央链知播访谈加拿大朱海滨博士：钱学森的大成智慧工程与复杂社会系统的 E-CARGO 仿真

本期在线访谈

内容审定：范金鹏

主持人：李海霞

访谈对象：加拿大朱海滨博士

 

 

朱海滨博士，加拿大尼普森大学计算机与数学系教授、协同系统实验室创始主任，康考迪亚大学和劳伦森大学兼职教授。中国国防科技大学大学博士。曾任国防科大教授。已完成260项研究成果，包括40余篇IEEETransactions论文、六部专著、六篇章节、四期期刊、四部会议论文集和一个授权软件产品。他是I2CICC会士，ACM和IEEE高级会员，SigmaXi正式会员，CAST-USA终身会员。他现任IEEESMC学会副主席(2023-)、理事会成员(2022-)、分布式智能系统技术委员会共同主席(2014-)。
同时担任IEEETransactionsonSMC:Systems(2018-),IEEETransactionsonComputationalSocialSystems(2018-),FrontiersofComputerScience(2021-)、IEEECanadaReview(2017-)的副主编(AE)。

他曾任IEEESMC杂志主编（2022年）、IEEESMC杂志AE（2018-2021年）、助理副主席（AVP）（2021年）、国际会议的大会及程序(共同)主席10余次，学术会议程序委员会委员130余次。他是Role-BasedCollaboration方法学和E-CARGO模型的创立者。他是IEEEXplore的协同领域中最高产的作者。先后在国际会议上作主题演讲20余次，国际特邀报告90余次。他的研究获得NSERC、SSHRC、IBM、DNDC、DRDC和OPIC的赞助。

 

主持人央链知播李海霞：国内外的模型系统研究及MBSE的应用方兴未艾，目前朱海滨教授的E-CARGO模型结合钱学森的大成智慧工程， 助力大成智慧模型优化体现在哪些方面？

嘉宾朱海滨博士：

我先谈谈我对钱老的大成智慧工程的理解。钱老作为中国科学技术发展的领头人，其所站的高度和其广阔的视野是我们一般学者无可比拟的。同时，要实现他所提倡的大成智慧工程，也是一般学者难以做到的。需要国家级大量的资源投入和具体实施。这就存在一个理想与现实的问题。对于人工智能，我更趋近于钱老的思想。实际上，钱老的大成智慧：“集大成、得智慧”就是人工智能的一个理想状态，也就是通过计算机系统把人类已经掌握的所有知识、方法以及各类模型有机的集成、融合在计算机系统中，那么这个计算机系统相对于人类个人来说就是无所不能的，这也符合我们对人工智能的通常理解。这就不得不谈及到现在热议的Chat GPT。集大成的思想要远胜于现在的Chat GPT大模型。Chat GPT实际上是个懒办法，即面临人类知识的复杂性、多样性和难以控制的规模，不得不利用一个简单的机器学习模型，让机器自行找到描述人类知识和能力的模型，人类反正也解释不了。其实这样也是一种不负责任的做法，对人类不一定是好事儿。现在的大模型是通过人工神经网自行学习总结出来，对人类是无法理解的模型。而理想的AI应该是人类知识和能力的集成。这里要说的是，每个人类个体的知识和能力都是有限的，如果抽象成计算机术语，就是存储能力和计算推理能力都很有限。而AI的载体计算机系统，包括云计算系统和超级计算系统，可以在这两个能力上囊括所有人类个体无法达到的智慧。

现在回到现实，Chat GPT独领风骚，在大量的实际应用中表现不俗。但是，与真正的通用人工智能相比，还只是非常小的一个环节。同时，它又是不可理解的。也就是说，人类在做一个无法理解无法控制的系统。所以有种悲观的说法是，ChatGPT可能给人类带来灾难。另一方面，模仿人类思维的努力一直没有停止过，比如上世纪80年代的逻辑主义，认为人工智能就是逻辑，就是事实加推理。现在仍然有大量的研究，想方设法来建立人类智能的模型。而MBSE直接就提倡：无论做什么事情，都要先行建模。MBSE认为模型才是人类智能的根本。

