在近期的2024 Inclusion·上海外灘大會(huì)上，Kevin Kelly對(duì)未來(lái)世界做出了新的假想：全球主義正在迅速推進(jìn)，正在共同構(gòu)建一個(gè)基于技術(shù)的“超級(jí)計(jì)算機(jī)”。每一臺(tái)手機(jī)、筆記本電腦和數(shù)據(jù)服務(wù)器都將連接成一個(gè)巨大的計(jì)算系統(tǒng)，而每一臺(tái)設(shè)備都是其中的一個(gè)小小的“神經(jīng)元”。

“我們正在打造一個(gè)巨大的、全球性的、如行星般規(guī)模的機(jī)器?！彼J(rèn)為，盡管人們可能對(duì)設(shè)備和內(nèi)容有不同的偏好，但這些差異只是交互方式上的不同，根本上它們都?xì)w屬于同一個(gè)平臺(tái)。世界上的所有數(shù)字技術(shù)，包括人工智能，都運(yùn)行在這個(gè)新平臺(tái)上。

如今，這臺(tái)“超級(jí)計(jì)算機(jī)”正在以前所未有的規(guī)模和速度運(yùn)行。這也驅(qū)動(dòng)著創(chuàng)新加速，讓新發(fā)明和新思想的傳播速度越來(lái)越快。比如人們通過(guò)增強(qiáng)現(xiàn)實(shí)和虛擬現(xiàn)實(shí)技術(shù)來(lái)培訓(xùn)人員；通過(guò)機(jī)器及其他傳感器來(lái)感知世界；通過(guò)ChatGPT等工具去學(xué)習(xí)新的東西。

人工智能群體智慧亟待開(kāi)發(fā)

雖然當(dāng)前的人工智能具備了基本邏輯能力，但還處于早期發(fā)展階段。人們主要將人工智能應(yīng)用于一些工具型任務(wù)，價(jià)值主要體現(xiàn)在提升效率。AI最有價(jià)值的地方在于它具備和人類(lèi)不一樣的思維，未來(lái)如果融入想象力、主觀能動(dòng)性，可以解決單靠人類(lèi)無(wú)法解決的社會(huì)問(wèn)題。

機(jī)器學(xué)習(xí)泰斗、美國(guó)“三院院士”MichaelI. Jordan認(rèn)為，“缺乏對(duì)集體性、不確定性和激勵(lì)機(jī)制的關(guān)注，是當(dāng)前對(duì)人工智能的討論中缺失的三個(gè)方面?！?/p>

他表示，“生活本身充滿了不確定性，人也是非常不確定，互相交流則是創(chuàng)造了一種降低不確定性的文化，這是人類(lèi)做得非常好的事情之一。但當(dāng)前的人工智能系統(tǒng)并沒(méi)有很好地做到這一點(diǎn)，其不善于思考不確定性，也不善于團(tuán)結(jié)起來(lái)應(yīng)對(duì)不確定性。相較之下，人類(lèi)在面對(duì)不確定性時(shí)表現(xiàn)出色，尤其是集體協(xié)作共同應(yīng)對(duì)時(shí)?！?/p>

除了提升單個(gè)智能體的能力，他呼吁建立一種能夠體現(xiàn)集體智慧的協(xié)同智能體系統(tǒng)。他認(rèn)為，在AI的構(gòu)建中，設(shè)法讓機(jī)器具備類(lèi)似的群體協(xié)作能力，成為了一個(gè)亟待解決的關(guān)鍵課題。僅僅將人類(lèi)的智慧融入人工智能中仍然是不夠的，現(xiàn)代信息技術(shù)在醫(yī)療、交通、金融科技和商業(yè)領(lǐng)域的應(yīng)用，需要建立集體性的智能系統(tǒng)。但如何讓當(dāng)前的人工智能系統(tǒng)也具備類(lèi)似的集體協(xié)作能力，仍是一個(gè)未解的關(guān)鍵問(wèn)題。

智能的第二次涌現(xiàn)

人工智能經(jīng)歷了兩次智能涌現(xiàn)，第一次智能涌現(xiàn)是神經(jīng)網(wǎng)絡(luò)的神經(jīng)元達(dá)到一定量級(jí)后產(chǎn)生了質(zhì)變。模型技術(shù)至今已經(jīng)發(fā)展很多年了，包括最早2018年Bert本身也是大模型，之所以GPT帶來(lái)革命性的影響，是因?yàn)槠鋮?shù)超過(guò)了一定量級(jí)，突破了100億、1000億，GPT-4參數(shù)量甚至達(dá)到萬(wàn)億級(jí)別，由量變產(chǎn)生質(zhì)變。

