)在環(huán)境中留下信息刺激來(lái)引導(dǎo)其他個(gè)體的行為，在沒(méi)有中樞控制和接觸交流的情況下，群體借助同頻共振，達(dá)到信息對(duì)稱(chēng)，個(gè)體獨(dú)立行動(dòng)，彼此互相適應(yīng)以實(shí)現(xiàn)自我更新，逐步完善群體的生態(tài)環(huán)境。由此可見(jiàn)，低等生物之間的合作本質(zhì)上屬于間接調(diào)節(jié)型合作。

2. 高等生物直接溝通型合作

以狼群、獅群為代表的高等生物具備更豐富和直接的溝通合作能力。例如獅群能夠通過(guò)體態(tài)、面部表情、聲音、梳理毛發(fā)、氣味等通訊方式傳遞信息。其中，咆哮是獅子的范圍最廣、最直接、主動(dòng)的溝通方式。獅子是所有貓科動(dòng)物中吼聲最大，也是次聲波傳播最遠(yuǎn)的貓科動(dòng)物。Schaller[46]發(fā)現(xiàn)獅群咆哮擁有強(qiáng)調(diào)存在、避免接觸、加強(qiáng)群體聯(lián)系、強(qiáng)化個(gè)體能力等豐富功能。文獻(xiàn)[47-48]發(fā)現(xiàn)獅子能夠通過(guò)咆哮招募新伙伴并與伙伴協(xié)調(diào)行動(dòng)。文獻(xiàn)[49]描述了雄獅通過(guò)咆哮警示和驅(qū)逐外敵遠(yuǎn)離其領(lǐng)地?？梢?jiàn)，通過(guò)咆哮的直接溝通方式，高等生物能夠更高效地實(shí)現(xiàn)群體合作。

3. 人的共享意向型合作

許多物種，從螞蟻到虎鯨，再到人類(lèi)的靈長(zhǎng)類(lèi)表親，都會(huì)在野外生存中合作。但只有人類(lèi)群體的合作才有共同愿景（shared vision）[50]，具備共享意向的能力，即人可以直觀地了解其他人在想什么，并且為共同的目標(biāo)一起努力。這種頗為強(qiáng)大的認(rèn)知能力使得人類(lèi)這個(gè)物種走上了非同尋常的進(jìn)化之旅，幫助人類(lèi)鍛造出語(yǔ)言、工具和文明。人類(lèi)的合作需要以下條件：存在若干個(gè)個(gè)體能夠洞察到彼此的意圖并據(jù)此形成一個(gè)共同的目標(biāo)；不同的個(gè)體分別扮演不同的角色并最終能夠整合各自的努力。這些活動(dòng)依賴(lài)于高等生物（如黑猩猩）所不具有的認(rèn)知能力[51-52]。因此，人群之間合作的主導(dǎo)形式是共享意向型合作。

總體而言，低等生物缺乏認(rèn)知能力，其群體行為是在感知層面展現(xiàn)出來(lái)的，并且以競(jìng)爭(zhēng)為主，以合作為輔。高等生物以個(gè)體感知為主導(dǎo)，也有少許認(rèn)知方面的能力，其群體行為以常規(guī)性合作為主，以競(jìng)爭(zhēng)為輔。人作為萬(wàn)物之靈，則以認(rèn)知為其所長(zhǎng)，其群體行為以集體意向?yàn)榛A(chǔ)，以共享型合作為主，競(jìng)爭(zhēng)只是處于從屬位置。

群體智能在本質(zhì)上追求的是合作的涌現(xiàn)（emergence of cooperation）[53]，低等生物、高等生物和人在合作行為方面顯示出一致性，即實(shí)現(xiàn)合作的主要形式就是分工，不過(guò)分工行為的復(fù)雜性在逐漸增加。對(duì)于低等生物而言，競(jìng)爭(zhēng)是其生存的一種普遍本能和基本能力，低等生物的合作行為很少，水平也很低，合作的主要形式是簡(jiǎn)單的勞動(dòng)分工（division of labor）[22]。高等生物合作行為較之低等生物有所提升，其主要形式是感知驅(qū)動(dòng)的角色分工（division of role）[54]。人的合作行為更為復(fù)雜多樣，發(fā)展到既有感知驅(qū)動(dòng)，又有認(rèn)知驅(qū)動(dòng)，并且以認(rèn)知驅(qū)動(dòng)為主的社會(huì)分工（division of society）形態(tài)。上述群體智能分工的演進(jìn)過(guò)程如圖2所示。無(wú)論是勞動(dòng)分工還是角色分工都屬于群體智能1.5的范疇，而社會(huì)分工對(duì)應(yīng)的是群體智能2.0和群體智能3.0的高級(jí)階段。

