【新书速递】中国自动化学会监事长王飞跃团队英文专著：

《平行人口与平行人类》

    大约30年前，在读完卡尔·波普尔的《开放社会及其敌人》后，我制定了一项雄心勃勃的研究计划。本书正是此计划的阶段性结果。在我看来，开放社会不应该存在“敌人”，我们必须找到一种方法（也许是互联网下的社会运动组织和行为，CeSMO），架起波普尔乌托邦社会工程和零星社会工程之间的桥梁。这就是我最初的思考，也是剩余职业生涯中将要完成的研究。我曾立誓写一本名为《开放社会及其朋友》的书，甚至为此雄心勃勃地创造了一个新名词---BeMonad，即“成为戈特弗里德·莱布尼茨的智子”。在“波普尔的人工世界”中，我将Monad重新定义为智能的“原子”，正如古希腊哲学家德谟克利特用Atom来定义物理世界的物质原子一样。

    当然，我很快就意识到这只是一个梦想，更是一项不可能完成的任务。然而，这却戏剧性地改变了我的专业生涯和研究路线，使我从机器人智能控制研究转为关于复杂智能系统的科学、技术、工程、社会等的综合性研究（今天更时髦的语言称之为“交叉科学”研究）。这段经历始于1994年我在NASA/UA空间工程研究中心（SERC）做的“影子系统”技术报告，想使无“影”之事有“影”而已，并终于1999年在图森亚利桑那大学创立复杂系统高级研究计划（PARCS）之时。

    上世纪90年代末和本世纪前10年，我将所有的精力和热情都花在了建设面向未来智能科学技术的中美合作项目和计划上，包括：智能控制与系统中美联合研究中心（ICSEC）、中美高等研究与教育中心（US-CARE）、支持初创企业和智能产业的公用基础平台（FPGA）、服务于全球研究生撰写学术和学位论文的情报分析复杂自适应系统（CASIA），以及为未来高中生和本科生提供帮助的科学技术研究与教育之平行大学（PUREST）等。这些努力让我意识到，我们需要走得更快、更远，必须远远超出我们对智能体、机器人或影子系统等技术的传统理解，以及对虚拟、混合或增强现实的一般期待。我们必须为自身的可持续性发展开发数字人技术。

    我对未来的愿景简单而直接：未来世界人口将由5%的生物人、15%的机器人和80%的数字人共同组成。为实现这一使命，在过去的二十年里，我们重点研究人工社会、计算实验和平行执行（ACP）方法、信息物理社会系统（CPSS）及其相关课题，如平行智能、平行系统、平行管理、平行经济、平行制造、平行控制、平行农业、平行运输、平行服务、平行能源、平行采矿、平行医学、平行生态……，跨越100余个领域，直接推动了复杂系统管理与控制国家重点实验室于2011年的创立。

    今天，我们对未来的愿景比以往任何时候都更加接近，甚至在相关产业和社会的许多领域都已成为现实。数字孪生、基础或大AI模型、基础智能（FI）、设施智能（II）、元宇宙、Web 3.0、DAO（去中心化自治组织或行为）、DeSci（去中心化自治科学）、DeEco（去中心化自治经济和生态）和DeSoc（去中心化自治社会）等正在快速兴起并受到全球研究人员和企业界的极大关注。因此，我认为现在是时候发表我们过去十年关于CPSS中平行人类和平行人口的一些研究了。我们需要更多的学者从事该领域的工作和研究。

     本书主要探讨如何对人类个体的理性思维进行计算建模，并对其行为做适当引导，以实现信息物理社会系统的预期管理目标。我们的讨论将涉及建模的基本理论和方法以及一些实现技术。由于计算开销较大，原型系统充分利用了潜在的加速技术。来自不同领域的应用案例初步验证了本书中所提出的技术路线。除少数章节涉及具体实现细节外，本书总体上按照功能技术路线而不是系统架构来组织相关内容。我们的讨论从基础人口合成开始，包括呈递进关系的第2章和第3章。此两章阐述了如何根据人口普查的统计结果和部分微观人口样本（可选的）生成一份具有个体属性和社会关系的“静态”虚拟人口。其中第2章仅考虑个人，而第3章则加入了不同类型的社会组织。由此产生的基础人口将在随后的人工人口演化中充当初始状态。随后，我们转向微观层面，重点关注个体的认知决策和行为建模。该部分包括第4章到第7章，讨论人类智能和认知的三个相互耦合的方面：人类知识的表示，以静态/动态方式完成的知识获取，以及基于个体知识的决策/行为。知识表示、学习、推理此三方面也是一般智能科学的基本问题。第4章介绍了智能体决策循环的认知架构，它提供了一个统一的容器或框架来组织决策过程中的知识片段和数据流。基于此框架，第5章和第6章讨论了学习和推理，为知识的获取和使用提供了基本解决方案。为模拟高度时变、人在回路环境中的心理异质性，我们将重点放在基于检测到的个人行为来完成知识的自适应学习上。建立在个体知识上的推理与决策采用演化范式而非经典AI推理。这也符合复杂性科学与认知科学的基本思想，即人类的思考是自下而上涌现的结果。知识表示未单独成章是因为其中的许多技术方法都相对成熟。感兴趣的读者可在其他相关文献中很容易地找到详细信息。建立可靠人工人类模型的另一个重要问题是参数标定及验证。对于大规模的社会系统而言，模型标定显得尤为重要。这是因为与少数智能体相比，此类系统中的参数值很难在大范围内充分测量。测量样本的采样偏差可能会导致获得的参数代表性不足，从而影响模型的准确性。第7章阐述了多种标定方法以应对此项挑战。在建立了人工人类的学习和推理机制后，我们接下来转向它的实现。第8章和第9章考虑了针对大规模知识库的计算加速方法。由于个体的心理知识通常极其复杂，该问题在实际中几乎不可避免。我们详细描述了分布式推理和基于云计算的主动策略引导，并进一步给出了此推理模式的完备性和最优性等理论证明。最后，第10章中总结了来自计算人口学、城市交通管理和控制、应急疏散等多领域的应用案例。第11章则讨论了平行人口/人类的一些伦理和法律问题。

    借此机会，我想向本书的合著者、我的前博士生、现在中国科学院的同事叶佩军博士表示诚挚的谢意。他在我的指导下完成了关于智能交通系统的项目和论文，但在十年前被我说服，从“零基础”开始了平行人口和平行人类这项当时“冰冷”的研究。对于那时的年轻研究人员而言，这的确是一个艰难的选择（是的，短期内是一个糟糕的决定），尤其是考虑到他不得不独自工作（因为他是唯一一个我可以讨论此方向的人）。迄今为止，在我的职业生涯中已经毕业了超过100名博士，但没有人愿意和我一起在这个“黑暗”甚至“疯狂”的领域工作。我真的很欣赏佩军的耐心、奉献精神和辛勤工作，也非常高兴地看到我们的努力卓有成效。除本书外，我们关于平行认知、数字人的数字人格以及CPSS的工作正在令人鼓舞地的受到广泛关注，并成为智能科学与技术研究中的重要新方向。

王飞跃

中国自动化学会 监事长

中国科学院自动化研究所 研究员

复杂系统管理与控制国家重点实验室 主任

2023年12月26日