在线乱码卡一卡二卡新HD,最近韩国免费观看视频,国产色无码精品视频国产,亚洲男人的天堂久久香蕉

網絡和AI的交叉融合發展是一個全球熱點問題，近日，光明實驗室于非院士團隊同紫金山實驗室未來網絡研究中心和北京郵電大學未來網絡理論與應用實驗室合作，在IEEE Communications Surveys & Tutorials（IF:33.84）上發表一篇關于“互聯智能（Internet of Intelligence）”的文章，從動機、層級式架構、使能技術、應用場景、挑戰及發展前景等幾個方面對這一交叉學科展開了系統性的介紹，旨在為新一輪網絡革命提供技術支持。

(資料圖片)

毋庸置疑，互聯網已成為當今世界促進經濟發展和社會進步的最重要的信息基礎設施。隨著互聯網的蓬勃發展，到了后互聯網時代，也面臨著越來越多的挑戰，如信息爆炸、虛假信息、“Human-in-the-loop”、設計可信且具有成本效益的自主系統等。

為了應對這些挑戰，需要在更大的時間范圍內思考聯網問題。

網絡范式的演進

網絡，不僅可用于獲取信息，還可用于獲取質量和能源。

回顧人類社會的發展史，可以發現合作是核心[1]。作為一類社會物種，人類依靠合作實現生存和繁榮。因此，如圖1所示，在現代歷史上，為了促進社會經濟系統中的人類合作，人類發明了使質量（運輸網絡）、能源（能源網絡）和信息（互聯網）互聯的技術。

圖1. 網絡范式的演進

運輸網絡：運輸將有質量的東西從一個位置移動到另一個位置，也就是互聯質量。在運輸網絡的初始階段，人類步行運輸。后來，更是發明了許多創新的運輸技術，如自行車、汽車、火車等。

能源網絡：能源網絡是另一種顛覆性技術，是人類生存的基礎，也是人類繁榮的基石。通過互聯能源使人們可以輕易獲得能源。能量是衡量系統引起電力變化的能力的指標，與質量之間有著密切的關系。

信息網絡（互聯網）：互聯網旨在將信息從一個位置移動到另一個位置，以減少信息間的差異。信息網絡化的實現將人類合作提升到一個新的水平。1948年，香農提出“信息熵”的概念來衡量信息的狀態。

人工智能的演進

圖2. 人工智能的演進

AI作為計算機科學的一個分支研究方向，從誕生到現在已經經歷了70多年的發展。圖2給出了AI的發展過程的示意圖。在過去的幾十年里，它取得了很多進步和成就，但也經歷了挫折和坎坷。即使當前的AI比歷史上任何時期都更接近人類智能水平，但這種自動化在嚴格意義上與人類智能仍有很大差距。

（1）1940-1970——AI的誕生：AI的誕生獲得了前所未有的關注，這一階段的研究工作集中在傳統AI問題上，如基于邏輯和啟發式算法的方法推理。然而，由于大量投入并沒有收到預期的效果，AI在1974年至1980年迎來了第一個寒冬。

（2）1980-1990——專家系統：隨著20世紀70年代末第一批微處理器的出現，AI再次引起人們的注意，并與專家系統密切相關。專家系統是指為特定目的而構建的系統，其中智能被嵌入在工具中，并且有關其操作的知識在系統規范中是公開可用的。然而，由于專家系統將智能狹義地定義為抽象推理，與模擬真實世界復雜性的能力相去甚遠，1990年代AI再次進入寒冬。

（3）2010年至今——基于海量數據、算法和算力的全新綻放：自2010年以來，由于AlphaGO等大量成功案例的涌現，AI再次成為熱點。與專家系統不同，當今AI浪潮的關鍵要素是系統的學習能力。兩種技術在其中發揮著重要作用，即神經網絡和深度學習。然而，在實際應用中，由于隱私和資源限制，系統可能無法獲得高質量的訓練數據。此外，與先驗知識的融合、可解釋性也是深度學習中的關鍵問題。

