本节书摘来自异步社区《开放复杂智能系统——基础、概念、分析、设计与实施》一书中的第1章1.3节开放复杂智能系统特征，作者操龙兵 , 戴汝为,更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.3 开放复杂智能系统特征
开放复杂智能系统——基础、概念、分析、设计与实施
本节介绍开放复杂智能系统的系统复杂性，社会智能在这些系统中的主要表现，以及智能行为的重要表现形式——知识与智能的突现。

1.3.1 系统复杂性
开放复杂智能系统具有一般智能系统所具有的性质，比如自主性（Autonomy）、灵活性（Flexibility）、反应性（Reactivity）、预操作能力（Pro-activity）等。另一方面，从系统复杂性的角度，开放复杂智能系统还表现出一些特别的系统复杂性特征，包括开放性、层次性、社会性、演化性、人机结合与综合集成等。

1．开放性
指系统在求解实际问题时，与外部环境及其他系统之间存在能量、信息或物质的交换。这种交换具体表现如下。

（1）系统与系统中的子系统分别与外界有各种能量、信息或物质交换。

（2）系统中的各子系统通过学习获取知识，就系统与环境的关系而言，开放环境（Open Environment）指的是最为复杂与常见的不可访问性的、不确定的、动态的连续环境类型（Hewitt，1986）（参见第6.1.1节关于环境的详细分类）。

2．层次性
系统的层次性具体表现如下。

（1）从已经认识的比较清楚的子系统到可以宏观观测的整个系统之间层次很多，甚至有几个层次也不清楚。

（2）系统子系统或者组件的组成模式多种多样，如有平行结构、层次化、矩阵型、环型、线型结构等，有的甚至不清楚具体模式，而可能是一些基本模式的组合体，呈现出混合结构。

3．社会性
系统的社会性具体表现如下。

（1）系统是由时空交叠的子系统或者构件，分布式、灵活、自主的系统构成组件1，甚至是社会主体比如人构成的。

（2）肩负不同角色的组件之间通过多种交互模式（如协作、协商、协调等社会行为模式）与通信语言，按照一定的（局部或者全局的）行为法则（如社会理性原则、规范（Norm）、法律（Law）等）开展合作，相互影响，履行社会承诺，共同求解问题。

（3）时间上的交叠表现为并发性，而时空的分布性表现为数据、控制、专家知识以及资源的分布性。

4．演化性
系统的演化性具体表现如下。

（1）系统的组成、组件类型（可能是异构的）、组件状态、组件之间的交互以及系统行为随时间不断改变，无法在设计时（Design Time）确定运行时（Run Time）的上述要素。

（2）演化具有层次性，可能在局部或者整体上涌现（Emerge）出一些模式（Pattern或者Architecture），形成智能行为与问题求解能力。

（3）系统中子系统或基本单元之间的局部交互，在整体上演化出一些独特的、新的性质，如通过自组织方式涌现出某种模式，体现出整体的智能行为与问题求解能力。

5．人机结合
人机结合具体表现如下。

（1）开放复杂智能系统的突出特点是在系统体系中存在人这个高级智能体。

（2）人与计算智能体相结合，通过人机交互，实现人的认知和智能与机器的计算和推理智能的共同作用。

（3）人机协作产生智能行为，问题的求解不能仅靠机器完成，需要发挥人及其领域专家群体的背景与常识知识以及创造性思维成果（如形象思维、灵感等）的作用。

6．综合集成
将“综合集成”作为开放复杂智能系统的系统特征，具体表现如下。

（1）开放复杂智能系统存在着多种智能，各种智能各自发挥着重要的、不可替代的作用，比如人智能（Human Intelligence）所展现的形象思维等定性智能，机器计算智能（Machine Computational Intelligence）所具有的定量计算能力，网络智能（Web Intelligence）所表现出的面向广域网的计算、知识搜索与发现能力，数据智能（Data Intelligence）所隐含的内在知识与模式，领域智能（Domain Intelligence）所具有的关于问题本身的信息等。

