专家谈术语 | 群智计算
935
2023-03-11 22:57:16(已编辑)
   收录于合集: # 专委快讯

InfoBox:

英文名:Crowd Computing

学科:物联网、普适计算

定义:一种面向人机物融合环境异质智能体的新型协同计算范式。

实质:群智计算以异质智能体有机融合为基础,以提升个体和群体的多维能力为目标,旨在利用人机物异质智能体资源的互补性、能力的差异性、彼此间的协作性和竞争性,探索和研发群体智能感知与认知、群体智能协同与聚合、群体智能学习与演化等基本机理、计算模型、核心算法及系统平台,为构建具有自组织、自学习、自适应和自演化能力的群智空间提供支撑。

 

1、背景与意义

计算模式主要经历了主机时代、PC时代和网络计算时代(分布式计算、网格计算、云计算等),网络计算主要强调计算机互联和计算能力共享。随着智能终端和无线通信技术的发展,当前很多设备具有了感知能力,同时智能处理能力也得到提升,万物皆具有智能,如何有效利用万物智能,做到感知能力、计算能力、控制能力的高效协同,最终形成更强的智能,这是群智计算的根本出发点。

 

群智计算是人机物融合万物智能互联时代的使能技术。人类群体、信息空间及万物实体正在实现广泛和深度的互联,人类进入人机物三元融合的万物智能互联时代。尤其是物联网和人工智能的融合发展,使得人类群体携带的移动设备、广泛部署的物联网、形态多样的互联网等实现智能连接,打破了三元空间的信息隔离,人机物融合万物智能互联成为可能。其中,如何实现人、机、物要素(即智能体)彼此激发和跨域协同是关键问题之一。群智计算是面向人机物融合环境的群体智能计算,旨在构建一种跨空间异质智能体新型协同计算范式,其模型、方法及平台是支撑人机物三元融合与智能互联的关键使能技术。

 

2、群智计算内涵

群智计算作为一种面向人机物融合环境异质智能体的新型协同计算范式,旨在利用人机物异质智能体资源的互补性、能力的差异性、彼此间的协作性和竞争性,探索和研发群体智能感知与认知、群体智能协同与聚合、群体智能学习与演化等基本机理、计算模型、核心算法及系统平台,为构建具有自组织、自学习、自适应和自演化能力的群智空间提供支撑。群智计算其核心在于“群”(无人机、无人车、机器人群体或其混合组成群体)和“智”(感知能力、自主智能),区别于传统的计算设备,群智体具有移动性、动作性、群体性和交互性,环境和任务更加复杂多变,需要从系统层面提出硬件架构、软件支撑、算法框架等相结合的全栈式解决方案。构建以“群智芯片、群智操作系统、群智算法框架”为核心的泛在群智计算系统,是未来计算需要解决的关键问题。

 

3、群智计算特征

群智计算以异质智能体有机融合为基础,以提升个体和群体的多维能力为目标,通过协作增强群体智能优势。本领域研究不仅涉及计算理论、人工智能和网络科学,而且与认知学、生物学、社会学等密切相关,具有鲜明的多学科融合特性。具体而言,群智计算具有三个主要特征:

1)跨域交织性——万物智联使得社会、信息、物理三元空间不仅有序连接而且彼此深度交织,形成跨域共融的智慧空间;

2)行为多样性——共存于跨域空间之中的异质智能体具有移动、动作、合作、竞争、博弈等多样化行为;

3)场景适应性——群智计算模型及其系统实现需要适应不同应用领域和场景,具有自主演化、动态适配等能力。

 

4、群智计算挑战

群智计算在机理、模型、方法、平台等层面面临新的挑战,主要包括以下三个方面:

1)群智涌现的非确定性 异质智能体跨域交织,群智体的相互作用、关系和群智聚集结果呈现不确定性,难以满足群智计算的确定性需求,需要发掘群智涌现机理并构建确定性模型或规则以实现对群智涌现结果的有效调控。

2)群智计算的可演化性 异质群智体能力差异、计算场景复杂多变,需要构建自适演化的群智计算模型及其形式化验证方法,以实现群智体互补性资源/能力的协同调度与效能增强。

3)群智质量的可保障性 异质群智体动态聚集且群智服务需求个性多样,导致群智协作认知和决策准确性、完整性等参差不齐,需要设计相适应的量化评估体系与方法,以有效支撑高质量的群智计算服务。

 

5、核心科学问题与关键技术

(1)群智涌现机理——探索群智涌现的内在因素,发掘群智涌现的机理,为群智计算范式与模型构建奠定理论基础;在此基础上,进一步探索异构群智体在交互、协作、竞争、博弈过程中的智能演进模式,形成新的群智体演化学习指导理论。

(2)群智计算模型——构建群智计算核心要素、关键角色、典型关系的抽象模型,研究群体行为的自组织、自适应、自演化表示方法;建立异构群智体融合计算新范式及其协作算子与机制,完成群智计算模型的形式化验证。

(3)群智计算算法及其架构——研究和设计分布式协作认知、异构群智体协同计算、多元角色协作决策优化等群智计算核心算法;面向不同泛在计算场景,设计适应群智算法的新型群智计算架构及其动态适配策略和机制。

(4)群智计算操作系统——探索群智计算操作系统结构,重点研究异质资源统一表示与管理、群智任务自组织调度与协同、场景驱动自适应服务与质量保障等方法,为群智计算应用提供统一的管理和交互平台。例如,西北工业大学研发的CrowdOS操作系统是典型的群智计算操作系统。

 

参考文献

1.Z. Yu, H. Ma, B. Guo, Z. Yang. Crowdsensing 2.0, Communications of the ACM, 2021, 64(11): 76-80.
2.B. Guo, Z. Wang, Z. Yu, et al. Mobile crowd sensing and computing: The review of an emerging human-powered sensing paradigm. ACM Computing Surveys, 2015, 48(1): 7.
3.刘云浩. 群智感知计算. 中国计算机学会通讯, 2012, 8(10): 38-41.
4.於志文,郭斌,王亮. 群智感知计算, 清华大学出版社,2021.
5.郭斌,刘思聪,於志文. 人机物融合群智计算, 机械工业出版社,2022.
6.Y. Liu, Z. Yu, B. Guo, et al. CrowdOS: A Ubiquitous Operating System for Crowdsourcing and Mobile Crowd Sensing, IEEE Transactions on Mobile Computing, 2022, 21(3): 878-894.

於志文

CCF 常务理事、杰出会员、普适计算专业委员会副主任委员、协同计算专业委员会副主任委员,哈尔滨工程大学副校长,西北工业大学教授,主要研究方向为普适计算、物联网、群智感知计算、人机系统等。zhiwenyu@nwpu.edu.cn

郭斌

CCF杰出会员、西安分部主席、普适计算专委会常务委员、协同计算专委会执行委员。西北工业大学计算机学院教授,副院长。主要研究方向为普适计算、移动群智感知、人机物融合群智计算等。guob@nwpu.edu.cn

周兴社

CCF会士、CCF首届咨询委员会委员、CCF杰出教育奖获得者,陕西省计算机学会理事长。西北工业大学计算机学院教授,主要研究方向为网络化嵌入式计算、信息物理融合系统、智能感知与普适计算、分布式计算与云计算等。zhouxs@nwpu.edu.cn 


SCHOLAT.com 学者网
免责声明 | 关于我们 | 用户反馈
联系我们: