人类能蜕变到本日之前辈，既依赖于个体的知识提升，也依赖于群体的构造进步。
鉴于后者的主要性，从20世纪后期，打算机科学已开始探索与群体有关的管理打算方法，如多智能体、分布式协同、开源平台等。

21世纪以来，由于互联网、大数据和无人系统等新信息系统的大发展，网上组织新群体的潜力迅速增强。
智能制造、智能商务、智能交通、数字经济、智能城市的大发展，使得群体智能的机理与算法研究已成为主要的新需求。
Wu等已指出，在中国，群体智能将成为AI未来发展的新方向。
大规模智能个体通过互联网构架的参与，可以表现出超乎平凡的聪慧与能力，是办理开放繁芜问题的新路子。
以是，Pan 将群体智能的研究列为AI 2.0主要的主攻方向之一。

群体智能中的智能群体是指在同一平台上为明确目标而自主行动的一群智能个体。
个中，智能个体是一种自主的智能系统，可以是一个人或信息系统。
群体智能研究智能群体的系统特点、运行机理与运用技能。
群体智能的系统具有如下一样平常性特点：

（1）个体具有智能。
每一个体都能感知周围环境并有适应变革的能力，如智能自主地认知、学习、决策、互动等。

（2）共享平台。
为完成某目标而行动的这群智能个体皆活动在同一平台上，如某种领域或空间。

（3）有个体遵照的共同规则。
规则是各个体在平台上行动的约束和行为准则。
纵然成功的规则也很难肃清群体行为中的统统抵牾，但必须能调节那些可预见的妨碍达到目标的主要抵牾。

（4）开放性。
许可群体的个体数量可随时地增加或减少，即能被随时注册和注销。

（5）含有共识。
智能群体在共同知识库中存其共识。
共识会演化。
共识的水平是群体水平的一个体现。

（6）自动蜕变。
智能群体会随韶光而自动蜕变。
这种蜕变由群体中智能个体的蜕变和群体的构造关系蜕变综合而成。

基于几种组织构造特点，我们可对群体智能系统予以分类。
首先，群智系统可按组织中智能个体的种别数量分为单类群智系统和多类群智系统。
后者如2类、3类等群智系统。
其次，群智系统可按系统中各种之间的关系分类，如双层关系的群智、循环关系的群智等。
群智系统的勉励和蜕变机制，会随种别与关系的不同而不同。
本文后面几节将分别予以谈论。

单类群智系统是指群体中只包含自主实行任务的一类智能个体。
群中各个智能个体按照规则、知识和对周围环境的感知来决定其行为以及彼此通讯与折衷，以完本钱身的目标任务。

单类群智的基本构造如图1所示。
下面以公路驾车群体为例剖析单类群智的运行。

图1 单类群智系统基本构造。
A是智能个体，S是对环境的感知，粗箭头表示A的行为方向。

例1 公路驾车群体：公路驾车群体是一个按照交通规则，以公路系统为平台，由一群因对环境的感知而操控方向、速率、旗子暗记等，以求行驶到目的地的车驾所构成的单类群智系统，如图2所示。

图2 公路正常车流示意。

单类群智系统的弱点在于个体感知、通讯和掌握的局部性，与其行为决策对全局的影响性之间的抵牾。
在本例中，这种抵牾在碰着路障与交岔路口，就会形成拥堵，如图3所示。
单类群智过路障拥堵的缘故原由与办理方法剖析如下。

图3 公路有路障时车流状态。
Road 1：双车道；Road 2：涌现路障时，双车道变为单车道；Road 3：绕过路障时，规复双车道。

（1）影响驾驶员行为的成分。
这些成分包括该车的目标方向；该车对路、车、标志等的环境感知；该路交通规则；该车驾驶者的履历，如对变革的兴趣、迷惑、慌张等。

（2）发生路障而不堵车的条件剖析。
设公路为双车道，如Road 1所示。
路障发生前，车流匀速行驶，车速为s_{1，Road 2涌现路障，变成单车道，车速变为s2。
设：①公路可用车道数为W车道；②每条道上行驶车辆的分布密度为 N·km^{−1；③每条道上车辆以 s km·min−1的速率匀速行驶；④每条车道截面的车流密度D＝sN·min−1；⑤交通规则已指出了车速s时最小安全车距，由此亦可算出s时的最大车分布密度Nmax。}}