可以说，E-CARGO模型也是在这种模仿人类智慧的思路上的一个收获。它将一个复杂系统抽象为六类（环境，类，个体、角色、群组、对象）三组（类-对象，环境-角色 和群组-个体）实体的构成。通过消息描述构成部分的连接、通信和沟通。同时提供RBC（基于角色的协同）过程模型，以表达系统的动态和自适应特征。E-CARGO最终目标是建立一个通用的角色引擎，为复杂系统的分析、设计、优化、维护和仿真提供便利的平台。由于协同系统的复杂性，目前E-CARGO已经完成了角色指派这一环节的主要工作，可以利用现有的优化方法提供角色指派的优化，目的是通过局部优化追求动态系统的良好性能。

因此，我们可以说，E-CARGO与钱老的“集大成、的智慧”的思想是一致的。大成智慧是理想，E-CARGO是现实。

 

主持人央链知播李海霞：钱学森的大成智慧思想可以应用在E-CARGO模型哪些方面？

嘉宾朱海滨博士：

大成智慧工程应用的现实就是把现实可用的各类智能系统，包括专家系统、知识库设计、人机系统设计、和公认的经过实践证明的有效推理机制，形成一个“集成研讨厅”。我们经历过九十年代的“系统集成”年代，那时候强调的是互操作性。所以，很多人声称自己是做系统集成的，实际上就是把几个计算机系统（不同操作系统）通过局域网连接起来，实现数据共享就完成任务了。这当然与大成智慧相差甚远。到现在，经过这么多年的正反面经验的积累，我相信大成智慧工程应用会在一个新的台阶上完成更具智能的集成系统。

E-CARGO实际上也是系统集成的框架结构。其中的RBC过程强调了几个重要环节：角色协商，与软件工程里的需求分析有交叉和覆盖，但是从另一个层面上进行复杂系统的任务分割；个体评估，E-CARGO/RBC认为每个个体都可以完成各个任务（角色），关键是完成的质量和效率不同，指派角色之前，应当对每个个体和每个角色都进行恰当的评估与计量。在个体评估的基础上，角色指派追求的是团队（群组）性能的最大化，目前我们还是采用个体评估值的简单和描述团队（群组）性能。下一步，争取提出更为恰当的指标描述团队（群组）性能。

E-CARGO 为大成智慧工程提供的支持就是整个系统的高层设计模型。或者说，大成智慧工程应用系统的结构就是一个以E-CARGO结构为构成模型的RBC系统。这里需要强调的是，E-CARGO/RBC 是一个迭代模型，可以提供各个层次的系统抽象。所以，大成智慧工程系统应该是一个迭代的多曾E-CARGO/RBC系统。

 

主持人央链知播李海霞： 用E-CARGO构造模型的使命和追求是什么？

嘉宾朱海滨博士：

现代化智能系统越来越复杂，致使非常聪明和智慧的个人都很难把握一个复杂系统的全貌。E-CARGO的提出是为了简化复杂系统， 使得个人可以对复杂系统有足够的理解和把握。通过六个（三组）成分描述一个复杂系统的构成。同时，而又不能丢失核心的本质特征。E-CARGO/RBC的嵌套特征同时也对应人类社会结构的层次性，从而让处在不同位置的个体通过E-CARGO把握其负责的那个层次的系统本质。

E-CARGO的使命就是通过计算机系统的介入，使得系统工程获得足够的算力和存储能力，以扩充人类个体的能力，突破个体的局限，作为人类的得力助手，实现真正的人类可控的通用人工智能。

