复杂系统的研究对象小到原子夸克, 大到宇宙星球.一般认为复杂系统具有适应性、不确定性和涌现性^{[10, 11]}, 这些特征使传统的建模和预测方法在面对复杂系统时基本束手无策.其根本原因是由于复杂系统各组成单元之间的相互作用具有非线性且受偶然性支配, 其宏观性质和动力学演化往往存在混沌现象, 因此使用数学描述并预测其行为具有极大的困难和挑战.为此, 20世纪80年代后期, 钱学森总结“ 两弹一星” 等复杂系统工程经验, 提出“ 开放的复杂巨系统” 概念和理论方法^[8].20世纪90年代初, 钱学森等在“ 开放的复杂巨系统” 的概念基础上, 提出“ 定性与定量相结合的综合集成法” , 随后的研究又发展为“ 从定性到定量的综合集成法” , 并在1992年提出“ 以人为主, 人-机结合, 从定性到定量的综合集成研讨体系” , 之后随着互联网的兴起和发展, 又提出“ 基于信息空间的综合集成研讨体系” ^{[12, 13]}.

综合集成研讨体系的核心思想是通过考虑经验、直觉、想象、记忆、遗忘等一系列的认知模式, 使用模型方式表达“ 只可意会不可言传” 的隐性知识, 融合规划推理等显性知识和经验直觉等隐性知识, 实现复杂系统的认知建模.从定性到定量的综合集成法, 并不是把一个定性的认识或指标和定量的认识或指标糅合起来形成一个结论, 而是以专家的经验性假设(猜想)为依据, 在此基础上, 基于数据和资料建立模型, 通过模型的测算验证专家的假设是否正确.如果不正确, 调整模型或修正假设, 重新建模计算.综合集成法的实质是基于系统科学的理论基础, 指导人们在处理复杂问题时, 有机结合专家的智慧、计算机的高性能和各种数据、信息, 结合各种学科的科学理论和人的经验知识, 构成一个统一的、人-机结合的智能问题求解系统.

从人工智能的角度上分析, 人工智能从功能应用上可分为计算智能、感知智能和认知智能三个层次^[14].目前绝大部分人工智能的工作, 都是“ 人” 怎么充分应用计算机的能力, 目标还是定量计算.计算智能在很多方面已超越人类, 感知智能也取得重大进展^{[6, 15]}.如何让计算机像真正的专家一样, 能针对复杂问题提出猜想、假设及思路, 目前是难以做到的.认知智能因其综合性更强, 更接近人类智能, 研究难度更大, 长期以来一直进展缓慢, 是目前具有挑战性的研究领域之一.近年来, 以深度神经网络为代表的人工智能理论与方法发展迅速, 但仍无法突破莫拉维克悖论, 获得人类的认知能力.因此, 启发人工智能走向认知智能, 成为迫切需求, “ 人-机结合” 的综合集成法为实现认知智能指明新的方向.

要研究人工智能、智能机, 首先要模拟人的智能, 清楚人的思维规律.因此, 钱学森认为思维科学是研究人工智能的基础学科.思维科学是研究人类各种思维形态的本质、基本形式及其规律, 以便人机结合、以人为主地高速解决认识与改造客观世界中的实际问题, 逐步减轻人的脑力劳动的新兴科学技术^[16].思维学(钱学森提出现代科学技术体系, 按照当时的学科分为11大部门, 思维科学是其中一个部门, 并将每个部门分为三个层次:基础理论层次、技术科学层次、应用技术层次.)作为思维科学的基础理论层次, 是建立在对思维基本形态认识的基础上.思维学包含抽象思维学、形象思维学、创造性思维学和社会思维学^[17].社会思维学是研究群体思维活动的本质、基本形式及规律的思维学.群体思维活动在人类历史上早已存在, 长期发挥重要作用, 只是未被重视.本团队运用钱学森关于思维科学的观点, 发挥形象思维泛化的作用, 将社会思维学的研究应用于综合集成研讨体系, 在群体思维启发与激活方面发挥重要作用, 提升人-机系统解决复杂问题的能力.

