简体中文 繁體中文 港澳繁體 台灣正體
0

智能时代如何智能决策:从牛顿定律到默顿定律(组图)

21 阅 - - 科教 - 来源:王飞跃博客
字体: . .

小记:2016年11月19-20日,由凤凰网与凤凰卫视联合举办的“2016凤凰财经峰会”在京举行。今年起,凤凰财经峰会将以“决策与市场”为永久主题,以“思想解放市场”为旨归,致力于打造最具影响力的全球化投资与决策圈层交流平台。为此,特邀两位国际著名科学家:斯坦福大学物理科学家张首晟教授以及中科院人工智能科学家王飞跃教授做主题报告。本文在《凤凰财经》速记的基础上,由复杂系统管理与控制国家重点实验室助理研究员王晓整理而成。

王飞跃:刚刚张首晟教授强调跨界,并且下一步会投资哲学领域。非常好的想法,我的导师McNaughton的导师是奎因(Quine),是个哲学家,他有个学生是王浩,这是华人里面第一个做人工智能的学者,其实也是个哲学家。奎因的导师是怀德海,怀德海另外一个学生就是哲学家罗素,他们共同撰写了《数学原理(PrincipiaMathematica)》一书,推动了近代数学机械化和计算机逻辑与定理证明的发展应用。我的这个报告其实在中国信息经济学会的一个研讨会上讲过一次,原来的题目是“平行经济:从无形的手到智慧之手”。凤凰财经告诉我说今天张教授也来讲,物理是牛顿系统,量子力学也是广义的牛顿。所以我在原PPT的基础上进行了修改和整合,改为“从牛顿定律到默顿定律”,其中默顿定律的一部分便包含哲学的理念。

去年开始,很多人在讲工业4.0。在我看来,工业4.0是工业发展的一个短暂过渡时期,它是基于CPS的,很快就会发展到智能的工业,智能产业,我将其称为工业5.0。工业5.0的文学描述就是智能产业,它的技术基础就是平行科技。为什么有这种想法呢?大家看看整个社会是如何发展而来的?人类发展过程中,网络始终是最重要的一种社会基础设施,当下我们正处在开放和互联的虚拟网络时代。那么最初我们是通过什么网络连通起来的?是交通网,后来又有了电力网,再后来是我们的信息网,然后今天大家开始谈物联网,其实最后要到智联网,为什么用“智联网”这个词呢?因为智慧很大一部分来源于开放的交互。这也是大家为什么现在讨论共享经济的原因,这也是为什么现在我们提倡社会交通、社会能源、社会计算、社会制造的原因,其导致的结果便是社会智能,最后的结果就是从专业分工、人机分工、虚实分工的共享经济跳到人机结合、知行合一、虚实一体的智能经济,这就是心智社会。其实,《心智社会》是人工智能的创始人之一马文•明斯基在30年前写过的一本书,英文名叫做《The Society ofMind》,书中描述的就是Agent的想法,这也是现在人工智能的主流研究方向之一。

我们知道,新学科、新技术、新产业出现的标志之一,就是各种各样的新名词所表示的新型社会基础设施的出现。今天,我们一谈到发达国家,首先会想到这个国家有高速公路,有飞机,飞机场,火车站,高铁等等基础设施;以后我们提到一个智能社会,若没有各式各样的CPSS(社会-物理-信息系统,Cyber-Physical-Social Systems),没有各式各样的X5.0平行系统,那就是好像是在说一个发达国家却没有铁路,没有火车,没有汽车,没有飞机场一样。

其实这就是回到哲学了。波普尔是当代最伟大的哲学家之一,他的书给了我非常大的影响。他有一个观点,现实是由三个世界组成的,我从小就知道有两个世界,一个物理世界,一个心理世界。但是他说不对,还有一个人工世界,物理世界就是以交通、以电网为基础设施,以后人可以自由交流,从一个地方很方便跑到一个地方,其结果就是产生了行业的分工、专业的分工;但是经过电力网,经过信息网之后,我们逐渐打破了信息的不对称,以自动化为主的社会就会产生人机分工,这也是我们当前阶段正在经历的一个过程;最后网络智能化将来一定导致的是虚实分工,这是一个非常大的发展趋势。

