全真網際網路時代將至，“未來智慧網路”還有多遠？

“未來智慧網路，博弈態勢高度複雜、瞬息萬變，多種資訊交匯形成海量資料，僅憑人腦難以快速、準確處理。”在人機融合智慧專家、北京郵電大學崗位教授劉偉看來，隨著智慧化的不斷髮展，智慧化裝備的大量使用，傳統的網路形態、執行機理將發生巨大的顛覆。

他指出，“只有人機融合的執行方式，基於彈性資料庫、網際網路、物聯網、車聯網等技術群，系統（人+機+環境）才能應對瞬息萬變的任務情境，完成排程控制任務。”

這突顯出關於“未來智慧網路”研究的重要意義。

2020年12月，騰訊董事會主席兼執行長馬化騰也提到了“全真網際網路”的概念。在他看來，“這是一個從量變到質變的過程，它意味著線上線下的一體化，實體和電子方式的融合。”

從網際網路、物聯網到全真網際網路，不同時代下，“網路”的升級進化都將產生深刻影響。

---

世界是由眾多事物相互關聯在一起的，裡面充滿了各種各樣的關係，正是這些關聯和關係才構成了生命、生活和生態，才不斷孕育出了智慧、網路、意義、責任、權力、自由、平等、意圖、自主等抽象的概念和範疇。

隨著深度學習、強化學習等新一代人工智慧技術的發展，其在計算機視覺、語音識別、自然語言處理、生物醫療領域及遊戲博弈等方面取得很大的突破，人工智慧在數字網路領域應用也愈加廣泛，催生了未來智慧網路的概念。

智慧化的不斷髮展，智慧化裝備的大量使用，不但將與傳統的網路形態從技術上產生巨大的不同，在網際網路與物聯網的理論上也將對傳統網路執行機理產生不同程度的顛覆。因此，當前加快智慧化發展，不僅要繼續智慧化裝備的研究，還要提高對智慧化環境條件下新型網路理論的研究。

未來智慧網路研究是一個領域，不是一個學科，我們必須要用不同的方法論，從不同的角度來研究未來智慧網路，方法論、角度越多，未來智慧網路研究就會做得越好。概況起來以下幾個主要問題特別值得關注。


人機環境網路系統中的深度態勢感知問題

從表面上看，各國未來智慧網路發展非常迅速：百舸爭流，百花齊放，百家爭鳴，一片熱火朝天的景象，實際上，各國的網路智慧化程式卻都存在著一個致命的缺點，就是沒能深入地處理人機環境系統融合的智慧問題，尤其是深度態勢感知問題。

任何顛覆性科技進步都可回溯到基礎概念的理解上，例如人的所有行為都是有目的的，這個目的性就是價值，目的性可以分為遠中近，其價值程度也相應有大中小，除了價值性因果推理之外，人比人工智慧更為厲害的還有各種變特徵、變表徵、變理解、變判斷、變預測、變執行。

嚴格地說，當前的人工智慧技術網路應用場景很窄，屬於計算智慧和感知智慧的前期階段，不會主動地刻畫出準確的網路場景和情境，而智慧科學中最難的就是刻畫出有效的網路場景或上下文，而過去和現代網路智慧化的思路卻是訓練一堆人工智慧演算法，各自繫結各自的網路應用場景。

一般而言，這些人工智慧技術就是用符號/行為/聯結主義進行客觀事實的形式化因果推理和資料計算，很少涉及價值性因果關係判斷和決策，而深度態勢感知中的深度就是指事實與價值的融合，態、勢涉及客觀事實性的資料及資訊/知識中的客觀部分（如突顯性、時、空引數等），簡單稱之為事實鏈，而感、知涉及主觀價值性的引數部分（如期望、努力程度等），不妨稱之為價值鏈，深度態勢感知就是由事實鏈與價值鏈交織糾纏在一起的“雙螺旋”結構，進而能夠實現有效的判斷和準確的決策功能。

另外，人側重於主觀價值把控算計，機偏向客觀事實過程計算，也是一種“雙螺旋”結構。如何實現這兩種“雙螺旋”結構之間（時空、顯著性、期望、努力、價值性等）的恰當匹配，是各國都沒有解決的難題。某種意義上說，深度態勢感知解決的不僅是人機環境網路系統中時間矛盾、空間矛盾的突顯性，還有事實矛盾、價值矛盾和責任矛盾的選擇性。

