回顾生命进化史，生物多数以群居为主，例如人类、蚂蚁等。在自然界中，由群居而涌现出的群体智能现象无处不在。对群体智能研究的起源是人类对群体性生物行为的观察，“微躯所馔能多少，一猎归来满後车”，描写了蚁群所产生的远超越单个蚂蚁的群智行为；“两个黄鹂鸣翠柳，一行白鹭上青天”，表现了候鸟迁徙飞行时的群智行为特征。可见，人类对群体智能的观察与探索源远流长。

“群体智能”一词最早在1989年由 Gerardo 和Jing Wang，针对电脑屏幕上细胞机器人的自组织现象所提出。早期，大部分学者将其定义为：群体智能（Swarm Intelligence）是具有分布控制、去中心化特点的自组织智能行为。它是智能形态高级的表现方式之一。如今，其作为我国新一代人工智能重点发展的五大智能形态之一，在推动我国新一代人工智能技术发展中占据重要地位。因此，对于群体智能的探究具有极强的战略意义和科研价值。在各项人工智能技术蓬勃发展的新时代，群体智能又有了新的表现形式，主要可分为自上而下有组织的群智行为和自下而上自组织的群智涌现。

一是自上而下有组织的群智行为，这种表现形式形成一种分层有序的组织架构。战场上的军队，没有组织领导便群龙无首成了乌合之众，当有了自上而下的组织调度，便表现出极强的战斗力。例如美国国防部高级研究计划局（DARPA）开展的“进攻性蜂群战术”（OFFSET）项目，其分为上层任务部署、中间层战术决策和底层元子算法等层次化结构。该项目已经突破了一系列群智激发汇聚机理、态势意图推理、决策和对抗等技术，实现了群体对抗中的自上而下的群智行为。同时，美国的Loyal Wingman和CODE 项目同样在自上而下有组织的群智行为展开研究。层次化的群智组织形式，为很多极具挑战性、复杂性问题提供了崭新的解决方案和思路。

二是自下而上自组织的群智涌现，群体可以涌现出个体不具有的新属性，而这种新属性正是个体之间综合作用的结果。在科学理论中，1+1大于2，或者1xN>N的情况非常普遍。自然界中微观个体之间相互作用，往往不是简单线性关系的叠加，而是复杂非线性动态过程的迭代，从而使自然界呈现出复杂系统所展现出的不可推导性和不可预测性。“涌现”已被认为是与演绎、归纳相提并论的第三种智能产生范式。因此，对于群智现象，我们既要从宏观生物表现出的群智水平加以分析，又要从微观个体中对群智涌现的机理追根溯源。例如，科学家受到蚁群觅食、蚁群搬家群等这类群智行为的启发，创建了AOC（Ant colony optimization）即蚁群优化算法，该算法现被广泛应用到经济、社会等各个方面。此外，蜂群、鸟群、磷虾群等，都可以通过遵循简单的行为规则，涌现出宏观上复杂的智能行为，如大雁迁徙、羊群效应、磷虾汇聚等，通过分析这些群智行为的机理所产生的理论，广泛应用于经济、社会等学科。

将以上群体智能的能力赋予给大规模的无人机、无人车，形成一个跨域异构的、多功能的无人自主集群系统，其价值不可估量。

中科院自动化研究所飞行器智能技术团队就致力于此方面的研究。该团队构建了多无人智能集群演示验证平台。此平台依靠无人集群显著的规模效应，以低成本、高度分散的形式满足任务功能需求，并针对复杂环境进行自主协同规划、多机多域协同对抗以及动态自适调整。该平台的技术体系可应用于区域仓储物流、城市安防、突发灾害抢险救援等领域，具有广阔的应用前景。

但是，要想真正意义上让群体智能走进生活、服务社会，要突破的关键性技术还有很多，要闯的基础理论无人区还有很多。例如如何理解群体智能中群智行为和群智涌现的作用机理，形成具有普适性的可解释理论；如何解决群体智能系统的鲁棒性问题，形成具有强稳定性的无人自主进化平台；如何提高群体之间的通信、导航以及数据处理能力，形成高效率、高精度的集群组网系统等问题。

针对上述问题，飞行器智能技术团队以研发可自主进化的群体智能系统为目标，系统开展集群行为要素与群智激发汇聚机理建模、知识和数据协同驱动的群体智能实时推理与决策、自主协同控制与稳定性机理等方面研究，融合规则知识、已有算法和模型等知识驱动方法以及深度强化学习、演化计算等数据驱动方法，实现群体的智能自主进化。此外，在应用层面，该团队还开发了虚实融合的集群验证系统，包括数字域的仿真系统和物理域的无人机、无人车集群验证系统，以及构成底层支撑的自动驾驶仪、控制软件等核心软硬件模块，并针对典型任务和部分实际场景开展了应用验证。

但是，国内外对群体智能作用机理研究多数处在起步阶段。未来，飞行器智能技术团队将秉着“路漫漫其修远兮，吾将上下而求索”的决心，致力于群智行为基础模型构建与训练、多智能体系统群智实时推理与对抗、大规模集群行为稳定性机理分析、虚实融合的群智迭代进化范式等科学问题的研究和应用推广，实现关键技术的突破，让群体智能助力新一轮人工智能的发展。

来源：中国科学院自动化研究所