这就需要对IT赋予新的涵义。刚才主持人讲到了AlphaGo,在我看来,AlphaGo算是一个默顿定律(默顿的“自我实现预言”:由于信念和行为之间的反馈,预言直接或间接地促成了自己的实现。),是智能化的默顿定律,它预示着IT不再是我们理解的信息技术(InformationTechnology),那是旧的IT了,心理世界的主题。也不再是物理世界的主题,200年前的老IT,大家都忘了IT以前是什么意思?以前是工业技术(IndustrialTechnology)。现在IT变成了新IT,智能技术(IntelligentTechnology),它是基于第三世界—人工世界,这就是为什么现在数据变成了最重要矿藏和资源,这就是为什么智能车不会像传统的车那样,烧石油,智能车将来一定烧的是数据,这就是我们做平行驾驶的原因。能源的改变,从物理能源到社会能源,是一个革命性的改变。但是要实现平行,一定要从关键要素上进行改变,一定要从CPS跳出来,跳到CPSS,只有这样我们才能实现智能化的社会。

我个人在美国教了15年的嵌入式课程,CPS就是一个网络化的嵌入式系统,它一定要受刚才张教授讲的摩尔定律的限制。其实摩尔定律也是一个狭义的默顿定律,但是我们必须要从CPS跳出来,将来要在物理世界实现人机结合,在心理世界实现知行合一,最后基于新IT,在人工世界实现虚实一体。

为什么要这么做?这就是生命的本源、智能的本质导致的。德日进写过一本书《人的现象》,书中提到,生命就是复杂化的物质,只有复杂了,才能产生智能。所以复杂性和智能化之间是很有渊源的。

我们现在的实验室以前叫什么名字?以前叫复杂系统与智能科学实验室,为什么取这么一个名字?当时是两个主要的团队合并而成,一个是智能机器人复杂控制实验室,一个是人工智能实验室。大家看人工智能现在这么热,但那时候我们人工智能专业的学生毕业都找不到工作,所以实验室换了一个名字,跟人工智能离的越远越好,后来改为了今天的复杂系统管理与控制国家重点实验室。我们现在正好把复杂性跟智能化结合起来,复杂才能产生智能,那么什么是复杂?我认为用毛泽东给江青写的一封信中的一句话来表述最合适不过:“所谓复杂,就是对立统一”。

大家看复杂性和智能化这两个词的英文其实很有意思,复杂性有两个意思,除了复杂还有情结,智能化也有两个意思,除了智能还有情报,它都是矛盾的对立,怎么把它统一起来,导向智能的方向?爱因斯坦讲的非常好:“智能的真正标识不是知识,而是想象”,问题是怎么想象?我觉得复杂性的情结再加上智能化的情报,两者相结合可以产生智能。所以我认为,智能与情报的一体化,就是智能科学未来的发展道路。

用中国传统的“阴阳鱼”来表示这一观点:阳为智能,阴为情报,相辅相成,智能是开放的情报,情报是封闭的智能。阴阳生万物,人工智能之阳加上搜索技术之阴,就是构建智能系统的根本之道。所以百度、谷歌等公司关注智能技术理所当然。AlphaGo还是一件“非常规”、“小众”的事情,但是我们要把它变成一个常规,首先在理念上有所突破,逐渐产生出真正的活的开放智能。

那么我们如何借助这一想法来产生真正的智能呢?首先是扩大解空间。这是我2004年前讲的,那时候大家觉得很新奇,现在大家想想,好多年轻人活在虚拟世界的时间远远多于实际空间,但是我相信整体上虚拟和现实的分布还会是一半一半。

我们要进入到CPSS中,它的解空间就是平行空间,它的虚数对我来说就是软件定义的网络、软件定义的实体,等等,最后计算机的网络空间就变成一个“软件定义的社会实验室”,变成了一个虚拟的实验室,许多不能在实际社会中做实验的问题,我们可以在虚拟实验室中进行,对计算和实验的结果进行评估,将符合结果的问题解决策略投入到真实社会中,实现虚实互动,平行执行。其中非常重要的一点,是平行系统中,实际系统要努力贴近人工系统,而不是人工贴近实际。为什么?因为只有把问题简化,才能解决问题,而不是把问题做的越来越复杂。

这又是一个怎样的过程呢?就是先把小数据变成大数据,再把大数据浓缩成小知识、小智慧,这个小不是体量上的小,而是针对所需解决具体问题的特定智能化的知识。所以我觉得这个工作蛮重要。其实做这项工作在1994年已经开始,后来我好多同事去圣塔菲做复杂系统去了。再后来自己回国筹建这个实验室,觉得蛮重要,就把早先的想法固化起来,2004年写了这篇文章《平行系统方法与复杂系统的管理与控制》,还有《人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论》的文章。2011年,以建设基于ACP的平行系统为主要任务,我们实验室成为了国家重点实验室。

这就是平行的基本框架,虚实互动。之前物理世界的许多工作总是希望模型逼近实际,对平行系统来说许多是实际逼近模型。这个实际问题已经够复杂了,再建立那么复杂的模型岂非更加困难。一定是要简化,复杂问题简化了才好解,所以许多情况下一定是实际逼近人工。其实,我们从小学上到大学,所接受的教育,不就是希望把一个活生生的自然人变成文明人、人工人,让自然逼近人工吗?

