The Innovation | 平行智能：应对复杂性挑战的创新之路

导 读

面对现实世界中日益增长的系统复杂性挑战，平行系统方法作为一种跨学科的应对方案，在复杂系统建模、分析、管理、控制等方面展现出了巨大潜力。当前，平行系统方法已在交通、工业、农业、医疗、社会等多个领域中取得成果，未来将会推广到更多领域，并在促进可持续发展和跨学科交流合作中发挥重要作用。

图1 图文摘要

霍金曾预言21世纪将是一个“复杂性的世纪”，而这一预言在过去的二十多年已经初步得到了证实，现实世界中的各种系统都表现出了显著的复杂性：交通系统、生产系统、能源系统等工程系统的规模和集成度不断提高，带来了更加复杂的管理和控制问题，导致了工程复杂性的上升；社会系统不断演化出新的复杂行为，人类动力学和社会动力学也在信息时代的背景下呈现出更大的动态性和不确定性，导致社会复杂性的不断上升。此外，随着人们对现实世界中各种跨空间要素和联系的挖掘，以及信息、物理与社会空间的不断融合，多系统关联耦合同时体现出工程复杂性和社会复杂性，导致系统复杂性的进一步上升，如图2左下A所示。为了应对复杂性增长带来的挑战，融合不同学科的跨学科方法和技术迅速发展，为理解和分析复杂系统提供了新的视角和工具，如图2右下B所示。

图2 平行系统方法的诞生与发展

在上述背景下，平行系统方法于社会科学、计算科学、复杂性科学等多个学科的交叉中诞生，为应对复杂系统建模、分析、管理和控制方面的挑战提供了解决方案。具体来说，该方法是在1994年王飞跃教授为美国NASA外星空间资源利用中心开发的“影子系统”和“世界模型”的基础上发展而成的，而影子系统正是当前风行的数字孪生概念。平行系统方法的目标是实现平行智能，即在真实复杂系统和与其对应的人工社会（又称人工系统）之间持续执行数据、知识和行动的循环，以不断增加对复杂系统的理解并实施改造。平行系统方法的技术基座是ACP方法，包括了人工社会（Artificial societies）、计算实验（Computational experiments）和平行执行（Parallel execution）三个部分。在平行智能的循环中具体有描述智能、预测智能和引导智能，分别由ACP方法的三个部分支撑（图3）。

图3 平行智能和ACP方法

平行智能首先基于软件定义的方式构建一个或多个与实际系统在行为上具有等效性的人工社会，而后通过计算实验使人工社会在多样化的情景下进行自演化，以探索实际复杂系统可能产生的行为。接着，从人工社会生成的“大数据”与实际系统产生的“小数据”中提取知识或是训练智能模型，并通过平行执行来引导实际系统与人工社会共同向着预期的方向发展。平行智能使人工社会从传统的系统分析器转变为智能化的数据生成器，克服了复杂系统中难以建模、难以实验、数据缺失等困难。

图4 集成在ACP技术基座上的平行技术

在过去的二十年间，在平行智能的引导下，平行系统方法不断地将其他学科和领域的先进技术和应用与ACP方法结合，形成了一系列的平行技术和平行应用作为跨学科成果来解决各个领域的复杂系统的具体问题，如图4和图5所示。

图5 各个领域的平行应用

在大模型、具身智能等新兴技术涌现的背景下，平行系统方法正沿着更大规模和更深层次的智能化创新之路不断发展。可以预见，该方法将持续解决各领域复杂系统问题，并在促进可持续发展和跨学科交流与合作方面做出更大贡献。

总结与展望

本文深入探讨了平行系统方法的起源和基本概念，回顾了该方法在应对复杂性挑战中逐渐凝练出的高阶智能——平行智能。尽管仍有挑战需要解决，但平行智能有潜力在可持续发展方面继续做出重大贡献，并作为一个共识和基础，解决不同学科之间的分歧，满足多样化的价值取向，最终促进跨学科的交流与合作。

责任编辑

姚 光  电子科技大学

田 东  中国科学院计算机网络信息中心

本文内容来自Cell Press合作期刊The Innovation第四卷第六期以Review发表的“Toward parallel intelligence: An interdisciplinary solution for complex systems” (投稿: 2023-06-05；接收: 2023-10-03；在线刊出: 2023-10-05)。

DOI: https://doi.org/10.1016/j.xinn.2023.100521

引用格式：Zhao Y., Zhu Z., Chen B., et al. (2023). Toward parallel intelligence: An interdisciplinary solution for complex systems. The Innovation. 4(6), 100521.

作者简介

黄金才，国防科技大学研究员，博士生导师，爱丁堡大学高级访问学者，中国人工智能学会理事，机器学习专委会副主任。主要从事人工智能技术、运筹学、智能博弈技术等方面的研究，主持完成国家自然基金等项目20余项。获省级科技进步奖9项，吴文俊人工智能科技进步一等奖1项，出版专著和教材7部，发表SCI/EI检索论文40余篇。

邱思航，国防科技大学副教授，主要研究领域为群智计算、混合智能、人机交互、计算实验等。在协同计算与人机交互领域发表高水平论文30余篇。担任CCF协同计算专委会执委、WWW/AAAI/WSDM等国际会议程序委员会成员等。

吕 欣，国防科技大学教授，博士生导师，主要从事大数据挖掘、复杂网络与应急管理等方面的研究，以第一/共同第一作者在Nature、Nature Communications、PNAS等期刊发表高水平论文50余篇。获世界移动大奖（GLOMO Award），国家级教学成果二等奖，湖南省高等教育教学成果特等奖，深圳市科技进步一等奖，教育部科技进步二等奖，军队科技进步二等奖，中国仿真学会自然科学一等奖。

王飞跃，中国科学院自动化研究所研究员，博士生导师，复杂系统管理与控制国家重点实验室主任，主要研究复杂系统、智能控制、智能机器人、无人驾驶、平行智能、社会计算、知识自动化等领域，是智能控制方面的国际知名学者，也是智能机器人、无人驾驶、智能交通等领域的早期开拓者之一。