矛盾就是競爭，決策包含冒險。好的態勢感知能力就是在混亂中看到秩序、在不可能中看到可能、在黑暗中看到光明……所以，目前智慧網路領域的瓶頸還是人機融合智慧中的深度態勢感知問題。


不確定性問題

著名軍事理論家克勞塞維茨認為：戰爭是一團迷霧，存在著大量的不確定性，是不可知的。這裡的不可知是不可預知、不可預測，從現代人工智慧的發展趨勢來看，可預見未來智慧網路中存在著很多人機融合隱患仍未解決，具體有：

在複雜博弈環境中，人類和機器是在特定的時空內吸收、消化和運用有限的資訊，對人而言，人的壓力越大，誤解的資訊就越多，也就越容易導致困惑、迷茫和意外；對機器而言，對跨領域非結構化資料的學習、理解、預測依然是非常困難的事情。

網路中的決策所需資訊在時空、情感上的廣泛分佈，決定了在特定網路情境中，一些關鍵資訊仍然很難獲取，而且機器採集到的重要客觀物理性資料與人類獲取的主觀加工後的資訊、知識很難協調融合。

未來智慧網路中存在的大量非線性特徵和出乎意料的多變性，常常會導致執行操作過程及結果的諸多不可預見性，基於公理的形式化邏輯推理已遠遠不能滿足複雜多變智慧網路的需求。



人的問題

“跨域協同”問題從根本上說就是一個“人的問題”。“網際網路”、“物聯網”、“車聯網”以及“全真網際網路”解決“跨域協同”問題的方式方法可以用兩個術語來概括。

一是聚合（convergence），即“為達成某種意圖在時間和物理空間上跨領域、環境和職能的能力整合”；

二是系統整合（integration of systems），不僅聚焦於實現“跨域協同”所需的人、物和流程，還重視技術方案。截至目前，“跨域協同”尚沒有承認，當前的系統和列編專案是“煙囪式”的互相獨立，跨域機動和聯通需要“人”方面的解決方案。

隨著自動化、機器學習、人工智慧、新型網路等技術的成熟，人們將進一步尋求應用這些技術能力來進一步挑戰傳統網路的不足，打破現有的“煙囪式”方案，設計出背後有人機環境系統工程做支撐的新方案，是未來智慧網路的責任。

無論是縱觀古今，還是展望未來，各種網路裝備或系統始終都是一個人-機-環境系統。

無論是現在還是未來，無人機、無人車、無人艇等各種交通運輸裝備都不可能是完全無人的，只不過是人由前置轉為後置，由體力變為智慧，由具體執行變為排程控制，其中涉及到複雜的人機互動及其相互關係的問題，單純的人工智慧與人類智慧都不能使其發揮最大效能，人機智慧的混合是其重要的發展方向。

準確地說，未來智慧網路不僅包含自然科學和工程技術，還涉及許多社會科學的領域，如人文、哲學、宗教乃至藝術等等，這從維特根斯坦著名的著作——《邏輯哲學論》中的第一句話就可見一斑：世界是由事實（即聯絡）構成的，而不是由事物（即屬性）構成的。

好的網路系統有時候不僅是技術還是藝術。未來智慧網路是系統工程之冠上的明珠，相對傳統的網路系統，其動態適應性執行更強，其智慧不僅僅是物聯網/車聯網的智慧更是人類網際網路系統的智慧，是體系的智慧化。

未來智慧網路的最優存在形態應該不是個體性的（比如異常先進的網際網路或物聯網單平臺），而是系統性的（多網路性的），更有可能是橫跨各人機環境系統體系性的（如跨不同網路的生態體系），並且該體系還會不斷自行生長升級。

儘管前途是光明的，但我們依然有理由認為，隨著數字化環境的性質的不斷演變，智慧技術將對未來智慧網路的演變會做出重大貢獻，但過高估計技術變革的速度和先進技術在未來發展中所起的作用仍具有風險。

