復雜神經元網絡或可為復雜系統建模帶來曙光

　　 日前，由中國科協主辦，中國仿真學會承辦的中國科協第121期“新觀點新學說學術沙龍”在廣西桂林舉行，來自中科院自動化所、中科院軟件所、國防大學等機構的專家學者近30人參加會議。本次沙龍的主題為“認知仿真：理解和管理復雜系統的終極方法”，領銜科學家為中國仿真學會副理事長、國防大學教授胡曉峰和中科院自動化所研究員王飛躍。

　　胡曉峰指出，傳統建模的基本原則是結果可重復，其建模對象都是自然系統，符合已有科學定律，都是基于相似性原理。但復雜系統不可分割，也沒有“可加性”，具有適應性，結構動態可變，因果關系不明確，結果具有不確定性。日前，新興起的復雜系統建模方法包括多智能體建模、復雜網絡建模、大數據建模、平行系統建模等等，但都面臨缺乏形式化知識的建模方法的難題，類似于經驗、直覺、記憶一類的知識都是建立在各類知識相互糾纏的基礎上，很難用簡單的因果形式來表示。

　　“近幾年以來，人工智能受到廣泛關注。尤其是阿爾法狗戰勝人類棋手以來，為復雜系統建模研究提供了很多啟示”，胡曉峰認為，社會管理、戰爭決策、經濟治理、指揮控制、醫療診斷等復雜系統領域，一直存在對經驗、直覺等認知建模的需求，阿爾法狗所采用的深度學習產生復雜神經元網絡方法，或許可以為解決這個問題帶來曙光。

　　胡曉峰還表示，阿爾法狗采用的增強深度學習方法，不僅在圍棋上戰勝了人類，而且揭示了一種復雜系統建模的可能。但是，對這種方法既不能過高估計，認為它是萬能的；也不能低估，忽視它在智能認知方法上取得的突破和隱含的顛覆性意義。

　　胡曉峰認為，深度學習的核心，就是通過多層神經元網絡，形成對概念、規律等知識的理解。人腦認知具有深度結構，需要逐層訓練，逐步抽象得到認知。但是層次越多，運算量越大，需要數據越多，理解的概念越復雜。因此，建立神經元網絡需要大規模計算能力，這是必要條件。“深度學習下的認知是一種非常接近人類認知的方式，這樣比較符合復雜系統的認知方式”，胡曉峰認為，阿爾法狗的突破在于找到了一種新的生成神經元網絡的方法，該方法也可適應視頻游戲、德州撲克等多種形式，“但是，需要注意的是，認知智能模型研究，或許可以解決復雜系統理解和管理問題，但也可能帶來更多新的問題。因為它可能會激發系統產生更復雜的演化，導致安全、社會等問題的產生”。

　　為期2天的會議期間，與會專家一致認為，復雜系統建模是仿真學科發展的必答題，傳統的仿真方法已經走到十字路口，急需學界深入探索，形成中國人自己的復雜系統仿真建模理論。