互聯智能（Internet of Intelligence）的提出，網絡和AI看似無關，卻在實際應用中相互融合、相互促進和相互影響。

圖3. 數據、信息與智能關系示意圖

網絡需要智能：

為解決當前信息網絡范式中存在的挑戰，未來聯網范式離不開智能。圖3解釋了數據、信息和智能之間的概念關系，智能是信息的進一步價值提取。通過AI技術從海量的信息源中提取智能，并將其融入到網絡中，使智能能夠被存儲、傳輸和共享，從而能有效減輕網絡中的信息冗余。區塊鏈技術的采用可有效地增強網絡安全和隱私問題，從而促進智能共享、分布式智能、集體學習和決策信任。通過構建智能化的“Human-on-the-loop”網絡運營管理也有望增強網絡的魯棒性，實現對網絡事件的動態快速響應。此外，融合智能的網絡將具備自配置、自組織和自適應的能力，從而有效支持自主駕駛等可靠且具有成本效益的自主系統的開發。

智能需要網絡：

同時，未來智能的發展也離不開網絡。當前大多數AI工作都聚焦單智能體的訓練，需要依賴大量預定義的本地環境數據集。隨著互聯網數據的爆炸性增長，這種中心化的AI架構受限于本地計算能力和存儲能力，訓練的模型的泛化能力有待提高。此外，實際場景中的許多系統要么過于復雜無法在固定的預定義環境中正確建模，要么動態變化。當前AI仍然與人類學習仍然相去甚遠。人類學習需要更少的數據集，并且在適應新環境方面更加靈活。集體學習是人類能夠在生物圈中發揮主導作用的決定性特征，而在當前的AI系統中很難做到這一點。通過互聯智能，可以實現分布式智能、智能存儲、智能共享，進一步拉近AI與人類智能的界限，顯著提高智能訓練效率，更有效地模仿現實世界環境。

互聯智能（Internet of Intelligence）：

從網絡范式的演進歷史可以發現，三大網絡范式都可以通過移動“某物”（例如質量、能源或信息）來減少與“某物”之間的差距，從而通過共享“某物”來促進人類合作。此外，還可以得出網絡范式的演進模式：新的網絡范式建立在現有范式的基礎上，但提供了更高層次的抽象。例如，能源衡量質量移動的速度，而信息衡量能源傳輸的程度。因此，聯合團隊提出互聯智能（Internet of Intelligence）將是一種新興的網絡范式，使智能如質量、能源和信息一般易于獲取。

圖4. 互聯智能（Internet of Intelligence）系統架構

本文提出的互聯智能（Internet of Intelligence）分層架構如圖4所示，由物理資源層、資源虛擬化層、信息層、智能層和應用層5層組成：物理資源層涵蓋互聯智能（Internet of Intelligence）的各種底層物理資源，如通信、緩存、計算和感知資源，是系統架構的基礎支撐；物理資源層之上是資源虛擬層，將基礎設施資源通過虛擬化技術抽象為邏輯資源以實現其靈活調度；信息層支持智能數據處理以提取有價值的信息，并將其傳輸到智能層；智能層聚合各類信息，利用AI、區塊鏈和大數據分析等技術提取智能；應用層通過各種標準化接口實現應用程序的動態部署和管理。與前三種網絡范式一樣，互聯智能（Internet of Intelligence）網絡范式有望有效幫助解決當前社會經濟體系中的挑戰，并對人類日常生活產生重大影響。

結語

構建互聯智能（Internet of Intelligence）生態體系將成為世界科技發展的重要課題。雖然還有很多問題有待全球科技工作者共同攻關，但在互聯智能（Internet of Intelligence）的引領下，可以預見，在不久的將來，互聯智能（Internet of Intelligence）必將再次重塑人類的未來。

圖5. 互聯智能（Internet of Intelligence）論文的組織結構

如圖5所示，聯合團隊在該論文中通過對互聯智能（Internet of Intelligence）的動機、層級式架構展開了探討，分析了推動其發展的關鍵使能技術和典型應用場景，闡述了互聯智能（Internet of Intelligence）在演進過程中面臨的主要挑戰和未來發展前景，最終形成一體化融合的智聯社會。北京郵電大學博士后唐琴琴是本文的第一作者，北京郵電大學、紫金山實驗室未來網絡研究中心謝人超教授是本文的通信作者。該工作得到了國家自然科學基金委、北京市自然科學基金委以及人工智能與數字經濟廣東省實驗室（深圳）的資助。

關鍵詞： 專家系統 運輸網絡 北京郵電大學 人類智能 人工智能