（2）开放复杂智能系统表现出的社会智能行为与问题求解能力是上述多种智能相互协作、共同作用的结果。

另一方面，开放复杂系统还可能表现出一些区别于简单系统的反直觉性态。卡斯蒂（1998）将这种反直觉性态归因于下列5个机理的组合：悖论/自指称、不稳定性、不可计算性、关联性与突现。系统复杂性的来源可能基于“惊奇产生机理”（卡斯蒂，1998），它们极为不同的特性导致了分属各自类型的惊奇效果（见表1.5）。

1.3.2 知识与智能突现
开放复杂智能系统的另一个突出特征是知识与智能的突现（Knowledge and Intelligence Emergence）（崔霞等，2006）。知识产生与智能突现是上述系统复杂性与社会智能作用的途径与结果表现，也是区别于简单智能系统的关键特征之一。为什么会是这样的呢？下面以综合集成研讨厅系统为例2，说明知识与智能的涌现过程与突现结果。

在综合集成研讨厅中，知识是从哪里产生的？这里从知识的研究方法开始研究综合集成研讨厅中知识产生和传播的过程。首先要指出的是，综合集成研讨厅由于综合了为问题求解而来的多个领域的专家，彼此之间按照研讨厅规范（操龙兵，2004）进行交互与合作，实际上形成了一个特定的人工社会。这个人工社会的目标是处理与解决给定的领域问题，途径是人机结合、以人为主及综合集成，社会约束是研讨厅规范。

信息是产生知识的素材，也是产生知识的起步，信息单向传播，而且受制于表现形式，可以被集结包装为文件、图像、演讲、数据等形式传递给任何人。而知识则能变成解释、运用和推广这些信息的途径。知识除了要靠经验去消化汇整信息，还要去验证、思考，甚至在亲身体验过程中去发现问题，解决问题。这是一个交互过程，是人的思维与信息、现实的“交互”、人的思维与他人的思维进行交互的产物。为了研究方便，在不同的研究层次依据不同的特性，知识被描述为不同分类，如隐性知识和显性知识、事实知识与事实之间关联的知识、确定性知识与不确定性知识、实用知识等。这些分类描述了知识产生与传播不同环节不同层次的具体特征和功能，而它们的本质在于思维的不同类型：从系统角度，思维包括个体思维、群体思维和社会思维；从认知角度，思维包括逻辑思维、形象思维和创造性思维。思维在个体思维与环境、群体思维与环境、社会的交互过程中对信息的吸收、验证和发现创新产生了知识。下面应用形式化语言来描述这一过程。

知识形式化的方法有语义方法和句法方法两种基本形式，Robert J. Aumann论证了二者之间的关系和一致性。在综合集成研讨厅人工社会中，借鉴Aumann的交互过程“知识层级”语义句法方法来描述这一过程。

令真实世界状态的完备空间为Ω，事件集合为ε。研讨厅人工社会的任一参与专家

i在Ω上的知识函数为{{k}_{i}}，{k_i}left( omega right)表示当世界真实的状态为ω时专家i所拥有的知识。

在世界状态Ω上定义信息函数I如下：

（1.1）

这表明关于世界真实状态ω的信息是在Ω中参与者不能与ω区分开来的那些状态集合，I(ω)包含了参与者i所认为状态ω的可能状态omega '。也可以说，当真实状态为ω时，参与者i所知道的通常只是I(ω)的某个/某些状态。实际上，I(ω)是在Ω空间上形成的参与者i关于状态ω的信息割集，标记为φ。φ中的原子为信息集合。在φ中所有事件联合的家族记为К，该集合在任意交互情况下从补和并逻辑运算是完备的集合。在事件集合ε上定义知识函数K:varepsilon to varepsilon如下：对于任意事件E,KE是指在φ空间包含在事件E中的所有事件的联合，满足式（1.2）、（1.3）、（1.4）、（1.5），式（1.2）表明如果一个事件真实发生了，某人i只可能知道一些；但是如果i不知道这些，他就认为自己不知道整个事件（式（1.4））。只有当i所知道的所有事情都发生时，个体i才真正认识事情中的每个事件真正的含义。如式（1.5）所示，这也表明很多时候我们知道（事情）而没有真正地理解事情，存在知识盲区。当一个事件E被另一个事件F所包含，且i知道E，那么i会由此推断F，所以i也知道F且满足式（1.3）。