第二次群體智能涌現(xiàn)的本質(zhì)是，當(dāng)單體Agent足夠多，各行各業(yè)都有專(zhuān)業(yè)的Agent，如果把這些Agent都聚集起來(lái)，協(xié)同合作去完成某項(xiàng)任務(wù)，這個(gè)過(guò)程中有可能會(huì)產(chǎn)生新的發(fā)現(xiàn)。

事實(shí)上，人類(lèi)很早就已認(rèn)識(shí)到，通過(guò)群體合作集思廣益，解決問(wèn)題的成效可以大過(guò)個(gè)體智慧的總和。關(guān)于群體智慧的力量，在科學(xué)上有個(gè)經(jīng)典的實(shí)驗(yàn)：在玻璃罐中放滿糖果，然后請(qǐng)?jiān)囼?yàn)者來(lái)猜測(cè)糖果的數(shù)量，記錄每個(gè)人的答案、答案的平均數(shù)及其與正確答案之間的關(guān)系。

以美國(guó)哥倫比亞商學(xué)院的實(shí)驗(yàn)為例，糖果實(shí)際數(shù)目為1116顆，73個(gè)學(xué)生參加實(shí)驗(yàn)，73人的個(gè)人答案有多有少，但都離1116相差甚遠(yuǎn)，而73人個(gè)人答案的平均值卻為1115顆，與糖果真實(shí)數(shù)量?jī)H1顆之差。這本質(zhì)上是個(gè)預(yù)測(cè)問(wèn)題，其結(jié)果正體現(xiàn)了群體的智慧。

卡內(nèi)基梅隆大學(xué)組織行為學(xué)專(zhuān)家Anita Woolley表示，影響一個(gè)團(tuán)隊(duì)發(fā)揮群體智慧的最大因素正是成員之間的協(xié)調(diào)程度。盡管群體的協(xié)作能帶來(lái)1+1>2的效果，但知易行難。

而隨著人類(lèi)社會(huì)文明的進(jìn)化，從農(nóng)耕時(shí)代、工業(yè)時(shí)代到知識(shí)網(wǎng)絡(luò)時(shí)代、數(shù)據(jù)智能時(shí)代，人工智能技術(shù)的深入發(fā)展，在滲透社會(huì)生活的同時(shí)，也輻射到了群體智慧。在機(jī)器文明時(shí)代下，能否將人類(lèi)的群體智慧融入人工智能，形成單體智能的放大效應(yīng)，從而進(jìn)一步釋放人類(lèi)社會(huì)的潛能，是一個(gè)值得思考的議題。

當(dāng)單個(gè)智能體相互關(guān)聯(lián)并協(xié)作時(shí)，它們能夠形成一個(gè)復(fù)雜而強(qiáng)大的群體智能系統(tǒng)，從而產(chǎn)生出更加卓越的智能涌現(xiàn)行為，這成為人工智能近年來(lái)一個(gè)重要的發(fā)展方向。

群體智能（Swarm Intelligence，SI）最早源于對(duì)以螞蟻、蜜蜂等為代表的社會(huì)性昆蟲(chóng)的群體行為的研究，自1991年意大利學(xué)者Dorigo提出蟻群優(yōu)化（Ant Colony Optimization，ACO）理論開(kāi)始，群體智能作為一個(gè)理論被正式提出，并逐漸吸引了大批學(xué)者的關(guān)注，從而掀起了研究高潮。

1995年，Kennedy等學(xué)者提出粒子群優(yōu)化算法（Particle SwarmOptimization，PSO），此后群體智能研究迅速展開(kāi)。目前，群體智能的研究主要包括智能蟻群算法和粒子群算法，智能蟻群算法主要包括蟻群優(yōu)化算法、蟻群聚類(lèi)算法和多機(jī)器人協(xié)同合作系統(tǒng)。其中，蟻群優(yōu)化算法和粒子群優(yōu)化算法在求解實(shí)際問(wèn)題時(shí)應(yīng)用最為廣泛。

群體智能的核心在于分布式?jīng)Q策和協(xié)作，它通過(guò)算法讓眾多小型智能單元協(xié)同工作，共同解決復(fù)雜問(wèn)題。這種技術(shù)的應(yīng)用范圍廣泛，從交通優(yōu)化、城市規(guī)劃、工業(yè)生產(chǎn)到智能醫(yī)療等領(lǐng)域，都能看到其身影。

例如，在一個(gè)智能交通系統(tǒng)中，每輛車(chē)都是一個(gè)智能體，它們需要根據(jù)路況和交通規(guī)則來(lái)選擇合適的速度和路線，同時(shí)也需要與其他車(chē)輛和行人進(jìn)行溝通和協(xié)調(diào)，以避免碰撞和擁堵。在一個(gè)智能醫(yī)療系統(tǒng)中，每個(gè)醫(yī)生、護(hù)士、患者和設(shè)備都是一個(gè)智能體，它們需要根據(jù)病情和資源的分配來(lái)制定合理的診療方案，同時(shí)也需要與其他智能體進(jìn)行信息的共享和決策的協(xié)商，以提高醫(yī)療的效率和質(zhì)量。

以交通為例，公路駕車(chē)群體是按照交通規(guī)則，以公路系統(tǒng)為平臺(tái)，由一群具備單體智能的人類(lèi)駕駛或自動(dòng)駕駛車(chē)輛所構(gòu)成。單體智能的弱點(diǎn)在于個(gè)體感知、通訊和控制的局部性，與其行為決策對(duì)全局的影響性之間的矛盾。

對(duì)人類(lèi)駕駛員而言，由于交通互動(dòng)的無(wú)序和對(duì)未知交通環(huán)境的不了解，很難在遇到突發(fā)交通狀況、并道或繞過(guò)路障時(shí)保持正常車(chē)速，往往會(huì)由于降低車(chē)速而形成道路擁堵。

對(duì)于自動(dòng)駕駛車(chē)輛，其在行駛過(guò)程中，處理問(wèn)題的優(yōu)先級(jí)通常是以自身為出發(fā)點(diǎn)，也就是以自身的安全與效率最大化為前提。如果每輛車(chē)都如此規(guī)劃的時(shí)候，就會(huì)帶來(lái)很多沖突矛盾，比如在路口會(huì)遇到由于相互博弈而卡住不動(dòng)的情況。隨著自動(dòng)駕駛汽車(chē)規(guī)模的逐步提升，這類(lèi)問(wèn)題將愈加突出。

如果沒(méi)有外力的加入，單純依靠自動(dòng)駕駛車(chē)輛自身的決策系統(tǒng)，不足以對(duì)全局形成更好的結(jié)果，這時(shí)就需要一個(gè)能夠掌握全局性信息的群體智能系統(tǒng)進(jìn)行全局協(xié)調(diào)。雖然群體智能所產(chǎn)生的結(jié)果對(duì)于單體來(lái)講可能不是最優(yōu)，甚至?xí)霈F(xiàn)效率降低的情況，但對(duì)全局而言，則是一個(gè)效率最高的最優(yōu)解，可以實(shí)現(xiàn)系統(tǒng)效能的提升。

比如在一個(gè)路口，全局最優(yōu)解是要保證所有人的通行時(shí)間都被節(jié)省，而不是某一個(gè)特例或者某一臺(tái)車(chē)的時(shí)間被節(jié)省。

目前國(guó)家正在大力推行的車(chē)路云一體化，就是群智智能的典型代表，其通過(guò)各類(lèi)傳感器、云控平臺(tái)、感知算法、數(shù)據(jù)融合、預(yù)測(cè)模型等設(shè)備和技術(shù)，把每一輛車(chē)、每一臺(tái)基站等智能個(gè)體，都變成一個(gè)信息節(jié)點(diǎn)，它們互聯(lián)互通，形成一個(gè)可以共享信息、協(xié)同運(yùn)行的智能體網(wǎng)絡(luò)。這個(gè)智能體網(wǎng)絡(luò)從全局視角，為自動(dòng)駕駛車(chē)輛提供最優(yōu)行駛路徑建議，解決交通效率問(wèn)題。

站在系統(tǒng)發(fā)展角度看，自動(dòng)駕駛追求越來(lái)越極致的智能化，而車(chē)路云一體化則追求的是極致的系統(tǒng)智能。一個(gè)是單點(diǎn)的智能化，一個(gè)是系統(tǒng)的智能化，只有這樣才能在不同維度上解決不同的問(wèn)題。如果是單點(diǎn)的問(wèn)題，就交給單車(chē)去解決；如果是系統(tǒng)的問(wèn)題，就交給系統(tǒng)去解決，一定是在不同層面用不同的方式去解決，而不是用一套方法來(lái)解決所有問(wèn)題。

