集群智能

掠鸟群                                                            图片来源：John Holmes

昆虫和鸟的集群行为一直吸引着科学家们，因为它们似乎展现出了超越个体成员的集体智慧。大自然中的一个典型例子就是欧掠鸟“群”，成千上万只鸟列队飞行，还能以令人难以置信的精度快速转弯。

什么是集群？

集群是指一大群相同的自然生物或人造生物，其个体拥有的智慧有限，但通过群体合作能够实现仅凭个体能力无法实现的更高目标。这里的关键词是智慧有限的相同生物。自然界中的典型例子包括蚂蚁、蜜蜂和白蚁。这些昆虫似乎都没有推理能力 - 它们只是以简单的方式与群体中的相邻个体以及当地环境进行接触。但是作为一个群体，它们能够出于繁殖的目的建造出最复杂的巢穴。然而，它们不需要与其它同类进行直接互动：例如，蚂蚁从食物源回到巢穴时会通过释放信息素留下一条踪迹，以便同伴跟踪。这种通过改变环境（留下有意义的标记）来影响后续个体行为的过程被称为共识主动性。它引出了无需中央领导或规划的强大集体智慧 – 集群智能。

自然与人造

最初提出集群智能的概念是为了解释庞大的昆虫群体似乎能够作为单个实体进行“思考”这一现象。鉴于自然个体的简单行为模式，科学家认为可以通过一组相对较小的数学“规则”来建立模型。这些规则非常简单，完全能够在当时性能相对较低的计算机上以程序的形式运行集群模拟。1970 年，一位名叫 John Conway 的数学家设计了一种假想单细胞生物的群体模拟。这套名为生命游戏的模拟引发了一系列研究，研究内容是为何在相当愚蠢的人造个体互动时也会出现复杂的群体行为。只要它们几乎完全相同并遵守相同的规则 — 即同质群体。

早在 20 世纪 50 年代，研究人员就看到了使用机器人模拟集群行为的可能性，但是要制造出数量多到足以形成具有智慧的设备群体的难度太大，成本也太高。凭借微电子技术，现在能够制造出由成本极低的机器人组成的人造集群。它们往往具有移动性，能够检测并直接与相邻个体沟通。当然，它们不能模仿生物的所有功能：只有某些特定的行为，例如聚集起来形成特定的模式或形状、跟随头领以及包围“威胁”。2011 年，哈佛大学的研究人员展示了他们设计的简单、低成本的集群机器人 – Kilobot，如此命名是因为它设计用于帮助创建由上千个单位组成的人造集群。

每个机器人都依照一组相同的规则运行，并且仅与相邻的个体互动：无中央控制（除集体编程以及开始/停止以外）。

集群工程

使用大量相对原始的机器人以集群的形式执行指定任务，而非使用数量较少、性能更强大、完全自主且相互协作的机器，这样做有哪些优势？这还取决于应用。请考虑集群工程的以下实用优势：

• 简单性：集群机器人虽然是自主运行的，但是能够执行的动作有限。因此较小的处理器适合小型机器人的功能。
• 可扩展性：需要规模更大的劳动力队伍？只需增加更多相同的机器人即可。因为所有的互动都是在局部进行的，所以它们能够立即有效地开始工作。
• 容错性：如果机器人停止工作，劳动力减少，但是群体任务将继续执行，可能需要的时间稍有延长。
• 平行性：相同的任务可以由独立的“团队”在不同的位置执行。

在软件中模拟共识主动性非常简单；而在硬件中创建与蚂蚁的信息素间接沟通等效的模拟要困难得多。大多数设计用于集群研究的机器人都采用了基于红外线、蓝牙或 WiFi 的直接无线通信。这意味着，对集群机制的研究大致分为两个流派，即基于“自然”的间接过程和基于“人造”的直接过程。参见下面的参考资料 (1)。参考资料 (2) 中介绍了一种基于地面安装 RFID 标签网络的创新间接通信方法。

小群体还是大集群？

考虑到上述实用优势，在需要“智能”的应用中采用人造集群系统是一项具有吸引力的提议。在部分情况下，它无法取代单台大型自主型机器人，或者甚至无法取代一群协同运行的同类机器。