生命的源泉来自其不定性、多样性和复杂性,但是我们希望借助信息化、自动化和智能化的溶合,形成帮助大家处理问题的、有深度知识的智能系统,让方法灵敏(Agility),让问题聚焦(Focus),让目标收敛(Convergence),我认为未来社会的竞争力,可能不再是看我们有多少硬件,而是看我们的软件定义的系统有多深有多强。个人也是一样,将来我们每个人一生下来可能就配备好多机器人,当然我说的是知识机器人,软件机器人,这个机器人组成你的“影像”,西门子、GE现在都谈数字双胞胎,就是在向这个方向发展。不仅如此,还可能会生成数字家庭、数字组织,甚至将来你会有自己的数字化的王国,而你就是那个王国的国王。

现实中的系统往往可分为两类,一类是牛顿系统,一类是默顿系统。默顿(Robert K.Merton)是美国的一个社会学家,他提出的默顿定律往往被称为“自我实现定律(Self-FullingLaw)”。牛顿系统与默顿系统最大的区别在于:牛顿系统,无论我们怎么进行分析,都不会影响系统运行的结果。例如天气预报明天下雨,那么天气是下雨下雪还是刮风,跟我们的分析无关。但是股市就不一样了,大家对于股市的分析会影响股市的波动。十多年前,我就在想,股票市场中肯定有规律,但是我最希望的并不是去预测股市,而是在分析、预测的基础上去引导。默顿系统做的就是引导系统行为。针对交通来说,如果我们分析一条路会堵,大家听说之后,可能就不去了,那么路就不堵了,反之亦然。所以针对这种默顿系统问题,一定要描述、预测、再加引导,这样就组成了一个完整的、闭环的、动态的体系。

从科学研究的角度来讲,默顿系统之所以难以建模是因为巨大的认知鸿沟、建模鸿沟的存在。特别是当前物理-社会-信息融合的CPSS,当复杂性高起来的时候,现实系统行为和目标行为的差距会越来越大。因此,这时候系统的运行法则会从经典的牛顿小数据、大定律上升到默顿的大数据、小定律,这个巨大的建模鸿沟要依靠大数据才能填充起来。

当然,杂乱无序的数据是没用的。这也是为什么我们要引入平行,用平行架桥。这样让虚实互动,平时以万变应不变,以游戏或博弈的方式,计算出、打出、评估出企业的市场策略、企业的效率,增强企业运营的敏捷性(Agility)。一旦出现了异常,那就是以不变应万变,通过计算实验产生的大数据,针对异常情况下的具体问题进行个性化、智能化的决策,该怎么做就怎么做。所以开始的时候,计算实验是从一到无穷大,后来是从无穷大到一。这个过程还需要虚拟传感、加强传感、人工认知的功能,这样才能实现从牛顿到默顿的深化,才能实现从UDC(不定性、多样性、复杂性,Uncertainty, Diversity,Complexity)到AFC(灵捷、聚焦、收敛,Agility, Focus,Convergence)。其实,我们物理空间的数据不管多大,不管谷歌、百度搜的数据多大,相对来说,它永远是小数据;通过各种各样的计算实验优化调试,不停地计算、评估、优化,人工世界产生的数据,那是可以无中生有的、没有边界的,这个数据才叫真正的大数据。只是这个数据太大了,你会被淹没到数据的海洋中去,所以我们现在需要智能方法对其提炼缩小,缩小到针对具体问题的小知识,这个过程就实现从人工社会、计算实验到平行执行。就像我们平时所说的“台上一分钟,台下十年功”,平行的引导就是要把台下的十年功,凝聚到这一分钟上来。

