无人机集群智能涌现与演化建模论述

为研究无人机集群复杂性及智能生成机理,阐述无人机集群智能涌现与演化的概念及方法。针对无人机集群智能涌现的信息融合、在线任务规划、陌生环境下搜索与攻击优化和集群队形控制4个应用领域,论述其建模需求及原理,提出无人机集群智能演化的规则、算法和案例3个具体演化方向,并论述实现演化的建模途径,可对进一步研究无人机集群智能涌现和演化建模提供理论参考。

基于仿真的表演创意智能涌现方法研究与实现

论文研究基于仿真的表演创意智能涌现方法。通过对艺术表演的视频数据进行分析,研究并实现基于仿真的表演创意智能涌现,拓展传统人工进行艺术表演创意带来的局限性。结合艺术表演领域的知识,对视频中的各个表演创意要素进行了分类和定义,随后使用计算机符号化理论与计算机识别的技术对不同的表演创意要素进行了计算机表达。随后使用机器学习的方法,将表演创意进行计算机智能涌现并利用观众评估实验效果。通过实验,该基于仿真的表演创意智能涌现方法能够生成一场简单的艺术表演,并在合理性、逼真度、创新性、与人工创意等四个方面展示了它的可行性。

生成式人工智能的智能涌现、风险规制与产业调控

生成式人工智能正逐步实现由弱人工智能向强人工智能的进化。大模型技术的应用使以ChatGPT为代表的生成式人工智能产生智能涌现,出现以自主学习、泛化能力强与交互修正为代表的创新特性,将推动产业升级并驱动第四次工业革命的发展。为针对性回应技术发展的伴生风险,从数据输入、算法运行与内容输出三阶段切入,就关涉的数据治理、算法偏见、著作权侵权及社会治理风险进行类型化讨论,明确法律规制路径。同时为实现风险规制和技术发展的双向互动,在宏观调控视角下,通过明晰数据产权,优化算力供给及激励算法创新等政策供给来促进产业发展,并借助公平竞争审查来维护市场有效竞争。

AER模型中的智能涌现

本文从复杂自适应理论和人工生命基本观点出发,研究一个具有"简单性、局部性、全局性、内聚力、动态性"的复杂自适应系统,并创建包含"智能体、环境、交互规则"三个主要概念以及"适者生存"的淘汰规则的AER多主体模型.该模型中具有局部目标和行为的自主体能通过动态环境达到整体的全局目标,这种涌现的智能能够高效求解问题.实验证明该模型对传统的大规模约束满足问题的测试集,包括n-皇后问题(n=7000)和一些大规模染色问题,均能在较快的时间内找到精确解.同时能在3个时间片内找到精确度(≥94%)很高的近似解.

创新型小微企业的群体属性及智能涌现——群集智能的视角

通过创新型小微企业群体性成长推动产业组织创新,是加快我国高新技术产业发展的客观需要。群集智能探讨分布式环境下,大量自主个体在去中心化场景中实现群体性进化的机理。通过仿生隐喻将群集智能引入产业组织研究,把创新型小微企业与社会性昆虫种群进行个体与群体类比,表明创新型小微企业集群不仅具有组织有机性、系统开放性、资源完善性、竞合并存性、文化根植性等群体复杂性,更具有明显的群集智能属性,能够通过群集智能涌现形成群体性进化。创新型小微企业产生群集智能涌现需要合适的内在规制与外部环境,并满足七个基本条件。

面向空天防御体系的多任务可控涌现机制研究

群体智能涌现研究对于人们理解自然界规律,优化社会管理,推进知识创新有重要作用,空天防御体系为群体智能涌现提供了研究和应用的新场景。然而,空天防御体系是典型的非线性系统,系统的可控涌现面临状态空间指数爆炸、动态过程建模复杂、性能分析困难等问题。面向战场防御场景,针对空天防御体系面临的大规模目标应对、复杂任务场景适配、多任务协调配合、复杂系统设计等问题,开展了面向空天防御体系的可控涌现机制研究,探究空天防御体系的涌现机制,为提升空天防御体系的多目标应对能力、场景快速适配能力和空天防御体系要素之间的有效协调配合能力提供新视角。