未來(lái)，當(dāng)無(wú)人機(jī)、機(jī)器人、機(jī)器狗等更多智能體接入車(chē)路云網(wǎng)絡(luò)，就可以直接獲得城市更加豐富、完整的信息，比如自動(dòng)駕駛車(chē)輛可以獲得完整的交通信息，無(wú)人機(jī)可以獲得空域的數(shù)字化信息，機(jī)器狗、機(jī)器人可以獲得各自行駛路徑上相應(yīng)的環(huán)境信息，這樣就構(gòu)建起了一個(gè)完整、安全、高效、實(shí)時(shí)的超級(jí)智能體網(wǎng)絡(luò)，以此為基礎(chǔ)的智能城市也將由此誕生。

Science2016年的論文“群體之力量”（The Power of Crowds）認(rèn)為：結(jié)合群體智慧與機(jī)器性能來(lái)解決快速增長(zhǎng)難題時(shí)，群智計(jì)算按難易程度分為三種類(lèi)型：實(shí)現(xiàn)任務(wù)分配的眾包模式、較復(fù)雜支持工作流模式的群智、最復(fù)雜的協(xié)同求解問(wèn)題的生態(tài)系統(tǒng)模式。

在具身智能領(lǐng)域，由大模型驅(qū)動(dòng)的多智能體高效協(xié)作是重點(diǎn)研究方向之一。

此前，大模型在具身智能中主要用于解決單智能體的任務(wù)規(guī)劃問(wèn)題。然而，由于大模型知識(shí)和特定的具身環(huán)境沒(méi)有對(duì)齊，大模型產(chǎn)生的規(guī)劃往往難以在實(shí)際環(huán)境中執(zhí)行。

舉例來(lái)說(shuō)，在打掃房間的任務(wù)中，大模型給出的規(guī)劃可能是首先找到吸塵器。然而，環(huán)境中可能沒(méi)有吸塵器，只能通過(guò)掃帚能完成該任務(wù)。

此時(shí)，大模型需要通過(guò)和環(huán)境的多輪交互和反饋來(lái)使其適應(yīng)于具身環(huán)境，因而具有高昂的交互代價(jià)。

在多智能體環(huán)境中，每個(gè)智能體都使用大模型進(jìn)行控制。而當(dāng)多個(gè)智能體協(xié)同完成一項(xiàng)任務(wù)時(shí)，除了會(huì)遇到類(lèi)似單智能體的環(huán)境不適配問(wèn)題，還存在多智能體如何高效溝通和協(xié)作的難題。

如果直接通過(guò)多智能體對(duì)話協(xié)商，來(lái)進(jìn)行協(xié)作的方法是低效的。一方面，很難完全通過(guò)對(duì)話得出有效的協(xié)同策略；另一方面，無(wú)法衡量單個(gè)智能體對(duì)總體任務(wù)目標(biāo)的貢獻(xiàn)（即信度分配），難以驅(qū)動(dòng)每個(gè)智能體改進(jìn)策略來(lái)提升總體收益。

因此，多智能體協(xié)作系統(tǒng)（Multi-Agent CollaborationSystems，MACS）就十分必要，其目標(biāo)是使多個(gè)智能體能夠有效地協(xié)作，以實(shí)現(xiàn)一些超出單個(gè)智能體能力范圍的任務(wù)。該系統(tǒng)可以用于模擬和優(yōu)化交通、能源、物流等復(fù)雜系統(tǒng)，也可以用于智能家居、智能城市、智能工廠等場(chǎng)景的設(shè)計(jì)和實(shí)現(xiàn)。

在MACS下，多智能體協(xié)作框架（Multi-Agent Collaboration Framework，MACF）提供了實(shí)現(xiàn)智能體間合作與競(jìng)爭(zhēng)的方法和工具，包括智能體建模、交互協(xié)調(diào)、評(píng)估優(yōu)化、適應(yīng)演化和人機(jī)交互等方面，主要用于協(xié)調(diào)和控制多個(gè)智能體，以實(shí)現(xiàn)共同目標(biāo)或解決共同問(wèn)題。其核心是平衡智能體間的合作與競(jìng)爭(zhēng)，解決任務(wù)分配、策略選擇、信息共享、學(xué)習(xí)方式和人類(lèi)參與等關(guān)鍵問(wèn)題。

