2.5 机器群体智能

人类群居社会的变革是由技术或机器变革驱动的，技术或机器的变革也经历了数字化、信息化和智能化的发展。单个机器所能完成的任务数量和复杂度难以匹配集群化的设备，也难以提供个性化的应用。为了满足社会发展的需要，机器正朝着集群化和云化方向发展。

2.5.1 集群化、云化发展

电子计算机的发展经历了从大型计算机最终到个人计算机的过程。早期的电子计算机，外形笨重、耗电量大。为了满足军方和高校的技术需求，一般采用共用的形式。随着集成电路的发展，计算机的体积越来越小，出现了个人计算机。个人计算机方便了人们的办公，但随着计算任务变得越来越复杂，个人计算机越来越难以满足人们的需求，尤其是在大数据和人工智能时代，需要超大的存储空间和超强算力。在此需求的驱动下，云计算诞生了 ^[45] 。云计算使用虚拟化技术，对集群的计算、存储和网络资源进行统一管理，根据用户的需求提供定制化的服务。云计算具有个性化定制服务、可全天时访问/共享设备资源和快速灵活部署等特性，契合了现在的互联网敏捷快速开发和上线的要求。

云计算（见图2-17）一般具有大规模、分布式、虚拟化、高可靠性、高拓展性、按需服务和安全等特点。云计算的数据中心通常会有上百万个服务器资源，并且为了满足不同地方用户的无差别体验，大型云计算厂商通常在不同地方部署云数据中心。为了统一管理这些设备，需要对计算、存储和网络资源进行虚拟化，这样可以做到定量提供服务。由于云平台上部署的业务需要7×24小时不间断地提供服务，因此可靠性是一个重要的指标。另外，随着用户数量的增加，所需要的资源也会相应增加，这时云平台要具有很好的拓展性，以满足用户数量的扩张。不同用户部署的业务通常是不同的，所需要的设备资源也有差异，因此云平台要能够提供按需服务。由于用户的数据和业务都部署在云端，因此云平台要能够保证数据的安全性和业务的连续性，要能够抵抗网络的恶意攻击，避免用户的损失。

随着5G的到来，计算资源和内容资源开始向用户端靠近，移动边缘计算（Mobile Edge Computing，MEC）在此背景下诞生了 ^[46] 。由于5G使用了毫米波技术，因此其基站的覆盖范围较小。为了提供更好的网络服务，需要密集部署5G基站，因此可以将云端的部分计算任务部署在靠近用户的基站上。边缘计算可以提供更低的时延和抖动。虽然云计算是以完全集中式的方式部署的，计算机群通常放置在一个或几个位置，但边缘计算应该以完全分布式的方式部署。相对于云计算，边缘计算只提供有限的计算资源和存储资源。另外，在地理上分散部署的云平台可以协同计算，为新的应用提供移动、无缝的计算。同时，云计算和边缘计算可以协同合作，为用户提供灵活、弹性的服务。边缘计算的示意图如图2-18所示。

无人集群在进行数据传输和协同计算时，需要保证数据和任务的安全性。区块链技术可以防止数据被篡改、伪造，并保证协同决策的正确性 ^[47] 。区块链中的每个区块都包含了当前区块、前一个区块的加密散列、相应时间戳以及交易数据。区块链的核心技术包括加密算法、共识机制和分布式存储，具有去中心化、防篡改和伪造以及自治性的特点。区块链使用工作量证明保证信息一致同步，使用51%的原则实现共识的达成。

动物的群居和人类的群居可以进化出高级的规则和智慧，机器的聚集运用高级的算法同样会产生群体智慧。采用云计算的形式可以有效整合设备资源，完成不同体量的计算任务，在完成这些任务的同时，机器也会从结果中获得智慧。例如，运行在云平台上的深度卷积网络在经过海量数据的训练之后，能够分辨出不同的物体，将这个结果保存在云平台后，机器也可获得识别这些物体的能力。机器的计算方式与人类不同，人类在识别物体时仅仅需要很少的样本就具备了识别能力，而机器则需要大量的数据输入才能够获得这种能力，所以以集群的方式运行机器也是必然的选择。

2.5.2 大数据和人工智能时代的到来

随着物联网时代的到来，2019年全球每天生产的数据量为175 ZB，到2025年这一数字将达到491 EB ^[48] ，人类将生活在数据的海洋中。如果使用DVD光盘来存储175 ZB的数据，那么将DVD光盘叠起来的厚度可以绕地球222圈。如果这些海量数据不加以利用，则它们将变得毫无价值，但通过人力来分析这些数据是很不现实的。相较于人类，机器具有超高的计算能力，我国研制的“天河二号”超级计算机每秒可以完成3.39亿亿次双精度浮点数运算。这种超高的计算能力可以挖掘出数据中隐含的智慧。除了超级计算，还需要智能的算法才能打开大数据的大门。大数据分析通常包括五个步骤，即数据选择、数据预处理、数据变换、数据挖掘、结果解释和评估。由于在数据采集的过程中，数据中存在异常和噪声，所以在数据挖掘之前通常需要对数据进行预处理，清洗掉异常的数据。数据挖掘的方法通常包括关联规则方法、聚类、分类、回归等，根据不同的数据和挖掘需求采取不同的方法。对于数据挖掘的结果是否达到预期的效果，需要进行评估，评估可以由数据挖掘者采用测试集的方式进行，也可以采用毫无关联的方式进行。

人工智能要想达到较好的性能，通常需要对海量的数据进行训练，这使得人工智能依赖于云平台，需要以集群的形式进行数据处理和知识学习。例如，2019年8月，腾讯AI Lab开发的“绝悟”在吉隆坡举办的王者荣耀电竞比赛中，在职业选手赛区联队的5对5水平测试中获胜，测试胜率为99.8%，升级到了电竞职业水平。用于训练“绝悟”的计算平台包括384个GPU和8.5万个CPU，其一天的训练强度相当于人类的440年。从这个示例可以看到，机器要拥有技能不仅需要具有超级计算能力和存储空间，还需要大量的训练。而借助于此的机器的学习能力也是惊人的，目前机器在图像识别和语音识别等方面的能力已经开始逐步超越人类。

由于其超强的计算能力、海量信息处理能力，以及复杂多智能体模型的推演能力，超级计算机已经在许多方面超越了人类。未来，人类可以借助于机器群体智能（见图2-19）实现人机协同的集群方式，演进出更先进的智能。