复杂神经元网络或可为复杂系统建模带来曙光

　　 日前，由中国科协主办，中国仿真学会承办的中国科协第121期“新观点新学说学术沙龙”在广西桂林举行，来自中科院自动化所、中科院软件所、国防大学等机构的专家学者近30人参加会议。本次沙龙的主题为“认知仿真：理解和管理复杂系统的终极方法”，领衔科学家为中国仿真学会副理事长、国防大学教授胡晓峰和中科院自动化所研究员王飞跃。

　　胡晓峰指出，传统建模的基本原则是结果可重复，其建模对象都是自然系统，符合已有科学定律，都是基于相似性原理。但复杂系统不可分割，也没有“可加性”，具有适应性，结构动态可变，因果关系不明确，结果具有不确定性。日前，新兴起的复杂系统建模方法包括多智能体建模、复杂网络建模、大数据建模、平行系统建模等等，但都面临缺乏形式化知识的建模方法的难题，类似于经验、直觉、记忆一类的知识都是建立在各类知识相互纠缠的基础上，很难用简单的因果形式来表示。

　　“近几年以来，人工智能受到广泛关注。尤其是阿尔法狗战胜人类棋手以来，为复杂系统建模研究提供了很多启示”，胡晓峰认为，社会管理、战争决策、经济治理、指挥控制、医疗诊断等复杂系统领域，一直存在对经验、直觉等认知建模的需求，阿尔法狗所采用的深度学习产生复杂神经元网络方法，或许可以为解决这个问题带来曙光。

　　胡晓峰还表示，阿尔法狗采用的增强深度学习方法，不仅在围棋上战胜了人类，而且揭示了一种复杂系统建模的可能。但是，对这种方法既不能过高估计，认为它是万能的；也不能低估，忽视它在智能认知方法上取得的突破和隐含的颠覆性意义。

　　胡晓峰认为，深度学习的核心，就是通过多层神经元网络，形成对概念、规律等知识的理解。人脑认知具有深度结构，需要逐层训练，逐步抽象得到认知。但是层次越多，运算量越大，需要数据越多，理解的概念越复杂。因此，建立神经元网络需要大规模计算能力，这是必要条件。“深度学习下的认知是一种非常接近人类认知的方式，这样比较符合复杂系统的认知方式”，胡晓峰认为，阿尔法狗的突破在于找到了一种新的生成神经元网络的方法，该方法也可适应视频游戏、德州扑克等多种形式，“但是，需要注意的是，认知智能模型研究，或许可以解决复杂系统理解和管理问题，但也可能带来更多新的问题。因为它可能会激发系统产生更复杂的演化，导致安全、社会等问题的产生”。

　　为期2天的会议期间，与会专家一致认为，复杂系统建模是仿真学科发展的必答题，传统的仿真方法已经走到十字路口，急需学界深入探索，形成中国人自己的复杂系统仿真建模理论。