圖2 群體智能分工的演進(jìn)過(guò)程

06

總結(jié)與展望

6.1 研究總結(jié)

隨著互聯(lián)網(wǎng)普及等信息新環(huán)境的出現(xiàn)，傳統(tǒng)人工智能（人工智能1.0）正在邁向新一代人工智能（人工智能2.0）的新階段[2]。作為人工智能的重要組成部分，群體智能也由群體智能1.0（群智能/群智能優(yōu)化）進(jìn)入到群體智能2.0（眾智能/基于互聯(lián)網(wǎng)的群體智能）階段[14]。本文通過(guò)深度剖析和論證，發(fā)現(xiàn)群體智能1.0與群體智能2.0之間存在不相容性。為化解這種不相容性，提出群體智能1.5作為連接兩者的過(guò)渡橋梁，其仿生原型以高等生物為主，以低等生物為輔，主要模仿生物的合作行為，由此形成一個(gè)包含群體智能1.0、群體智能1.5和群體智能2.0這樣3個(gè)階段并具有相容性的整體。群體智能2.0的提出是在錢(qián)學(xué)森大成智慧學(xué)術(shù)思想的指導(dǎo)和引領(lǐng)下完成的，相對(duì)于群體智能2.0，大成智慧處于更高級(jí)的階段——群體智能3.0。這就給出由上述階段共居一體所組成的群體智能發(fā)展的完整架構(gòu)，如圖3所示。這些不同階段漸進(jìn)發(fā)展，具有良好的相容性；同時(shí)，群體智能2.0和群體智能3.0所解決的協(xié)調(diào)型分配問(wèn)題又有差別，群體智能2.0解決的是一般協(xié)調(diào)型分配問(wèn)題（如生產(chǎn)調(diào)度問(wèn)題），而群體智能3.0要解決的協(xié)調(diào)型分配問(wèn)題以社會(huì)系統(tǒng)為主，相對(duì)來(lái)說(shuō)復(fù)雜得多，稱(chēng)為社會(huì)協(xié)調(diào)型分配問(wèn)題。

圖3 群體智能發(fā)展階段

本文提出的群體智能4個(gè)發(fā)展階段的整體架構(gòu)對(duì)該領(lǐng)域研究具有啟發(fā)性和促進(jìn)作用，該架構(gòu)把目前群體智能發(fā)展結(jié)構(gòu)從兩階段推進(jìn)到4階段，將對(duì)未來(lái)一段時(shí)間群體智能的發(fā)展起到相應(yīng)的引領(lǐng)作用。本文研究的主要發(fā)現(xiàn)和貢獻(xiàn)體現(xiàn)在以下3個(gè)方面：

1. 發(fā)現(xiàn)了群體智能1.0與群體智能2.0的不相容性，進(jìn)行了相應(yīng)的深度剖析，提出兩者之間的過(guò)渡階段——群體智能1.5，明確了其主要內(nèi)涵和覆蓋范圍。借助群體智能1.5的連接作用，有效化解了群體智能1.0與群體智能2.0的不相容性。

2. 基于對(duì)目前高等生物仿生存在問(wèn)題的分析，指出其局限性，明確了群體智能1.5研究的主攻方向。通過(guò)尋根溯源的分析，突出高等生物合作行為仿生的重要性，提出研究高等生物狩獵行為的新視角。

3. 將錢(qián)學(xué)森提出的大成智慧作為眾智能（群體智能2.0）發(fā)展的高級(jí)階段，即群體智能3.0，提出構(gòu)建大成智慧與眾智能的關(guān)聯(lián)關(guān)系，分析表明深度不確定性下的大模型和大數(shù)據(jù)的雙輪驅(qū)動(dòng)是從群體智能2.0通向群體智能3.0（大成智慧）的進(jìn)化途徑。

6.2 研究展望

目前關(guān)于群體智能的前沿研究方興未艾，呈現(xiàn)出良好發(fā)展勢(shì)頭，成為學(xué)術(shù)探索的熱門(mén)選題?；趯?duì)本文提出的群體智能4個(gè)發(fā)展階段整體架構(gòu)的認(rèn)識(shí)，下面對(duì)群體智能未來(lái)發(fā)展方向和研究課題進(jìn)行展望：

1. 現(xiàn)已提出的群體智能1.0（群智能優(yōu)化）的具體算法已有很多[23]，雖然研究文獻(xiàn)層出不窮，但難以引起特別關(guān)注。群體智能1.0今后的研究重點(diǎn)應(yīng)關(guān)注具有普適意義的通用機(jī)理性問(wèn)題，如探索與開(kāi)發(fā)的平衡問(wèn)題[55]；同時(shí)要研究針對(duì)特殊問(wèn)題（如超多目標(biāo)優(yōu)化問(wèn)題[56]）的群智能求解算法。