過分強調技術將會使看不見的各種盲點一直存在，進而會在不定任務、情境和執行中意外出現。追求尖端技術並無問題，但在可見的未來智慧網路中，把控的關鍵因素依然是人。事實上，這與毛澤東同志有關人民戰爭戰略思想是一致的：武器是戰爭的重要因素，但不是決定的因素，決定的因素是人而不是物。


未來智慧網路的關鍵
在於人機環境系統的有效協同

如果說“邏輯是符號串的等同或包含關係”，那麼非邏輯則是非符號的等同或包含關係。人工智慧處理一些邏輯問題較好，而人處理一些非邏輯問題稍優，人機融合則能處理邏輯與非邏輯的融合問題。

人工智慧在未來智慧網路中起重要作用需要幾個條件：首先是找到數學定量計算就能解決的部分，其次與人融合過程中使該AI部分找到適當的時機、方式和作用，最後，人做對的事（把握方向），AI“把事情做對”（過程實現）。

最近，不少網路專家和智慧網路部門技術領導人強調“人類”必須最終作出重要決定並掌控“排程和控制”系統，同時還明確指出快速演化的人工智慧裝備系統應用可以讓控制人員“及時看到、率先作出決定、率先採取適當行動”，當然由此能夠更快地消除各種事故/故障隱患。（人工智慧的資料處理能力會讓人類的決策速度呈現指數級的提高，即提速了OODA環。）

仔細想想，任何事物都不會無中生有，凡事都有苗頭和兆頭，人機融合就是能夠及時（恰如其分）地捕捉到這些零零碎碎的跡象和蛛絲馬跡，太快太慢都不好，正如美國諾貝爾經濟獎得主卡內曼在《思考：快與慢》一書中將人類的本能意識快決策稱為系統一，將人類的理性邏輯慢決策稱為系統二，並考察了系統一與系統二之間的區別。

實際上，經過我們進一步研究，人機環境系統的深度態勢感知中應該還有決策系統三：人類理性與感性結合的不快不慢的right決策系統。

目前，人類智慧與網路的失調匹配是導致目前智慧網路系統應用領域弱智的主要原因。

人可以身在曹營心在漢，是非、01同在：既是又不是，疊加“態”。在危機管理中常常出現的是疊加“勢”：危險與機會共生，危中有機，機中有危，兩者糾纏在一起。如何因勢利導、順勢而為，則是人機融合智慧中深度態勢感知的關鍵。

人機是非同構的，即本質是不同的兩者事物，一個受控實驗部分不可重複，一個受控實驗普遍可重複。人的智慧也是由受控與不可受控部分、可重複與不可重複部分構成的。另外，真正的博弈智慧不是大資料的，而是個性化的小資料或無資料，這就與智慧網路的普適智慧要求存在這一定程度的偏差。

科學的缺點在於否認了個性化不受控不可重複的真實。所以基於這種科學性的基礎上必然會帶來一些缺陷。人，尤其是每個人都是天然的個性化不受控不可重複的主體，你不能說他就是不存在的。從這個角度看，人機環境融合的未來智慧網路實質就是幫助科學完善它的不足和侷限。

大資料的優點是受控實驗普遍可重複性，如此一來可以尋找共性規律——按圖索驥；但是，這也是大資料的一個缺點，容易忽略新生事物——受控實驗不可重複部分的出現，表現出刻舟求劍效應。有些受控實驗不可重複之真實性也是存在的，但這不在科學範圍內。以前是盲人摸象，現在是人機求劍。

對未來智慧網路而言，無論機器學習還是自主系統，都不外乎是為了結合人、機的優點，取長補短、相得益彰，精確地感知、正確地推理和準確地預測，進而達到隱真使假、去偽存真、去粗存精、由此及彼、由表及裡，所以，在未來智慧網路中，對人機環境系統融合智慧機制、機理的破解以及有效的協同方式將成為未來網路發展的關鍵。