E-CARGO追求的是协同的高效和简化。实际上，提出E-CARGO模型的本意是要帮助类似计算机等理工科专业的学生理解和把握协同工作，或者叫团队工作（Teamwork）。因为大部分理工科学生都善于抽象思维，有较高的智商，但他们不善于与人交流和沟通，情商偏低。但是团队工作或协同工作恰恰需要很高的情商来处理这些沟通和交流环节。E-CARGO的研究初衷就是想把协同用建议的构造和过程，让广大的理工科学生更高效的参与协同或管理协同。我们目前取得的成果可以通过优化角色指派，避免不必要的交流和沟通，简化协同工作。我想如果高智商的工程师辅以简洁、高效协同的工具，会更快的成就事业，收获成功人生。

主持人央链知播李海霞： E-CARGO在产业应用方面解决了哪些问题？

嘉宾朱海滨博士：

E-CARGO还处于研究阶段，属于典型的应用基础研究。与纯理论基础研究不同，应用基础研究是面向应用的，提出的方法和模型一定要具有应用价值。这就需要借助大量的数学和计算方法，为应用提供坚实的理论和工具基础。E-CARGO通过数学符号抽象化和形式化，帮助建模大量实际应用问题，比如人文、社会和管理问题。这些问题以前是没有数学化或形式化的，没法严格表达，只能靠管理者的经验、智慧和技巧，进行个案处理，即具体情况具体分析。很难提供系统的易用的方法和工具。同时，这样的解决方案也不能令人完全信服，主要靠方案提出者的个人魅力和说服能力让大家接受。

E-CARGO为广大学者提供了广阔的科研创新天地，通过学习、了解E-CARGO，学者和技术人员可以为自己感兴趣的实际问题建立特定的形式化抽象模型，进而最终通过计算解决问题，并且解决方案更容易为大家所接受。比如，可以通过得出数据结果，明确解决方案的优劣。通过E-CARGO建模的许多复杂抽象问题具有广泛的覆盖特性，可以对应到许多工业应用。如果有充足的研究资源，包括人力和物力，我们可以在产业当中做出更大的贡献。目前，E-CARGO已经面向工业和实际应用，建立了系统的角色指派优化模型和方案。我们呼吁更多的学者和工业界人士加入到E-CARGO研究和应用中来，为产业应用提供足够的科研基础和应用范例。

 

主持人央链知播李海霞：钱学森的大成智慧工程概念与复杂社会系统的 E-CARGO 仿真系统的集成应用内在联系是什么？

嘉宾朱海滨博士：

由于计算机系统算力的提高，人们对于社会复杂系统的仿真提出了更多的期待。但仍然受限于传统的两个极端的仿真研究：即，应用社会动力学等高度抽象的数学模型进行的宏观仿真和基于多智能体MAS模型的微观仿真。宏观仿真过于强调社会抽象，失去了对个体在社会中作用的仿真和模拟。而微观的多智能体过于强调个体的微观自主能力仿真，难以对多智能体组成的社会进行贴切的仿真。E-CARGO的提出介于宏观和围观之间，提供了一个中间级别的仿真方法和工具，根据我们已经做出的几个社会仿真案例，完全可以相信，利用E-CARGO进行社会仿真会带来更多有趣的社会结论，为社会发展和改进提供帮助。比如，涌现是一种典型的社会现象，利用MAS进行仿真具有相当的难度，因为MAS模型里面，每个智能体的行为是统一的。但是利用E-CARGO，每个个体是有差别的，可以通过扮演的角色仿真他们在社会中的作用。进一步，我们可以分析扮演某个特定角色的个体数量来预测涌现这一现象的产生过程。

钱老的大成智慧工程通过大量知识、模型、方法的集成，目标是建立通用的人工智能平台，必然也会为社会发展和改进找到更好的解决方案，比如人工社会或平行社会。大成智慧是理想，E-CARGO可以通过脚踏实地的科研，逐步推进大成智慧理想的达成。大成智慧也为E-CARGO研究提供高远的理念、场景和愿景。钱学森的大成智慧工程概念与E-CARGO的内在追求是一致的。两者是相互促进、相互支持的。

 

结论：大成智慧是钱学森的灵境技术(元宇宙)的核心，大成智慧与E-CARGO/RBC模型、GPT大模型等技术的综合集成将使人类社会与灵境元宇宙的应用更加接近。