不知道你想過沒有，人類為什么能制造出比自己更聰明的東西呢？這個東西你一定想到，就是人工智能。在2016年，AlphaGo戰勝了人類圍棋世界冠軍李世石，就已經向世人宣告機器人時代的到來。

2019年，中國有344座高校開辦了人工智能相關的專業，人工智能因為推動效率提高和發掘機會方面的推動器作用，正在越來越受到各國政府和企業的高度重視。

但是人工智能并不是一直發展得一帆風順。1956年開始，美國就投入很多經費，希望能夠在人工智能領域獲得更多開發應用。但結果并不盡人意，很多嘗試停滯不前。

那么為什么到了這幾年，人工智能反而又火了呢？是什么讓人工智能煥發生機的？

[[389804]]

無人機編隊

讓人工智能煥發新能量的，叫做“深度神經網絡”，也叫做“復雜網絡”。復雜網絡就是比規則網絡更復雜。

在過去，人們認為網絡都是隨機形成的。然而，真實世界的絕大多數網絡并不是隨機網絡，也不是規則網絡。

有一個詞，叫做“復雜系統”，人類的大腦、城市的運行、自然生態、地球氣候都是復雜系統，復雜網絡就是對復雜系統最有效的一種描述方式。它把復雜系統的各個組成部分看作是節點，分析節點之間的交互作用。

[[389805]]

復雜網絡為研究復雜系統提供了最重要的工具和方法，在大多數情況下，只有把現實世界中的復雜系統當成復雜網絡來看待，才能獲得更好的解釋。比如，夏天的晚上，螢火蟲按照同樣的頻率閃爍；稻田里，青蛙整齊的鳴叫。這些自同步的現象之所以產生，就是因為復雜系統可以用復雜網絡的動力機制來解釋它。

舉一個例子，無人機。現代戰爭中，無人機發揮著越來越重要的作用。以前軍方可能只是單獨出動一架無人機，現在一次性出動幾十甚至上百架無人機組成編隊。這么多無人機同時起飛，怎么控制呢？怎么協調行動，防止無人機之間相撞？

按照以前的思路，是給每一架無人機配備一名控制員，遠程控制。但是你要讓這么多控制員都能配合好，也是不可能完成的任務。另一個辦法，是成立一個控制中心，統一發號施令，來控制每一架無人機的行動。但是這個系統有個問題，就是一旦控制中心發生故障，整個編隊都會受到影響。

[[389806]]

那怎么辦呢？軍隊最后想到的辦法，就是把無人機組成一個復雜網絡，讓每架無人機都成為網絡中的一個節點，它們之間的通信信道就是連接。無人機與無人機之間，可以通過實時通訊，信息共享，協同偵查和攻擊，彼此協調行動，這就是復雜網絡自組織的特征。這種自組織網絡一旦形成，就會產生奇妙的結果。

第一個是降低了成本。建造一臺智能的大型無人機，成本是非常高昂的。如果造的是功能相對簡單的數量比較多的小型無人機，成本就要少得多。

第二個具備了高度的韌性。無人機編隊是一個韌性比較高的網絡，就算有幾架無人機被敵軍擊落，這幾個節點破壞了，整個網絡仍然可以正常運轉。

第三個就是靈活性。單架無人機只能完成特定的動作，執行特定的任務。無人機編隊只要調整一下參數設置，就可以因地制宜地完成不同的任務。

[[389807]]

拐賣兒童團伙

無人機講的是人類利用知識，創造出復雜網絡。反過來，人類也會利用知識，打擊復雜網絡。

下面這個例子，只要作為父母的人，就一定非常痛恨，就是拐賣兒童。兒童拐賣在我國最高可判處死刑，可見國家對于這項犯罪的打擊。

兒童拐賣一般是團伙犯罪，被拐賣的兒童在被非法領養之前，一定會經歷多次的轉移。所以，一旦孩子被拐，能夠找回的概率是非常低的，第一個拐走孩子的罪犯，也不知道后面接頭的人是誰。以前抓到一個就重判一個，并沒有用網絡的模式去看待。