人类具有定义权和决策权。这也是为什么我一直在强调,机器永远代替不了人,它的出现会产生新的工种,三、四十年前中国是没有“程序猿”的,但是计算机的出现产生了网络工程师、软件工程师、架构工程师等等;那智能机器的出现很可能产生预测工程师、决策工程师、评估工程师,这样一来就会产生“虚实分工”、“人机分工”,这就是智能机器技术发展的趋势。我们来看,计算机的出现并没有让人都失业。计算机在台湾被称为“电脑”,我们现在已经几乎人手一台,这并没有导致我们失业,而是产生了更多的工作。未来一定存在各种各样的平行形态,平行机器、平行过程、平行系统等等,这也会产生更多的工作。当前最紧迫的是,大家一定要有新的思维,达特茅斯会议人工智能的创始人之一,司马贺(HebertSimon),他也是诺贝尔经济学奖获得者,提出人是有限理性的,只具有有限的决策能力和选择能力,智能也将是有限理性的智能,因此,智能也是有限的。

因此,在我看来,未来是“合一体”的,人机结合、知行合一、虚实一体。人类之间的“不对称”是驱动社会发展的主要力量。物理世界资源的不对称驱动了农业社会的发展;心理世界信息的不对称催生了艺术复兴,让我们进入工业社会,推动了人类文明的进步;之后还会出现智力的不对称,这就需要我们的人工人、人工机器人、平行智能机来弥补。前段时间大家在说“机器换人”,“中国廉价劳力”的优势已经丧失;随着众包、共享经济、供应侧改革,我们还有廉价脑力的优势。人类的脑力优势一定要和机器的体力优势结合使智力向好的方向发展。工业发展依靠的是工业自动化,知识社会的实现将依赖于知识的自动化,这也是当前人工智能之所以很热的原因。

现在的各种数据处理程序、过程、系统,正像是工业时代加工钢铁的各类流程、工厂或企业,一个是加工数据、一个是加工钢铁。AlphaGo不仅有输入的数据,在自打的过程中亦产生了新的数据,在和李世乭比赛之前,已经自打了3000多万盘,这比一个人一辈子不休不眠下的盘数还多,这产生的数据相对于一个人一生的围棋经验来说,肯定是大数据。当然,也许有人会问,计算机程序能把所有的可能结果都遍历完吗?我想是不可能的,哥德尔证明了不完备定理,图灵指出有不可判定问题。但是这都不要紧,这已经能够使我们到达一个更加美好的智能社会。

我认为AlphaGo就是一个智能化的默顿定律,它首先根据输入的小数据进行学习,然后自我对打,小数据变成大数据,然后加强学习的过程又把大数据收敛到了小知识上。3000多万盘的数据,让人类来看,看都看晕了,所以AlphaGo用了两个网络,一个价值网络来计算局面,一个政策网络来选择在哪处落子,经过两次约减,形成“小知识”把人类打败了。

AlphaGo的这种模式,在未来会变成一个标准的过程,这将是未来智能产业管理和决策的一个雏形。这种智能产业对比传统产业就像是洋枪洋炮对达到红樱枪,跟二百多年前我们跟西方强国对抗一样,传统管理与运营下的产业很难取胜,所以未来的走向,将是人工组织,计算实验,平行执行。将来我们会迈向可计算可重构可编程的智能工厂,经典经济中看不见的手,通过拿数据说话、预测未来、创造未来变成透明平行社会的智慧之手,我们做了一系列平行系统相关工作,最开始做的是交通,还有平行农业、平行情报、平行健康,我们是把几千个算法法组成一个情报工厂,把这么多乱七八糟的信息,像一个污水处理工厂一样,逐步净化数据,一道道工序变成清澈的清水,因为时间原因我就不一一细讲了。

大家都在讲科学的发展推动了人类的变革,但科学最初带给人类的只有“伤害”。我们看哥白尼的日心说,在此之前,我们的物理世界本来是在宇宙的中心位置的,日心说一提出来,我们一下子到了边缘位置,人类在第一个世界中的主导地位丧失了。但也不要紧,我们还有第二个世界,心理世界,我们一直自认为是上帝之子,没想到又来一个达尔文进化论,人类是从猴子进化来的,根本不是上帝的后代,第二世界也在科学的“进攻”下沦陷了。后来波普尔说,他发现了第三世界,是个奇迹,只有在第三世界我们人类才是主宰,所以世界的发展趋势一定是开发第三世界,但这三个世界永远是平行的,缺一不可。

总结来说,我觉得将来一定是游戏与动漫的科学化,仿真与模拟的常态化,经验与知识的数字化,最后的结果是,我们通过计算实验以平行的方式对未来进行感知和统计。这不会导致《1984》,而是相反,它会产生一个开放式的智能社会,更加公开、更加公平、更加公正。

我的报告就到这里,谢谢大家!