关于物理学方法、信息学方法与心理学方法

人类心理现象包含着物质特征与信息特征,生物学研究它的物质特征,而心理学研究它的信息特征。生物学借用物理学的方法是成功的,但是心理学不能照搬物理学的方法,因为心理信息不像自然物质那样具有可以直接观察的形体、可以量度的体积与重量,也不具有可以运用数量公式来描述的运动规律。在信息科学发展成熟、信息研究范式得到公认的今天,心理学正在由过去曾经的物理学分支、生物学分支,变成信息学的分支。本文提出,物理学的“数量化”与“公式化”方法只能用来研究非生命物质的运动规律,它不适合选作心理学的方法;心理过程的本质不是物质而是信息,信息学的“逻辑化”与“程序化”方法对于心理学具有普遍适用性;人的“心理智能”是“人工智能”之母,心理学特有的方法是“智能涌现论”的方法。我们简要地评述舒华等的论文《心理学实验方法:科学心理学发展的根本》,并明确指出:认知神经科学的方法仅仅适用于心理学与脑科学的交叉研究,不可能成为基础心理学的根本方法。

面向多机协同的Att-MADDPG围捕控制方法设计

多无人机对动态目标的围捕是无人机集群作战中的重要问题。针对面向动态目标的集群围捕问题,通过分析基于MADDPG算法的围捕机制的不足,借鉴Google机器翻译团队使用的注意力机制,将注意力机制引入围捕过程,设计基于注意力机制的协同围捕策略,构建了相应的围捕算法。基于AC框架对MADDPG进行改进,首先,在Critic网络加入Attention模块,依据不同注意力权重对所有围捕无人机进行信息处理;然后,在Actor网络加入Attention模块,促使其他无人机进行协同围捕。仿真实验表明,Att-MADDPG算法较MADDPG算法的训练稳定性提高8.9%,任务完成耗时减少19.12%,经学习后的围捕无人机通过协作配合使集群涌现出更具智能化围捕行为。

智能复杂体系研究

介绍了体系研究的历程与现状,提出当下该领域的研究重点是复杂度及智能性更高的智能复杂体系。阐述了智能复杂体系的概念、特征、建模、涌现和应用。提出今后的研究方向主要集中在智能复杂体系的建模、智能涌现与牵引控制等。

揭示生物集群系统内部信息耦合机制的深度网络模型

生物集群在自然界中广泛存在,如鱼群、鸟群、兽群等,这些集群通过内部的信息耦合能涌现出有序的协同行为.但是,集群内部交互复杂、情况多变,导致微观层面的行为分析还缺乏行之有效的标准工具.对此,以鱼群运动数据为研究对象,借助图注意力网络对鱼群中的单体行为进行自动化建模,目的是提炼出适于复杂系统分析的通用网络工具.首先将单体的感知信息映射到高维状态空间,然后生成软注意力数值以表征单体之间的交互强度,再对所生成的软注意力数值规范化,所得规范结果既可作为多邻居信息耦合的关键指标,又可通过解码器将所抽取的注意力信息稀疏解耦为运动决策.实验结果表明:所生成的注意力数值不但能揭示群体内部的信息耦合关系,还能进一步对隐藏交互强度可视化,从而为鱼群的视觉交互理论提供新的科学证据.所提出分析工具拥有信息耦合可解释、交互强度可显现、系统规模可缩放、状态偏移可泛化等优良特性,有望发展成为复杂系统解耦分析的标准范式,在社会行为分析、机器人集群控制以及智能交通系统安全性评价等方面具有潜在的应用价值.

集群无人系统自适应结构建模与预测

集群无人系统是近年来国内外军事领域的研究重点,正在推动无人作战样式由"单平台遥控作战"向"智能集群作战"发展,支撑作战系统在不确定任务和环境下具备协同、自主、灵活的特性.集群的整体性能取决于其成员系统及成员之间的相互关系,且随时间、环境变化而动态演化,系统间交互涌现出新智能.本文从集群无人系统结构演化机理入手,构建集群无人系统从底层链路到集群系统再到任务需求的三级结构与关系模型,并用图神经网络将多维空间关系模型转化为二维的图表示模型,构建出集群无人系统中系统之间以及层级之间的关系依赖图.整个图网络以任务为标准分类,提出了用递归神经网络描述层内关系和层间关系的方法,并给出了实现算法,利用训练数据集基于任务的节点属性标签,对集群无人系统的结构进行预测.以此为基础,可以进一步实现对结构依赖关系的权重参数学习,得到系统或链路损坏对任务层的影响,实现集群无人系统从作战任务到集群结构的自主决策.