[[389808]]

2018年，武漢大學的王真等4位學者，通過抓取尋子網站“寶貝回家”上的兩萬條尋親數據，利用這些數據構建了省、市兩級的拐賣兒童犯罪網絡。

發現最重要的拐賣路徑，是從欠發達地區到東部發達地區，這些發達地區有些地域重男輕女觀念嚴重。從拐賣的距離來看，42.4%的拐賣發生在同一個城市，即便是跨城市買賣，拐賣地和非法領養地距離也相差不過500公里。這表明，相當一部分兒童拐賣都是短途或者同城買賣，并不像很多人以為把孩子買到很遠的地方。

而且，犯罪分子的網絡，還有自適應的特點。你打擊這個城市的人口拐賣團伙，他們就會轉移到另一個城市。你打擊這條鐵路干線，他們就轉移到高速公路去。

在復雜網絡的視角下，我們不僅可以找出哪些城市是關鍵節點，哪條線路是主要線路，還可以根據犯罪團伙的社會網絡，分析出他們面臨打擊時的應對方案，以及備選的拐賣路線。這樣精確的研究，才能制定出更加有效的打擊方案，達到事半功倍。

[[389809]]

人工智能自演化

回到開始的問題，人類為什么能制造出比自己聰明的東西呢？答案就是自演化。

人工智能的本質，是對人類思維過程的模擬。傳統的人工智能對人思維的模擬，走的是結構模擬的道路。就是仿照人腦的內部結構和工作機制來制造機器，但是人腦實在是太復雜了，腦科學的研究才剛剛起步，計算機又豈能復制出跟人腦一樣的復雜結構？

這條路走不通，那就換一條路，只模擬人腦的功能。機器可否像人一樣，具備學習能力，遇到了問題，自己能想辦法去解決呢？

比如AlphaGo，它采用了深度人工神經網絡。所謂的“深度”，就是分層的意思。深度人工神經網絡跟生物的大腦一樣，是分層的，總共有13層。AlphaGo在下棋的時候，會把棋局轉化為數據，輸入到第一層神經網絡，處理之后，輸出一個數據集合，再輸入到第二個神經網絡，以此類推，總共運行13次，最后計算出棋子落下的位置。

雖然科學家利用了復雜網絡的思路來模擬人腦的神經網絡，但是科學家并不知道這個神經網絡到底是怎么“思考”的。因為人工智能思考問題的方式，是通過反復的訓練，來調整參數，這個過程中充滿了大量的隨機性。

所以，科學家唯一能做的，就是給人工智能輸入大量的數據，比如他們給AlphaGo輸入了幾百萬份圍棋大師的棋譜，讓它在人工的輔助下進行有監督的學習。這些棋譜都用完之后，科學家又讓AlphaGo自己和自己對弈，生成很多我們人類也沒有見過的棋局，讓它繼續訓練，訓練得越多，AlphaGo就越厲害。

[[389810]]

據說，最新版本AlphaGo Zero，已經不需要人來教它下棋了，它通過優化神經網絡，來提升比賽能力。只需要短短3天的訓練，AlphaGo Zero就打敗了AlphaGo，戰績是100:0，百戰百勝。

這就是復雜網絡自我演化的威力，它可以自我學習、優化和迭代，變得更加強大。人工智能，就是在擁抱了復雜網絡這個視角和工具之后，才重新實現了質的飛躍。

看到這，相信你對復雜網絡有了更深的理解，我們所處的世界，很多現象都是復雜的，復雜網絡就是將這些復雜現場抽象成網絡來做研究。

從無人機的自我組織，到拐賣兒童團伙的自我適應，再到人工智能的自我演化，每一處都體現了復雜網絡的神奇之處。所以，人類賦予機器人自我學習的能力，又提供給它海量的數據支持，這個機器人比人類還聰明，就不足為奇了。