人工智能研究的新方向——网络化智能

摘要

50年人工智能发展的历程表明,无论是符号主义方法、行为主义方法,还是联结主义方法,更多地聚焦在对人类知识和智能的确定性模拟上,侧重于从宏观上弄清楚结构和功能的关系,一而再、再而三地从微观上弄清楚组成成分或要素的性质,而后依靠层次结构对整体智能进行还原.本文提出网络化智能研究的新方向,在当今的网络时代,尤其是复杂网络数学研究的重大突破,发现现实世界中的许多网络,广泛存在具有"小世界"特性、无尺度特性、自相似性、高积聚性、以及鲁棒性和脆弱性并存等本质特征,要把组成成分或要素之间的关系抽象成网络拓扑,放在一个带有不确定性、生长性、偏好依附性,自相似性以及与外界交互的大框架下进行研究,利用拓扑熵研究典型网络拓扑之间的转化关系,利用云模型研究它的产生、演化和自组织行为,利用物理学方法研究复杂网络的动力学行为.从还原论方法走向整体论方法,从构成论方法走向生成论方法,从公理论方法走向模型论方法.本文还用云分形和动力学方法对网络的演化和行为进行计算机模拟,结果表明,这样生成的复杂网络能够表示具有上述性质的现实中的复杂网络,以及典型网络拓扑之间的转化.挖掘现实复杂网络中不确定性中的规律性,无序中的有序性,竞争中的协同性,都将展现出网络化智能研究的诱人前景.