（3）单层群智系统的局限性。
在双轨Road 1变单轨Road 2处，人类驾驶员由于互动的无序和对环境的不解，反而降落车速。
在Road 2绕行路障时，驾驶员会因分神而减速。
常日的方法是在公路车道溘然变少处专设交警指挥行车并道，以求有序进行。
此时公路上就包含了实行两类任务的个体：行车和警员。
该群智系统从单类群智系统变成了双类群智系统。
由于此类群智系统中交警也未节制全局信息，故交警的设置虽能使并道之处有序，但不能办理Road 2因并道而减速乃至拥堵的问题。
此时只有节制全局性的信息，才能做到最佳折衷。
由于此种群智系统中，各种都由只节制局部信息的智能个体构成，都属同一层次，故称其为单层群智系统。
由上述剖析可见，单层群智系统的局限性来自于对全局信息节制的缺少。

双层智能群体系统能更有效地折衷。
其系统中含有两类智能群体：一类从事目标行动，一类从事全局调度。
这种含全局调度类和目标行动类的多类群智系统因调度与行动的高下级关系，故被称为双层群智。
其一样平常模型如图4所示。

图4 具有全局折衷者的双层群智系统基本构造。
A´为全局折衷者。
它应有全局认知能力和分外情形下的调度能力。
B：目标实行者。
B之间也可通讯，以分享信息，折衷行动。
一样平常情形下，B自主实行目标；分外情形下，B实行A´的调度指令。
I指针：报告信息流，由B到A´；O指针：调度信息流，由A´到B；S指针：感知与通讯信息流。

由于全局折衷者节制全局信息，以是双层群智在处理突发事宜时能显示优胜性，如车路网便是双层群智。
在图3所示的路障通过中，智能道路能发挥全局调度者的浸染，车路网调控所发出的自动驾驶操作指令不但能令Road 1和Road 2交卸处有序并道，也能令车速s_{2提高一倍。}

上述剖析也指出，在智能交通中，发展智能自主驾驶汽车+车路网的双层群智系统才能有效办理交通堵塞问题。

双层智能能用于很多领域，如灵巧折衷的无人车间、知识库开放培植系统、协力行动的无人机群等。
随利用领域不同，其上层调度的机理也不同。

例2 知识吸纳型双层群智：为自动培植知识库而组织智能群体供应知识的双层群智系统。
其构造如图5所示。

图5 知识吸纳型双层群智的基本构造。
A´´：知识库管理者；B´´：知识供应者；D：数据流；I´´：供应知识信息流；O´´：知识库反馈信息流。
此例中A´´类智能体与B´´类智能体的关系是全局事情者与局部事情者的关系。
但A´´不能调度B´´的行为，只能调度B´´所供应的知识。
S´´：感知与通讯信息流。

在大数据智能领域，办理很多问题的核心技能都指向知识库培植。
例如，联邦学习，知识词典的培植，供应网、营销网、创新网的培植与优化等，都能利用知识吸纳型的双层群智。

按照任务与分工不同，双层群智系统中的全局信息节制者A可选不同的调度策略。
角色A´´如是强势的，此时构培养变为“操持实行型”，其决策调度重心集中于A´´；角色A´´如是弱势的，此时构培养变为“协作行动型”，其决策调度重心分布于B´´，此时，通信与感知信息流S´´的主要性和B´´的自主决策打算强度就会增加。

Science 2016年的论文“群体之力量”（The Power of Crowds）认为：结合群体聪慧与机器性能来办理快速增长难题时，群智打算按难易程度分为三种类型：实现任务分配的众包模式（crowdsourcing）、较繁芜支持事情流模式的群智（complex workflows）以及最繁芜的协同求解问题的生态系统模式（problem solving ecosystem）。
在此三类调度打算中，A´´的角色分别是强势的、中势的、弱势的。

循环群智系统是指含有资源可在各种群体间循环的群智系统。
个中最主要的是供需循环群智系统。
当今被成功运用的平台做事系统便是供需循环的群智系统。
其运作机理是构建做事的基本平台，吸引做事供应者与做事利用者双方在平台上自主配对，以形成做事与资金等资源的循环。
其基本构造见图6。