例如一个大面积的灾难现场，如地震区。大家可以想象，大批（可能有成千上万只）像鸟或昆虫一样大小的无人机以间隔较宽的队列飞行，搜索零星的幸存者。第一架无人机看到了什么东西，它向下俯冲，而与它相邻的无人机跟随它一起下降以进行更深入的搜索。同时，其他无人机补上空缺，并继续进行高空搜索。鉴于其物理尺寸，无人机仅限于发挥感应和报告的作用，但这非常适合于在大面积区域内开展的集群活动。一项长期运作的机器昆虫研究计划旨在创建这类集群，这就是哈佛大学的 RoboBee Collective。

在地面上，一支数量少得多的重型机器人小组可以根据指令穿越被毁坏的地形，携带物资和救援设备朝“热点”方向行进。该小组不会像集群一样活动，相反，个体会在必要时进行协作，还可能会有人类操作员监督。

集群学习

看起来集群编程应该是相当容易的，因为每个机器人都只涉及相同的几行代码。难点在于确保每个机器人与相邻的机器人之间互动的几条简单规则能够触发完成任务所需的集群行为。关键在于，人们可以对机器人进行编程，使它以可预测的方式对感应输入作出反应，但是输入本身的预测不能具有任何的确定性。这意味着很难提前确定个体做出动作的时间，进而难以预测整个集群的行为。例如标题图片中的欧掠鸟群，控制每只鸟的行动的“规则”可能很简单：

• 跟随前面一只鸟的相同方向飞行。
• 在三个维度上相互保持一定的距离。

大家可以立刻发现问题所在：是什么控制着“领头”鸟的行动？是什么触发鸟群做出起飞或着陆的决定？这表明，当它们不是以集群的形式开展活动时，这些鸟是独立自主的，例如在草地上踱步，用喙在土壤中挖掘以寻找幼虫。但是，当一只鸟起飞时，其它的鸟会跟着起飞。当所有的鸟都飞上天后，看起来经过精心安排的急速转向可能只是因为随机气流导致飞行路径出现稍许变化，然后这一变化被集群规则放大。无论如何，这种情况表明，生物可以任意在集群行为和个体行为之间来回切换。

尝试为复杂的机器人集群任务编写严密的规则是非常困难的，因为集群作为一个整体会遇到各种随机影响。这可能会像尝试手动计算用于识别摄影图像中的对象的深层神经网络 (DNN) 的所有加权因子一样复杂。无论是哪种情况，都没有特定或确定的结果：只能得到来自被称为随机系统的一些可能的结果。一种名为“图灵学习”的技术可用于“训练”DNN 识别对象。它也可用于分析集群行为。有关更多详细信息，请参见下面的参考资料 (3)。

纳米机器人

我们人类往往以消极的方式看待任何集群，尤其是会叮咬人类进而导致疼痛的飞虫。Alfred Hitchcock 于 1963 年上映的电影《群鸟》虽然是虚构的，但是毫无疑问地在当时引起了观众对大规模鸟群的恐惧！在《我，机器人》等电影中，机器人集群也同样引起了观众的恐惧。严格来说，后者中的机器人处于中央控制下，不依赖集群智能，然而，您认为最坏的情况是什么？可能会有大量分子大小的机器人穿过皮肤，通过血管进入大脑。想想都令人反感。但是，如果它们能挽救您的生命呢？这个想法已经存在很长一段时间了：1959 年，物理学家 Richard Feynman 撰写了一篇关于通过直接作用于原子来完成工作的论文。其中引用了使用注射纳米机器人在人体中执行手术的构想。直到 20 世纪 80 年代，纳米技术和微型机械的概念才作为现实开始引起人们的关注。如此小的设备是否有可能拥有足够的智能？我们有自然的病毒和细菌模型可供参考。迄今为止，在这一方面还没有取得很大的进步；“分子马达”和齿轮已在实验室中诞生。但是，唯一实现微型芯片级别的机构与 MEMS 技术相关，而该技术包含微型陀螺仪、加速计和其他传感器。

科幻作家让大家开始想象，当拥有高级集群智能的纳米机器人开始作恶时，未来会变成什么样。阅读 Michael Crichton 于 2002 年发表的小说《猎物》，感受该小说带来的恐惧。亦或只是有点担心。

参考资料

《集群机器人和极简主义》，Amanda J.C. Sharkey (1)

《从蚂蚁到服务机器人：探讨基于共识主动性的导航算法》，A.Khaliq (2)

《图灵学习：推断行为的无度量方法及其在集群中的应用》，Wei Li、Melvin Gauci 和 Roderich Groß (3)