人和计算机各有所长.人的经验在解决问题时具有不可忽视的作用.人擅长在复杂情景下制定计划、做出决策, 但却不擅长进行大量的数据计算与处理.计算机擅长高效的数据处理, 但对定性的信息处理能力较差, 难以对复杂问题做出基本判断.因此, 初等结合方法借鉴人机互补的思想, 将能形式化、可重复计算的工作尽量让计算机完成, 一些复杂、难以形式化的工作, 需要靠人直接或间接参与, 构成人-机结合系统.例如, 人把已知的算法、软件功能等赋予计算机, 使计算机拥有用于解决特定问题的逻辑推理能力.可见, 初等结合方法的核心是将计算机作为人的逻辑思想外化的载体, 利用计算机强大的计算能力, 解决实际问题, 实现计算智能.

人和计算机除了功能互补之外, 还可通过交互与反馈互相感知理解.在这种交互反馈的环境中, 人与机器就像人与人之间协作一样, 因此, 该种人机结合方式又被称为人机协同.在人机协同中, 一方面, 人会参与模型的训练、调整和测试.例如:对数据进行人工标注, 对模型进行人工调整, 测试和验证模型等.另一方面, 将人的知识传授给机器, 使机器具有学习知识的能力, 让算法变得更聪明、可靠、准确, 机器学习算法就是典型案例.通过上述两种方式, 人将自己定性的认识, 即结合抽象思维和逻辑思维层面的认知赋予计算机, 使计算机具备对特定问题的定性和定量判断的功能, 即感知智能.以图像识别为例, 机器学习的特征提取、学习计算能解决对未知图像的识别问题.通过图像理解、语音识别、语言翻译、运动控制等方式, 感知智能赋予计算机能听说、会读写的能力.计算机通过数据可视化、统计分析等信息反馈方式辅助人们洞察难以发现的规律和知识等, 增强人的视觉、听觉、触觉等感知能力.

随着算力、数据、算法等要素逐渐齐备, 先进的算法结构不断涌现, 成熟的人工智能技术逐渐向代码库、平台和系统发展, 实现产业和商业层面的落地应用, 推动人工智能发展迈向新阶段, 人机融合智能共进成为必然趋势, 并将对复杂系统的演化和涌现等产生新的影响.在这一层次中, 人向机器传授学习方法, 即关于学习方法的学习, 计算机不但会学习, 还知道如何学习, 创造新的学习方法, 例如Alpha-Code能自己实现编程并解决问题^[18].认知智能的核心任务是如何将人的创造思维外化并赋予计算机, 用于解决计算机能思考、推理、决策的问题.

从人对机器的智能增强角度出发, 类脑智能借鉴脑神经和认知科学研究^[19], 增加空间复杂度以保留计算单元之间的结构相关性, 构造基于神经形态工程的高速、新型计算架构.从机器对人的智能增强角度, 利用超大规模数据计算与推理将成为提升人的洞察和思维能力的有效途径^[20].在人-机系统中, 通过大模型实现任务的泛化性表征与学习, 实现模型的符号化输出到可解释性方案的转换, 从决策大模型生成新的认知.对人进行认知心理建模, 有效表达思维和心理状态, 提升人对复杂问题的深入洞察与认知理解.以前, 人类普遍陷在个体的局限思维中, 如今计算机可帮助人类洞察世界、提升思维能力与水平, 这是人类信息时代前所未有的进步与发展.随着人-机系统的持续调整与发展演化, 通过人与机在不同层次上的协作、双向启发和激荡、反馈迭代, 人的思维能力随之提升, 机器的智能水平随之增强, 最终实现人机融合智能共进.