（1.2）

（1.3）

（1.4）

（1.5）

与系统的层次性相对应，知识也具有层级结构，尤其是在多人参与的交互过程中。随着交互深度的推进，知识交流的层次也在不断推进。为研究方便，假设只有两个人i和j交互的情况。在初始状态（如图1.1所示），某人i都有自己知道他人知道的知识区域A，也有别人知道而自己没有（未知）注意到的知识盲区C，还有自己知道而他人不知道的知识隐藏区B，另外还有重要的自己不知道别人未知的知识未知区域D，这需要在交互过程中不断地激发和挖掘。在交互过程中，i的知识层级hi建立在事物自然状态空间信息割集的有限多个层次上{varphi ^1} times {varphi ^2} times cdots ，满足以下条件：

（1）h_i^{m - 1}为h_i^m在状态空间{varphi ^{m - 1}}上的映射，即i在每个层次上的信息/知识都和其前面层次上的信息/知识相一致；

（2）i知道j知道的i所知道的知识A；

（3）i知道j的知识层次，知道i所知道的知识A。

令left( {varphi ,h_j^1,h_j^2, cdots ,h_j^{m - 1}} right)为j的层级知识，在交互过程中，若left( {S,h_j^1,K,h_j^{m - 1}} right)在中包含，那么left( {S,h_i^1,K,h_i^{m - 2}} right)也在h_j^{m - 1}中包含，i和j交互才是可行的。

在i和j交互是可行的假设基础上，i和j能够很好地交互并在深度和广度上推进。在交互过程中（如图1.2所示），在某个知识层级上，i通过j的知识和信息知道并重新认识理解了自己的知识盲区C；j通过理解i的知识和信息知道了自己不知道而i知道的知识盲区B；在心智层次上相互激发能够开发自己的未知区域D；彼此根据新的信息丰 富已有知识层级的信息和知识（B，C），构建新的知识层级h_i^{m + 1}和h_j^{m + 1}（D）。

在群体交互情况下，就形成了信息流动知识产生的网络，见示意图1.3。图1.3中每一四方格表示处在不同领域不同实践操作层次的人，具有相互包容的不同知识层级的知识。横向表示不同学科中对操作对象处于相同位置角色的人员；由于处在相同的操作层面，他们会具有类似的体验，甚至使用类似的操作方法，所在的知识层级相似，他们之间会共享许多观点、体会和具体技术，因此他们之间（横向）会存在知识产生、传播的通路，同样会使个体的A区不断扩大，而群体共同知道的知识区也在不断扩大。纵向管道表示相同领域或者学科，它们由于领域相同，操作对象相同，知识层级相互包容，能够紧密合作与交流，分享大量的实践经验和默契，因此它们之间存在知识传播的通路，即纵向表示的通路。

诚然，个体之间的交互不仅仅是横向和纵向，实际上是一个网络结构。随着时间推移，到时刻t经过了多次交互{D^t} = (D_{t1}^{},D_{t2}^{},K;D_{tm}^{})（{D_{ti}}表示ti时刻开始的一次交互），同一学科的专家相互交流，不同学科相同层次的专家相互交流，不同学科不同层次的专家也会进行交流，每个个体本身还会实现反省和灵感，整体是一个交互网络，而不仅仅是一个交互矩阵。个体不断扩大自己的知识***区A，发现自己的知识盲区C，激发未知区D。随着个体知识A区的不断扩大，群体共同知识区不断汇集扩大，在群体层次上形成了代表群体智慧的知识空间。这超越了个体知识的简单加总，我们称之为群体智慧的涌现。

从以上的分析可以发现，知识的产生需要在丰富信息资源的支持下，在有效的交互组织方法指导下，克服交流的壁垒和社会障碍，使知识产生和传播的通道畅通无阻。

1组件(Component)，指系统的构成单元，或者称之为系统成员（System Member）。
2参考第2.4节“综合集成理论”。
本文仅用于学习和交流目的，不代表异步社区观点。非商业转载请注明作译者、出处，并保留本文的原始链接。