第1期 李德毅：网络时代人工智能研究与发展 5 物质组成的基本模型一样.以自然语言中的概念为 学科的.尤其是小世界现象和无标度特性这两个重 切入点，在概率理论的基础上研究隶属度的不确定 大科学发现，使得复杂系统的研究不仅成为学科交 性，并建立了定性和定量转换模型一云模型其基 叉的前沿，也成为整个科学技术的前沿 本原因就在于此 除了小世界和无标度之外，复杂网络还具有鲁 云模型作为自然语言的原子模型，可以反映自然 棒性和脆弱性并存的特点.其抗随机攻击和随机故 语言中概念的随机性、模糊性及其关联性.云模型仅 障的能力很强，但是在故意有目的地针对精英节点 仅使用期望、熵和超熵3个数字特征就足以在整体上 的攻击面前，表现脆弱.具有这种行为特性的原因也 表征一个概念，用来反映定性概念的整体定量特性. 是由于幂律分布导致的不均匀性 这对理解定性概念的内涵和外延有着极其重要的意 网络拓扑的决定性，反应了节点之间相互作用 义.十几年来，我们对云模型、云发生器、云的重要数的拓扑形态，比一个个的节点要重要得多.无论是因 学性质、正态云的普适性等做了详细的研究.目前，云 特网、神经网，还是生态链，看似毫不相干，结构各 模型用于智能控制，成功地实现了对三级倒立摆的实 异；但是可能具有相同的行为特性，受制于某些基本 时动平衡姿态的转换：用于数据挖掘，实现了对关联 的法则，而这些结构和法规则可能是简单的，甚至同 规则和预测知识的发现；用期望、熵和超熵3个数字 等地适用于细胞、自然语言和社会更广泛的领域.目 特征表示物种遗传和变异，模拟自然界的演化，云进 前，对网络拓扑的研究已成为研究复杂系统动力学 化计算方法可获得更优的解：还作为数据库水印、软 性质的强有力的工具，用以揭示复杂网络的形成机 件水印或流媒体水印用于信息安全中，云模型和云计 制，演化规律，动力学过程和涌现临界等 算作为不确定性人工智能研究中定性定量转换的有 32网络拓扑作为知识表示的研究方法 力工具，必将在更多的领域得到广泛应用 如果说，符号语言也好，自然语言也好，还是一 个个符号、一个个词连接起来的一维的形式化知识 3把网络拓扑作为知识表示的基本方 表示方法的话，那么，将网络拓扑作为二维的知识表 法来研究网络智能 示形态，形成全局优先的认知理念，是一件很有意义 的研究.拓扑是一种特殊的图形，人对图形、图像的 31复杂网络研究的重大成果：小世界和无标度特性 表示方法和理解能力是人类智能的重要表现，50年 20世纪的科学研究，认识到简单确定性的系统 来人工智能的研究几乎没有把它们作为知识表示的 会演变为复杂的、不确定的行为，如分形结构，蝴蝶 方法，不能不是一件遗憾的事情 效应，混沌现象等，还认识到复杂系统在随时间的演 把网络拓扑作为知识表示，首先要能够用计算 变和变异过程中，会出现涌现，即突变，物理学中称 机方法模拟生成现实世界中复杂网络的拓扑结构」 为相变.导致相变的诱因和临界条件，成为人们研究 现实世界的复杂网络是一个演化的过程，理想的、严 复杂系统的核心问题.复杂系统不单单是简单个体 格数学意义下的随机网络、小世界网络和无标度网 单元的叠加，不可能用单元的个体性质来预言复杂 络几乎不存在.网络拓扑模式之间也不存在严格的 系统整体丰富的行为，要研究个体之间相互作用形 界限.因此，如何模拟生成能够最大程度符合真实网 成的群体智能 络统计特征的网络拓扑？这是把网络拓扑作为知识 人们对大量实际的复杂系统，如技术系统中的 表示的基础性问题.把一些典型的网络模型通过带 因特网、电力网，社会系统中的人际关系网、经济合 有不确定性的生长、叠加、变异等方式合成为一个复 作关系网生物系统中的新陈代谢网、神经网等等进 杂网络，或者把复杂网络进行简化和分解，都是有意 行实证研究和建模分析，发现这些网络的演化规则 义的研究工作】 非常相似.实际生活中的复杂系统，是受某些简单规 作者在这方面做了有益的尝试，通过典型随机 则所驱动的组织行为，这些不同系统、不同学科之间 网络和星型网络合成的方法，得到了具有层次特性 的相似性，以及宏观和微观上的自相似性，导致复杂 的无标度网络.还研究了基于云分形的复杂网络发 系统和复杂网络的研究必然是跨系统、跨尺度和跨 展演化过程，将一个初始网络拓扑作为云模型中的 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.hup://www.cnki.net物质组成的基本模型一样. 以自然语言中的概念为 切入点 ,在概率理论的基础上研究隶属度的不确定 性 ,并建立了定性和定量转换模型 ———云模型 ,其基 本原因就在于此. 