模拟“椋鸟相随降落” ，AI的“群体智能”或走得更远？
模拟“椋鸟相随降落”，AI的“群体智能”或走得更远？
——在最新发布的《新一代人工智能发展规划》中，我国将“群体智能（Swarm Intelligence）”作为新一代人工智能发展的核心研究领域，甚至是整个信息社会发展的核心驱动力。应用领域屡有新案例的人工智能一旦拥有群体智能，就可让计算机完成人类心智所能做的各种事情，像人类那样地思考、行动以及合作。——而对群体智能研究，源于生物学家和动物学家们对以鸟、鱼、昆虫等动物的社会行为的观察。在这一方面，首屈一指的权威是著名行为动物学家、诺贝尔奖获得者尼克拉斯·廷伯根（Nikolaas Tinbergen）。他的研究始于20世纪20年代和30年代，1946年，廷伯根的研究集大成者在代表作《动物的社会行为》荷兰语中体现。——欣喜的是，2021年1月该书的中译本出版。1946年的书在今天是否落伍？恰恰相反。《动物的社会行为》对动物群体行为和智能的构成、功能以及因果机制等的阐释，对今天我们关于动物认知、人类社会结构，尤其是至今仍然有争议的人工群体智能等领域的探究仍具极高参考价值。——荀子说：“人力不若牛，走不若马，而牛马为用，何也？曰：人能群,彼不能群也。”那多少个体才能构成荀子意义上的“群”，并获得超越个体的智能和行动力？从古希腊开始，西方知识体系中的个体主义导向就已经确立，行为动物学受此影响在19世纪成为独立学科。绝大多数的生物学家主张，通过探究个体的行动模式来理解更高层级的群体模式。——将群体行为还原为个体行为进行“自下而上”的研究方法是主流进路。然而，通过对银鸥、三刺鱼、鳟眼蝶群内的群体生活、求偶行为、斗争与合作行为等的广泛观察和重复观察，廷伯根主张将群体视为一个“超级个体”，并关注这个群体“自上而下”的群体行动和智能的涌现方式。——这意味着，夏夜，当成百上千的昆虫被光源吸引而聚集在灯泡周围的时候，并不构成一种群体行为。但冬夜里，大批椋鸟如黑旋风般地在它们的栖息地上空飞舞盘旋，时而左转，时而向上……直到最后以一种完美的秩序彼此相随降落的时候，则构成了一种群体行为。——两种情形的区别在于，昆虫只是简单的聚集；而对于椋鸟而言，它们依赖于数量少而极为简单的规则，以及彼此间的互动和回应来决定下一步的行动，并最终导向复杂的行动。廷伯根强调，动物社会学所要探究的正是同一物种个体之间的相互关系，而非孤立的个体所具备的能力。——在《约定论》一书中，路易斯（D.Lewis）强调群体行动由所有个体拥有的“共享知识”来维系。但有些行为却无法据此得到解释，例如，肉食鸟类大多是合作喂养者，雄鸟捕猎，雌鸟负责保护幼鸟。这种合作会一直持续到幼鸟成熟并能够完全独立捕食。黄色的粘球菌是合作捕猎者，在饥饿的时候，成群结队地汇聚成一个子实体，产生毒素并最终侵蚀和消化猎物……——因此，我们首先要追问：动物合作的目的是什么？我们假定，这种普遍存在于大自然中的合作现象，一定服务于某种目的或者在生命进程中发挥着重要的功能。而在最严格意义上，所有生命体的目标就在于个体、种群以及物种中保存。——廷伯根常常用器官与个体的关系，来隐喻个体与群体的关系。一方面，各个器官具有不同的功能，但它决定了个体所具有的功能，只有器官恰当运作的个体才能够生存；但另一方面，器官脱离了个体之后，就会失去生存能力，正如落单的蜜蜂和工蜂，脱离群体的珊瑚虫无法独自生存。这意味着，尽管个体会失去自己的部分“主权”，但却通过合作的方式涌现出超越自身智能水平的群体智能，而最终获得自己的利益。——不过，动物通过群体合作而实现生存，并不意味着它们能“深谋远虑”。——举例，如果鸟类父母能够理解孵化和喂养后代的功能，那么被小布谷鸟寄居的鸣禽父母，就不会在小布谷鸟将自己的孩子扔出鸟巢以后，眼看着亲生孩子死掉；银鸥的父母也不会在小银鸥生前拼尽全力保护它，而在死后狼吞虎咽地把它吃掉……——在20世纪30年代，关于动物生物学的研究，绝大多数来自“扶手椅”上的理论推理。然而，廷伯根极力主张在真实的自然场景中去探究诱发行动的原因，以理解那些具有高度适应性的行为结构。廷伯根提出，除了高等哺乳类以外，动物的社会合作主要依赖于释放器系统。——进一步说，行动者利用天生的“信号刺激”，来激发反应者特定的释放行为。在进化中，动物形成了用于传递关键信息的刺激行为，比如有特殊颜色的图案或结构，或者特定的姿势，如“舞蹈”之类的行为等，令反应者做出迅速和简单的回应。无论是听觉、视觉还是触觉的刺激，都以显著性和简单性为主要特征，促使群体中的其他成员作出“直接而恰当”的反应。——由此看来，一方面，群体中的每一个个体与生俱来地对自己物种的信号具有敏感性；另一方面，个体形成反应与合作的结果持续地受到群体生存的测试和检测，并以此决定个体的属性。这样的释放器关系不仅存在于种内合作，还存在于多种间合作的情形中，令动物的群体行为成为可能。——由此，廷伯根传递着他关于动物社会行为机制富有洞见的思想。群体行动和智能以一种“自上而下”的方式涌现，并最终导向高于个体之和的复杂系统所具有的强大的群体智能。——受此启发，20世纪60年代，以霍兰德（J.Holland）为代表的人工智能学家开始探究人工群体智能的可能算法。如蚁群优化算法、粒子群优化算法和鱼群算法等群体智能算法，这些算法模拟动物的释放器关系，通过智能体（作为刺激的发出者）将信息转译为信号传递给另一个能够对这些转译了的信号作出恰当回应的智能体（作为信息的接受者），由此生成受控制的特定行为。——这种模拟大自然生物智能的算法，令人工智能体无需通过生成与当下环境和任务无关的内部表征模型，或进行复杂的计算和推理，而产生低计算成本的、灵活的智能行为，这令单个智能体与其他智能体进行交互，而它所在的信息环境在不断变化着，有时是不完整的甚至是相互矛盾的。——尤其引人注目的是，近年来，美国Unanimous AI公司通过连接网络用户群建立了一个人工群体智能的在线平台——UNU。在UNU平台中，网络用户根据实时的系统信息来作出个人选择或提出个人意见，而后系统再将这些答案汇总在一起，最终以集体的形式确定他们认为最正确的预测。——显然，这种以对动物社会行为模拟为基础的人工群体智能比老式的计算模型走得更远。不过，它是否是人工智能的“奇点”？是否真正实现了生物学意义上的智能与人类创造出来的人工智能的真正结合？这样的问题，不仅是科学问题，更是哲学问题。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
