沙丁魚也是AI和大資料的“導師”

2005年， 《科學》雜誌曾列出25個最重要的科學問題， 其中的一個問題就是：如何在競爭激烈的環境下維持穩定的群體協作？

我們知道， 在現實世界中， 一個個體能發揮的力量非常有限， 因此很多目標或事件往往需要通過群體協作來完成。 比如說， 壯觀的沙丁魚群集體洄游場面就是一場震撼的群體協作行為。 此外， 無人機編隊系統作戰、複雜場景的綜合監控、顛覆性技術的更新、資訊的受眾推送等都是群體協作的結果。 十幾年過去了， “如何在競爭激烈的環境下維持穩定的群體協作”這個問題依然是當今最具挑戰的科學難題之一。

而隨著個體行為日趨複雜化和社會經濟活動日趨多元化的交互演變， 網路技術、大資料技術、人工智慧技術等這些技術的發展極大地改變了個體的行為決策模式和認知過程， 這也對傳統群體協作觀念造成了很大的衝擊。

近日， 中國科學院西安光機所李學龍研究員與合作者研究了資料驅動下群體協作的新型演化特點。

圖1：沙丁魚群集體洄游、螞蟻集體運輸食物、無人機編隊完成空中任務、導彈部隊系統作戰都是群體協作的表現。 群體協作在生活、生產、科技和軍事中都有重要作用。

我們先來瞭解一下傳統的群體協作是什麼樣的。 傳統的混合群體是指每個個體可以等概率的方式和任何個體進行作用，

因此個體的相互作用沒有固定的網路拓撲。 而我們是根據現實經驗引入的“網路群體”， 即個體相互作用的對手是固定的， 呈現出特定的網路拓撲結構。 簡單來說， 混合群體的隨機性非常大， 而網路群體更具有針對性（更接近真實人群的拓撲作用特徵）， 相互之間的關係也較為明確， 因此網路群體的行為決策更具有大規模資料背景下群體決策的顯著意義。

那麼， “網路群體”的行為決策有什麼特點呢？科學家們用“協作”和“非協作”兩種決策， 反復進行博弈， 來產生行為決策的結構化大資料， 然後對這些資料進行分析。

科學家們發現， 相比於混合群體， 資訊網路將極大地提升個體之間的相似度， 也就是說，

看到周圍人做什麼， 身在網路中的個體會更多參考和趨同于周圍人的做法， 進而更新自己的決策。 這時候， 處於劣勢的單個協作者就自發的聚在一起形成網路團簇， 從而保持更高、更穩定的群體協作水準。 可以這麼說， 網路化作用可以最大限度地優化群體協作的效率。 這一現象被稱為“網路互惠”。

此外， 科學家們進一步發現， 網路化作用還可以導致群體協作的效率與優化所需花費相關性發生根本性的轉變：網路群體可將混合群體中二者之間的正相關性轉變為負相關性（即網路群體協作效率的提高僅需更小的優化代價）。 為了更好的解釋這個問題， 科學家還將中性的“懲罰”作為第三種策略引入到資訊網路中。

這種新的策略選擇將會在一定程度上降低網路決策中的相似度， 增加群體協作優化的花費， 從而破壞此前已形成的群體協作團簇， 降低網路互惠的功效。 也就是說， 當懲罰措施引入以後， 網路中某些個體不加思索或稍微不慎地實施懲罰會在一定程度打破人們已形成的學習和認知模式， 引發更多個體的顧慮， 從而破壞已經形成的協作氛圍。

圖2：行為決策演化示意圖。 最上面一行是混合群體， 我們可以看到， 隨著時間的推進， 合作者小藍人的數量越來越少， 而投機對抗者小紅人的數量越來越多， 而且每個小人之間的關係發生了複雜混亂的變動， 這表明混合種群不利於群體協作。 中間一行是網路群體， 因為固定作用拓撲的存在， 資訊可以快速在鄰居個體間傳遞， 從而促使處於劣勢的小藍人抱團形成網路團簇， 以便更有效地以集體形式對抗與抵制紅色投機者。 但最後一行將懲罰引入網路種群， 懲罰的不慎使用便破壞了已有的合作團簇， 從而使對抗更有利於投機者。

該研究成果為很多社會、科技、軍事、經濟問題提供了一定的科學依據。人們寄希望於通過群體協作來解決可能存在的網路資訊洩露、交通日益擁堵、金融系統不穩定等等這些棘手問題。

剛才我們提到，網路化作用可以極大地優化群體協作的效率。在交通問題中，在交通道路和導航資訊織成的網路中，遵守文明並道、人車互相禮讓、積極搭乘公共交通等群體協作模式才是解決交通擁堵問題的根本所在。而在國際貿易問題中，世界各國在貿易領域建立了固有的網路聯繫，有效的促進了全球貿易的發展。但是，當某些個體或某些國家為了自身利益對其他個體或國家實施懲罰時，必然會引發對方的報復和對抗，從而破壞原有的合作模式。

此外，對於網路群體行為決策的研究也為未來的人工智慧和大資料分析等研究指明了新的方向，比如“群體智慧”。我們可以將行為決策大資料和腦認知大資料緊密結合，運用統計學和機器學習的方法，從根本上揭示行為決策的差異，以及預測群體行為的發展趨勢，並最終控制群體行為，為社會的和諧、穩定、健康、繁榮發展提供保障。

相關成果以 Punishmentdiminishes thebenefits of network reciprocity in social dilemma experiments （資訊網路可有效解決群體協作問題，但懲罰降低其效率）為題，於近日線上發表在《美國科學院院刊》（PNAS）。

該研究成果為很多社會、科技、軍事、經濟問題提供了一定的科學依據。人們寄希望於通過群體協作來解決可能存在的網路資訊洩露、交通日益擁堵、金融系統不穩定等等這些棘手問題。

剛才我們提到，網路化作用可以極大地優化群體協作的效率。在交通問題中，在交通道路和導航資訊織成的網路中，遵守文明並道、人車互相禮讓、積極搭乘公共交通等群體協作模式才是解決交通擁堵問題的根本所在。而在國際貿易問題中，世界各國在貿易領域建立了固有的網路聯繫，有效的促進了全球貿易的發展。但是，當某些個體或某些國家為了自身利益對其他個體或國家實施懲罰時，必然會引發對方的報復和對抗，從而破壞原有的合作模式。

此外，對於網路群體行為決策的研究也為未來的人工智慧和大資料分析等研究指明了新的方向，比如“群體智慧”。我們可以將行為決策大資料和腦認知大資料緊密結合，運用統計學和機器學習的方法，從根本上揭示行為決策的差異，以及預測群體行為的發展趨勢，並最終控制群體行為，為社會的和諧、穩定、健康、繁榮發展提供保障。

相關成果以 Punishmentdiminishes thebenefits of network reciprocity in social dilemma experiments （資訊網路可有效解決群體協作問題，但懲罰降低其效率）為題，於近日線上發表在《美國科學院院刊》（PNAS）。