图6 供需类循环群智基本构造。
M为做事平台构建与掩护者；P为做事供应者，如电商平台上的商家；U为做事利用者。
图中箭头方向表示产品供给等做事流向，反方向则表示资金的流向。

图6中，做事可向细分发展，例如，电商平台上从供应产品发展了供应金融做事、物流做事、广告做事等。
P的细深分类，会形成更好的做事生态，对M、P、U的发展均更有利。

循环群智系统有广泛的用场。
例如，电商交易平台、手机APP、金融产品推销平台等，均为此类群智系统运作成功的范例。

例3 如果用构造的角度不雅观察，可以创造，市场经济也是平台做事型的供需循环群智构造。
图7是“经济学事理”所示的市场经济构造模型。

图7 市场经济的供需循环群智系统的构造。
个中，企业P´、家庭U´在商品与劳力市场中交易，实现供需循环。
图中的箭头方向代表商品与做事供应流向，资金则流向箭头的反方向。

对照图6，图7模型中缺少市场平台的建构和掩护者M´，此角色应由政府扮演。
天下上已有多个政府成功扮演了角色M´。
有角色M´的市场经济群智构造如图8所示。

图8 市场经济的双层循环群智构造。

角色M´能利用法律与规则保障市场循环的公道，利用全局信息去调节与优化市场，如中心银行、科学研究、教诲与文化发展等。
由于M´角色与P´、U´角色具有高下关系，因此这种具有M´、P´、U´类的市场经济模型属于双层循环群智系统构造。

这种双层循环群智构造可能会成为经济学研究的有趣方向。

在本节中，我们将先容群智系统的勉励和蜕变机制，并证明它们会随着不同类型和关系的变革而变革。

(一) 勉励机制

在群智行为中，单类群智系统按完成任务的效率而有自然勉励，双层群智系统如有人类成分参与，勉励机制必不可少，由于它能提高群体的事情效率。

不同构造的群智系统利用于不同任务，因此采取不同的勉励机制。

（1）用于调度行动的双层群智适用于指挥系统，如行政、军队等群体的运用。
其勉励方法常采取教诲、褒奖或惩罚。

（2）用于知识吸纳的双层群智适用于知识汇聚系统，如知识库、数据库培植等。
此类系统随意马虎打算事情量，故常利用按绩奖酬。

（3）供需循环群智适用于平台经济。
主要的是此类构造的勉励机制与前两类不同。
由于该构造中的供方与需方之间互为勉励，以是，这是一种自勉励机制，故供需循环群智常能以较低的本钱，而得到较高的事情效率和发展速率。

(二) 蜕变机制

群智系统的蜕变机制是指系统会随韶光而改变构造，积累知识，表现出进步。
其机制可分两类。

1. 各智能体内部蜕变机制，如自学习、自改革

如图8所示的例子中，企业P´的生产过程自动化、管理改革等。
家庭U´的家庭成员增减，受教诲水平提高，消费与就业理念改变等。

2.智能体之间关系的蜕变机制

如图8所示的例子中，智能体间关系蜕变机制有：

（1）智能体种类增减，如增加供应链上的材料或零部件制造类企业；做事链上的金融、物流或商务类企业等。
参与者种类的增加，常表明系统的专业化分工水平提高。
如电商平台系统，做事供应者P´，可分解出P1´卖家、P2´快递、P3´金融做事、P4´广告、P5´用户画像、P6´设计……更多种类的参与者能形成更高水平的做事，并改进协作生态。

（2）平台细分的增减，如增加技能市场、旅游市场、进出口市场、培训市场等。
市场平台细分的增加，对P´、U´两类智能体的发展均有直接促进浸染。

（3）调控者M´对全部系发展的前瞻性深层次支持，如办大学、高职院校、研究机构、医院、会展、图书馆、博物馆、经济科技数据中央与智库等，对P´、U´两类智能体发展有间接的、前瞻性的促进浸染。

在本文中，我们剖析了不同类别的群智系统构造的一样平常特色。
详细而言，我们全面谈论了三种主要群智系统的构造、机制和实例。
同时，我们指出了群智系统的勉励和蜕变机制该当根据不同的种别进行调度。

注：本文内容呈现略有调度，若需可查看原文。