了解个体如何思考才能展现思考过程, 提高思维能力.对一个观点的准确判定, 仅依赖表面的指标是不够的, 应外化它的推理体系、依据, 才能准确评价, 进而有机会进行改进.思维过程的展现有几个关键要素:核心假设是什么, 从假设进行推理的理论依据是什么, 推理的过程是什么, 过程是否经过外界检验.其中, 外界检验可以是客观世界的检验、可以是历史数据或已论证过的观点的检验等.研讨厅从提高个体思维出发, 需要覆盖思维全过程, 提供一套思维展现和外化的工具, 如图2所示.

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 个体思维展现与外化Fig.2 Display and externalization of individual thinking

范式是一种公认的理论体系或理论框架, 是研究者们共同接受的一组假说、理论、准则和方法的总和, 某种程度上可以说是科学家的共同信念^[22].不同的学科有各自的学科范式, 即求解问题的思路, 即针对什么问题, 按照什么方式建立假设等.提炼学科范式, 置入研讨厅里, 有利于思维外化并做成工具.在调用工具的过程中, 可对局部进行修改或调整, 便于展现个体思维.

在研讨厅体系中专家群体是一个重要的组成部分, 对拟解决问题的设想的提出、研讨、建模及最终的决策都起着重要作用.Warfield等^[23]关于组织行为中群体思维模式的理论, 总结三种普遍的不良群体思维行为— — 依赖性思维、僵化思维和发散思维, 揭示面对复杂问题时, 群体往往难以取得良好结果的原因, 指出应该建立连接思维的群体思维模式.为了凸显连接思维模式, 本团队从激发专家活跃度的角度出发, 引用五项修炼, 加入深度汇谈等群体讨论的机制和工具^[24], 启发专家对复杂问题产生新的认识, 激发群体智能.综合集成研讨厅中群智涌现的设计过程如图3所示.

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 群智涌现过程Fig.3 Emergence process of swarm intelligence

个体思维、群体思维的激发需要计算机的支持, 如辅助专家洞察与建模.洞察包括数据、案例及其可视化的分析.机器建模包括逻辑建模、统计建模和动态建模.这里需要解决三类基本问题:如何从无到有地构建一个模型, 现在机器学习解决部分问题, 如短期现场建模; 当模型的表现不尽人意或达不到应用目标时, 如何对模型的结构进行调整或重建, 使模型能更准确地建模或预测; 面对复杂问题建模时, 如何将局部模型合成整体、综合的模型, 有效处理复杂问题, 辅助专家更好地认识复杂系统及其相互作用的机制.

群体本身, 无论是专家个体还是智能体, 都可进行扩展, 这里称为广义专家.广义专家包括软硬件专家系统, 也包括网络专家.通过搜集文献库和各平台的资料、爬取网络资源, 经过知识抽取和融合, 提炼重要观点, 引入研讨厅.研讨厅体系除了汇集古今中外专家的智慧, 还具有动态性, 能随时吸收互联网上广大网民的智慧成果.广义专家的交互加速数据到信息、信息到知识、知识到智慧的转换, 在形式上呈现为信息-知识-智慧的螺旋式上升.其实质是利用涌现的社会智慧处理复杂动态问题, 即“ 集大成得智慧” .

实现综合集成研讨体系实质是针对与开放的复杂巨系统相关的某类问题, 构建人机融合智能演进系统平台.该平台一方面需要集合智能技术, 包括不同的建模技术、机器学习技术等; 另一方面需要结合思维工程, 把人、机器、人-机整体作为工程系统看待, 展现思维过程, 提升思维能力, 激发人-机系统的智能.此外, 平台集成个体、群体思维的支持工具、流程组织工具、研讨工具等, 用于完成思维科学的任务.

综上所述, 综合集成研讨体系是研究开放的复杂巨系统问题的方法论, 同时综合集成研讨厅也是研究思维科学的实践技术平台.它具有如下特点^[9]:1)强调以“ 以人为主、人-机结合” 的混合智能处理极其复杂的问题; 2)强调智能生成、增强与涌现的开放性和动态性; 3)强调“ 人” 与“ 机” 在多个层次上的互补、交互和集成; 4)强调人、机、群体智能的互相激发与增强.