任何分工都會受規模和範圍限制，人機融合智慧中的功能分配是分工的一部分，另外一部分是能力分配。功能分配是被動的，外部需求所致；能力分配是主動的，內部驅動所生。

在複雜、異質、非結構、非線性資料/資訊/知識未來智慧網路中，人的或者是類人的方向性預處理很重要，當問題域被初步縮小範圍後，機器的有界、快速、準確優勢便可以發揮出來了；另外，當獲得大量資料/資訊/知識後，機器也可以先把他們初步對映到幾個領域，然後人再進一步處理分析。這兩個過程的同化適應、交叉平衡體現的就是人機有機融合的過程。

人機融合知識表徵方面主要的問題是：缺少能夠將感測器資料與人類的知識融合、適應實際作戰場景的彈性知識庫。

人類有完備的理論知識，對於組織準備、下定決心、裝備準備以及實時操作行動都有特定的表徵習慣。因此機器如果想要理解人類在特定任務場景下的語義表達，需要結合任務、態勢、方式、環境等因素自動分析，形成綜合態勢判斷。不能基於傳統的“程式設計思維”事先窮舉所有因素，而是要對各種網路情況進行“感知、理解和學習”，使知識庫具有彈性，能夠進行更新迭代，解決人機融合資料-知識中的一致性問題。

人機融合決策機制方面主要的問題是：缺少基於人機溝通的個性化智慧決策機制。

人類的風格千差萬別，能夠實現高效人機協作的智慧系統一定是個性化的智慧系統。“個性化”的智慧系統不是簡單的機器對人類習慣的適應和遷就，而是應該建立一種人機溝通的框架和機制。系統的決策建議有可能是對人類思路的補充，也有可能與人類的排程控制風格完全相反，通過不斷實踐獲得反饋，人機融合決策能力獲得迭代發展，最終實現個性化的輔助決策系統，達到人與機器、環境系統網路的最優匹配。

人工智慧只是人類智慧可描述化、可程式化的一部分，而人類的智慧是人、機（物）、環境系統相互作用的產物。

智慧生成的機理，簡而言之，就是人物（機屬人造物）環境系統相互作用的疊加結果，由人、機器、各種環境的變化狀態所疊加衍生出的形勢、局勢和趨勢（簡稱勢）共同構成，三者變化的狀態有好有壞、有高有低、有順有逆，體現智慧的生成則是由人、機、環境系統中的態、勢和諧共振大小程度所決定的，三者之間具有建設性和破壞性干涉效應，或增強或消除，三位一體則智慧強，三位多體則智慧弱。如何調諧共頻則是人機融合智慧的關鍵。

當代人工智慧由最初的完全人工編譯的機器自動化發展到了人工預編譯的機器學習，接下來的發展可能是通過人機融合智慧的方法來實現機器認知，最終實現機器覺醒。

總之，未來智慧網路，博弈態勢高度複雜、瞬息萬變，多種資訊交匯形成海量資料，僅憑人腦難以快速、準確處理，只有人機融合的執行方式，基於彈性資料庫、網際網路、物聯網、車聯網等技術群，系統（人+機+環境）才能應對瞬息萬變的任務情境，完成排程控制任務。

隨著無人網路系統自主能力的提升，人工智慧叢集功能的增強，自主決策逐步顯現。一旦排程系統實現不同功能的智慧化，感知、理解、預測的時間將會大大壓縮，效率明顯提高。

加上用於諸多智慧感測器影像處理的模式識別、用於網路實時決策的最優演算法，將賦予未來智慧網路系統更加高階的決策能力，逐步實現人、機與環境智慧網路系統的聯合執行。

---

本文作者系北京郵電大學崗位教授，劍橋大學訪問學者，清華大學戰略與安全研究中心人工智慧組專家。至今發表論文70多篇，出版專著4部，譯著2部。作為專案負責人主持國家自然科學基金、總裝預研、中國博士後科學基金等。現為中國資訊與電子工程科技發展中心專家委員會特聘專家、國家自然科學基金評議專家、全國人類工效學標準化技術委員會委員、中國人工智慧學會高階會員、《心理學報》、Ergonomics、Human factor等審稿專家。

其研究領域為：人機融合智慧、認知工程、人機環境系統工程、未來態勢感知模式與行為分析/預測技術等多方面等。

作者：劉偉
來源：騰雲
地址：https://mp.weixin.qq.com/s/STWhEO8nuRJVSzApUL3VnA