MACF的分布式協(xié)作方式強(qiáng)調(diào)在分散環(huán)境中智能體間的信息共享和任務(wù)分配，通過(guò)強(qiáng)化學(xué)習(xí)、反饋、智能合約等手段提高性能和適應(yīng)性。當(dāng)前，比較主流的多智能體技術(shù)框架包括AutoGen、MetaGPT、XAgent、AutoAgent、CrewAI等，這些項(xiàng)目從不同角度提出智能體系統(tǒng)規(guī)劃模塊的改進(jìn)建議，其中包括長(zhǎng)短期規(guī)劃、規(guī)劃輸出格式、用戶提示拓展解釋、反饋迭代機(jī)制等，為多智能體高效協(xié)作奠定技術(shù)基礎(chǔ)。

需要指出的是，多智能體產(chǎn)生群體智能的前提是單智能體本身已經(jīng)具有較高的智能化水平。單智能體的能力邊界很大程度上影響著群體智能的能力發(fā)揮，就好比蟻群或蜂群的個(gè)體數(shù)量再多、組織再嚴(yán)密，也無(wú)法制造出摩天大樓。因此，充分激發(fā)單智能體的能力是釋放群體智能價(jià)值的前提，而群體智能也將對(duì)單體智能體的潛力進(jìn)一步開(kāi)發(fā)，形成互為支撐、相互融合、相互促進(jìn)的良性關(guān)系。

道路曲折無(wú)礙前途光明

盡管存在算法復(fù)雜性、環(huán)境不確定性、人機(jī)交互和倫理法律遵守等挑戰(zhàn)，但群體智能的發(fā)展前景依然廣闊，其可以廣泛應(yīng)用于機(jī)器人、交通、教育、軍事等各個(gè)領(lǐng)域，在提高系統(tǒng)性能和效率、增強(qiáng)系統(tǒng)魯棒性和可擴(kuò)展性、促進(jìn)系統(tǒng)與人類(lèi)的協(xié)同和互動(dòng)方面發(fā)揮重要作用。

在機(jī)器人領(lǐng)域，群體智能可以使機(jī)器人能夠完成更復(fù)雜和更困難的任務(wù)，提高機(jī)器人的靈活性和可靠性。比如在智能倉(cāng)庫(kù)中，每個(gè)機(jī)器人需要根據(jù)訂單的內(nèi)容和優(yōu)先級(jí)，選擇合適的貨物和路徑，同時(shí)也需要在群體智能系統(tǒng)下，與其他機(jī)器人開(kāi)展協(xié)作，提高倉(cāng)庫(kù)的運(yùn)營(yíng)效率和客戶滿意度。

在智能救援場(chǎng)景中，機(jī)器人需要根據(jù)災(zāi)害的類(lèi)型和程度，選擇合適的工具和方法，同時(shí)也需要與其他機(jī)器人進(jìn)行協(xié)同和支持，以提升救援的成功率和安全性。群體智能可以讓機(jī)器人根據(jù)環(huán)境變化和任務(wù)需求，自動(dòng)調(diào)整救援策略，并與其他機(jī)器人或人類(lèi)進(jìn)行有效協(xié)作。

針對(duì)教育場(chǎng)景，群體智能可以調(diào)動(dòng)教師、學(xué)生、課程等各類(lèi)資源，根據(jù)學(xué)習(xí)者特征、學(xué)習(xí)需求、學(xué)習(xí)目標(biāo)、學(xué)習(xí)進(jìn)度等，制定科學(xué)合理的教學(xué)和學(xué)習(xí)計(jì)劃，從而提升教育效果。

在軍事領(lǐng)域，群體智能還可以開(kāi)啟未來(lái)戰(zhàn)場(chǎng)的全新模式。比如在超視距偵察系統(tǒng)中，無(wú)人機(jī)、衛(wèi)星、雷達(dá)和傳感器作為相互獨(dú)立的智能體，需要在群體智能的系統(tǒng)框架下，根據(jù)任務(wù)要求和資源限制，與其他智能體開(kāi)展合作，進(jìn)行信息收集和全面分析，提高偵察的準(zhǔn)確性和及時(shí)性。

雖然目前還沒(méi)有一個(gè)完整的框架用來(lái)理解人工智能和群體智能間的交互，但作為人工智能的新興分支，群體智能不僅展示了技術(shù)的革新力量，也為我們勾勒出一個(gè)智能社會(huì)的未來(lái)圖景。在這個(gè)充滿可能性的時(shí)代，我們期待群體智能為人類(lèi)帶來(lái)更多的驚喜和便利，同時(shí)，也需要保持警惕，確?？萍歼M(jìn)步的每一步都為人類(lèi)福祉服務(wù)。