2. 高等生物（如獅群、狼群）合作行為的仿生研究是群體智能1.5的主體部分，目前仍顯薄弱，有關(guān)成果較少。它的提出順應(yīng)了智能行為復(fù)雜性的發(fā)展要求，與文獻(xiàn)[57]提出的面向復(fù)雜動(dòng)態(tài)對(duì)象的精準(zhǔn)智能理論構(gòu)想的思路一致。因此，群體智能1.5將是今后群體智能研究關(guān)注的焦點(diǎn)，也是有待開(kāi)拓的前沿領(lǐng)域。

3. 錢(qián)學(xué)森的大成智慧學(xué)術(shù)思想高屋建瓴，同時(shí)也比較抽象，目前的研究文獻(xiàn)基本上是對(duì)大成智慧的解讀性論述，缺乏延伸探討和深化發(fā)展。本文將大成智慧視為群體智能3.0的高級(jí)階段，將其與群體智能2.0聯(lián)系起來(lái)，深化大成智慧的內(nèi)涵，將為群體智能的研究注入新的活力。

4. 作為群體智能的不同發(fā)展階段，群體智能2.0與群體智能3.0目前還相距甚遠(yuǎn)。因此要進(jìn)一步明確兩者的關(guān)系，進(jìn)而尋找實(shí)現(xiàn)兩個(gè)不同階段連通的一系列臺(tái)階，作為它們之間的銜接載體。例如新近發(fā)表的研究文獻(xiàn)[58]提出一個(gè)概念框架，用于研究復(fù)雜社會(huì)認(rèn)知系統(tǒng)中的群體適應(yīng)性，該框架由社會(huì)整合策略、社會(huì)環(huán)境和問(wèn)題結(jié)構(gòu)的動(dòng)態(tài)交互驅(qū)動(dòng)；關(guān)于群體適應(yīng)性的探索就是從群體智能2.0到群體智能3.0的一系列臺(tái)階中的一個(gè)，值得深入研究。

5. 群智涌現(xiàn)（swarm intelligence emergence）乃是群體智能理論體系中的核心內(nèi)容之一。低等生物、高等生物和人群的涌現(xiàn)機(jī)理既有一定相關(guān)性，又呈現(xiàn)不同表現(xiàn)形式，有待進(jìn)一步研究。

參考文獻(xiàn)

1. 尼克. 人工智能簡(jiǎn)史[M]. 2版. 北京: 人民郵電出版社, 2021.2. Pan Y H. Heading toward artificial intelligence 2.0[J]. Engineering, 2016, 2(4): 409-413.3. 鐘義信. 機(jī)制主義人工智能理論——一種通用的人工智能理論[J]. 智能系統(tǒng)學(xué)報(bào), 2018, 13(1): 2-18.4. Zhang B, Zhu Jun, Su H. Toward the third generation artificial intelligence[J]. Science China Information Sciences, 2023, 66(2): 121101.5. 中國(guó)人工智能2.0發(fā)展戰(zhàn)略研究項(xiàng)目組. 中國(guó)人工智能2.0發(fā)展戰(zhàn)略研究（上冊(cè)）[M]. 杭州: 浙江大學(xué)出版社, 2018.6. Wu F, Lu C, Zhu M, ChenH, Zhu J, Yu K, Li L, Li M, Chen Q, Li X, Cao X, Wang Z, Zha Z, Zhuang Y, Pan Y. Towards a new generation of artificial intelligence in China[J]. Nature Machine Intelligence, 2020, 2(6): 312-316.7. 肖人彬, 等. 面向復(fù)雜系統(tǒng)的群集智能[M]. 北京: 科學(xué)出版社, 2013.8. Riedl C, Young Kim J, Gupta P, Malone T W, Woolley A W. Quantifying collective intelligence in human groups[J]. Proceedings of the National Academy of Sciences, 2021, 118(21): e2005737118.9. Wu L, Wang D, Evans J A. Large teams develop and small teams disrupt science and technology[J]. Nature, 2019, 566(7744): 378-382.10. Bernstein E, Shore J, Lazer D, How intermittent breaks in interaction improve collective intelligence[J]. Proceedings of the National Academy of Sciences, 2018, 115(35): 8734–8739.11. Zhang W, Mei H. A constructive model for collective intelligence[J]. National Science Review, 2020, 7(8): 1273-1277.12.