云模型作为自然语言的原子模型 ,可以反映自然 语言中概念的随机性、模糊性及其关联性. 云模型仅 仅使用期望、熵和超熵 3个数字特征就足以在整体上 表征一个概念 ,用来反映定性概念的整体定量特性. 这对理解定性概念的内涵和外延有着极其重要的意 义.十几年来 ,我们对云模型、云发生器、云的重要数 学性质、正态云的普适性等做了详细的研究. 目前 ,云 模型用于智能控制 ,成功地实现了对三级倒立摆的实 时动平衡姿态的转换;用于数据挖掘 ,实现了对关联 规则和预测知识的发现;用期望、熵和超熵 3个数字 特征表示物种、遗传和变异 ,模拟自然界的演化 ,云进 化计算方法可获得更优的解;还作为数据库水印、软 件水印或流媒体水印用于信息安全中. 云模型和云计 算作为不确定性人工智能研究中定性定量转换的有 力工具 ,必将在更多的领域得到广泛应用. 3 把网络拓扑作为知识表示的基本方 法来研究网络智能 3. 1 复杂网络研究的重大成果:小世界和无标度特性 20世纪的科学研究 ,认识到简单确定性的系统 会演变为复杂的、不确定的行为 ,如分形结构 ,蝴蝶 效应 ,混沌现象等 ,还认识到复杂系统在随时间的演 变和变异过程中 ,会出现涌现 ,即突变 ,物理学中称 为相变. 导致相变的诱因和临界条件 ,成为人们研究 复杂系统的核心问题. 复杂系统不单单是简单个体 单元的叠加 ,不可能用单元的个体性质来预言复杂 系统整体丰富的行为 ,要研究个体之间相互作用形 成的群体智能. 人们对大量实际的复杂系统 ,如技术系统中的 因特网、电力网 ,社会系统中的人际关系网、经济合 作关系网 ,生物系统中的新陈代谢网、神经网等等进 行实证研究和建模分析 ,发现这些网络的演化规则 非常相似. 实际生活中的复杂系统 ,是受某些简单规 则所驱动的组织行为 ,这些不同系统、不同学科之间 的相似性 ,以及宏观和微观上的自相似性 ,导致复杂 系统和复杂网络的研究必然是跨系统、跨尺度和跨 学科的. 尤其是小世界现象和无标度特性这两个重 大科学发现 ,使得复杂系统的研究不仅成为学科交 叉的前沿 ,也成为整个科学技术的前沿. 除了小世界和无标度之外 ,复杂网络还具有鲁 棒性和脆弱性并存的特点. 其抗随机攻击和随机故 障的能力很强 ,但是在故意有目的地针对精英节点 的攻击面前 ,表现脆弱. 具有这种行为特性的原因也 是由于幂律分布导致的不均匀性. 网络拓扑的决定性 ,反应了节点之间相互作用 的拓扑形态 ,比一个个的节点要重要得多. 无论是因 特网、神经网 ,还是生态链 ,看似毫不相干 ,结构各 异 ;但是可能具有相同的行为特性 ,受制于某些基本 的法则 ,而这些结构和法规则可能是简单的 ,甚至同 等地适用于细胞、自然语言和社会更广泛的领域. 目 前 ,对网络拓扑的研究已成为研究复杂系统动力学 性质的强有力的工具 ,用以揭示复杂网络的形成机 制 ,演化规律 ,动力学过程和涌现临界等. 3. 2 网络拓扑作为知识表示的研究方法 如果说 ,符号语言也好 ,自然语言也好 ,还是一 个个符号、一个个词连接起来的一维的形式化知识 表示方法的话 ,那么 ,将网络拓扑作为二维的知识表 示形态 ,形成全局优先的认知理念 ,是一件很有意义 的研究. 拓扑是一种特殊的图形 ,人对图形、图像的 表示方法和理解能力是人类智能的重要表现 , 50年 来人工智能的研究几乎没有把它们作为知识表示的 方法 ,不能不是一件遗憾的事情. 把网络拓扑作为知识表示 ,首先要能够用计算 机方法模拟生成现实世界中复杂网络的拓扑结构. 现实世界的复杂网络是一个演化的过程 ,理想的、严 格数学意义下的随机网络、小世界网络和无标度网 络几乎不存在. 网络拓扑模式之间也不存在严格的 界限. 因此 ,如何模拟生成能够最大程度符合真实网 络统计特征的网络拓扑 ? 这是把网络拓扑作为知识 表示的基础性问题. 把一些典型的网络模型通过带 有不确定性的生长、叠加、变异等方式合成为一个复 杂网络 ,或者把复杂网络进行简化和分解 ,都是有意 义的研究工作. 作者在这方面做了有益的尝试 ,通过典型随机 网络和星型网络合成的方法 ,得到了具有层次特性 的无标度网络. 还研究了基于云分形的复杂网络发 展演化过程 ,将一个初始网络拓扑作为云模型中的 第 1期 李德毅 :网络时代人工智能研究与发展 ·5· © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net