1.3.1　群体智能

成群的蝙蝠在狭窄黑暗的山洞中飞行却互不碰撞，雁群在领头雁的带领下排成人字形，军团蚁在巴西的热带雨林中以扇形行进……这些自然界的集群行为早已引发了科学家的好奇心。

蚂蚁、蜜蜂、细菌等生物个体能力一般，与它们脆弱的个体能力相比，其群体却表现出惊人的能力。这中间隐藏着什么奥秘？它们的群体（社会）行为力量是如何形成的？对我们有哪些启发？我们能够借以改变我们人类的群体智能吗？

在由众多生物个体构成的群体中，不同个体之间的局部行为并非互不相关，而是相互作用和相互影响，进而作为整体性的协调有序的行为产生对外界环境的影响。生物群体正是通过个体行为之间的协同作用来获得更积极的响应方式，进而达到“整体大于部分之和”的有利效果。

群体行为是大量自驱动个体的集体行动，每个自驱动个体都要遵守一定的行为准则，当它们按照这些准则相互作用时就会表现出智能的复杂行为。群体智能（Swarm Intelligence）正是群居生物通过协作表现出的自组织、分布式的宏观智能行为，具有如下特点。

（1）集群智能具有较强的环境适应能力，不会由于若干个体出现故障而影响群体对整体问题的解决。

（2）群体中的个体通过影响环境实现间接互动，这决定了集群智能会随着个体数目的增加而增强，具有较好的扩展性。

（3）群体中个体所遵循的行为规则简洁明了，群体智能是在不同个体的互动过程中表现出来的，群体智能具有自发的组织性。

人类群体中也存在着类似的集体行为，但并不是所有的集体行为都表现为积极的智能，这就是“从众”现象，个体被群体操控着，甚至失去了独立思考的能力。作为一种社会心理学现象，“从众”行为在法国社会学家古斯塔夫·勒庞（Gustave Le Bon，1841—1931）的经典著作《乌合之众》和美国社会学家埃里克·霍弗（Eric Hoffer，1902—1983）的代表作《狂热分子》中都有精彩的分析。古斯塔夫说：“在人类社会中，个人一旦形成群体，便智商尽失……甚至乐于牺牲自己的个人利益以达到群体目标。”

著名企业管理家伯纳堡和梅耶通过对有“组织的天才”之称的蜜蜂和蚂蚁群体研究之后，发现这些群体的稳定性非常可贵。形成稳定群体的原因主要是不同层级之间的分工、智力的“集成”、权力的下放，以及各子系统间的高度关联性等，使他们具有一种快速应变和自组织能力，无须太多自上而下的控制和管理。他们借鉴昆虫的群体智能，并结合多年的管理经验，发表了《哈佛商业评论》，提出了蜂群智能（SI）或蜂群算法、群体最佳化算法。蜂群智能算法能使相对简单的控制器（智能体）通过组合凸显强大功能，已经成功解决了工程和通信中的最佳化问题。

蜂群算法与遗传算法相似，都以生物群体为研究对象。初始群体中的个体反复模仿昆虫或动物的社会行为，参考它们过去的经验，以及与其他个体和环境的关系来调节自身，设法找到问题的最佳解决方法。与遗传算法不同的是，蜂群算法没有杂交和变异问题。

集群智能已经在机器人上开始应用，哈佛大学的研究人员开发了由1024个机器人组成的Kilobot，这个大规模的机器人群体能够在没有外界干预的情况下，自组织地形成复杂的二维形状。Kilobot只是用于科研的原型设计，无人机集群的智能化则已经应用于实际。

新华社在一篇报到中写道：“我国第一个固定翼无人机集群飞行试验以67架飞机的数量打破了之前由美国海军保持的50架固定翼无人机集群飞机数量的纪录。‘集群智能’作为一种颠覆性技术，一直被军事强国视作军用人工智能的核心，是未来无人化作战的突破口。智能无人系统专家赵杰表示：‘中国此次打破由美国海军保持的固定翼无人机集群编队飞行纪录，预示着我国在这一领域已经取得突破性进展，进入无人系统技术全球第一梯队。’把无人机群作为一个整体来控制，在未来无人机作战及应用方面有广阔的前景。与单机作战平台相比，无人机群在作战时具备功能分布化、体系生存率高、作战成本低等优势。在对抗过程中，当部分个体失去作战能力，整个集群仍可以继续执行作战任务。”