不知道大家有没有想过，为什么人类可以创造出比自己更聪明的东西呢？你一定想到这个东西，它就是人工智能。2016年，AlphaGo战胜人类围棋世界冠军李世石，向世界宣告了机器人时代的到来。2019年，全国共有344所高校开设了人工智能相关专业。人工智能因其在提高效率和发现机会方面的助推器作用，越来越受到各国政府和企业的重视。但人工智能并不总是一帆风顺。从1956年开始，美国投入了大量资金，希望在人工智能领域获得更多的开发和应用。但结果并不尽如人意，许多尝试都搁浅了。那么为什么人工智能在近几年又重新火起来了呢？是什么让人工智能走进生活？无人机编队让人工智能焕发出新的能量，这就是所谓的“深度神经网络”，也被称为“复杂网络”。复杂网络比常规网络更复杂。过去，人们认为网络是随机形成的。然而，现实世界中的绝大多数网络既不是随机的也不是规则的。有一个词叫“复杂系统”。人脑、城市运行、自然生态、地球气候，都是复杂的系统。复杂网络是描述复杂系统的最有效方式。它将复杂系统的各个组成部分看作一个节点，分析节点之间的相互作用。复杂网络为研究复杂系统提供了最重要的工具和方法。在大多数情况下，只有将现实世界中的复杂系统视为复杂网络才能得到更好的解释。例如，在夏日的夜晚，萤火虫以相同的频率闪烁；稻田里，蛙声齐鸣。这些自同步现象的出现是因为复杂的系统可以用复杂网络的动力学来解释。以无人机为例。在现代战争中，无人机发挥着越来越重要的作用。以往军方可能只单独出动一架无人机，而现在一次出动数十架甚至上百架无人机组成编队。这么多无人机同时起飞，如何控制？如何协调行动以防止无人机之间发生碰撞？按照之前的思路，就是给每架无人机配备一个控制器，进行远程控制。但是想要这么多的控??制器配合好，也是不可能完成的任务。另一种方式是设立一个控制中心，统一下达命令，控制每架无人机的动作。但是这套系统有个问题，那就是一旦控制中心出现故障，整个阵型都会受到影响。那我们该怎么办呢？军队想出的最后一个解决方案是将无人机组成一个复杂的网络，让每一架无人机成为网络中的一个节点，它们之间的通信通道就是连线。无人机与无人机之间可以通过实时通信、信息共享、协同侦察与攻击等方式相互协调行动，这是复杂网络自组织的特点。一旦形成，这种自组织网络可以产生奇妙的结果。首先是降低成本。建造一架智能大型无人机的成本非常高。如果大量建造功能相对简单的小型无人机，成本会低很多。第二个具有高度的韧性。无人机编队是一个具有高弹性的网络。即使有几架无人机被敌人击落，这些节点被摧毁，整个网络仍然可以正常运行。第三是灵活性。单架无人机只能完成特定的动作，执行特定的任务。无人机编队只要调整好参数设置，就可以因地制宜完成不同的任务。贩卖儿童无人机是关于人类利用知识创建复杂网络的。反过来，人类将利用知识来攻击复杂的网络。下面这个例子，只要是为人父母的，一定很痛恨，这是拐卖儿童。拐卖儿童在我国是可以判处死刑的，可见国家对这种犯罪的严厉打击。拐卖儿童一般属于团伙犯罪，被拐卖的儿童在被非法收养前必须经过多次转移。所以，孩子一旦被拐走，能够找到的概率很低。第一个拐走孩子的罪犯不知道下一个是谁。以前抓到一个重判，网络模式下不看一个。2018年，武汉大学王震等4位学者在寻童网站“宝宝回家”上抓取了2万条亲属寻踪数据，并利用这些数据构建了省市拐卖儿童犯罪网络。结果发现，最主要的走私路线是从欠发达地区到东部发达地区。这些发达地区的一些地区存在着严重的重男轻女观念。从贩卖距离来看，42.4%的贩卖发生在同城。即使是跨城市交易，拐卖地与非法收养地的距离也不超过500公里。这说明，相当一部分拐卖儿童是近距离或同城交易，并不像很多人认为的孩子是远距离买来的。而且，犯罪网络具有自适应的特点。你在这个城市打击人口贩卖团伙，他们搬到另一个城市。你打了这条主要铁路线，他们搬到了高速公路。从复杂网络的角度，不仅可以找出哪些城市是关键节点，哪些路线是主要路线，还可以分析犯罪团伙的社交网络，分析其面临打击时的对策，以及备选的贩运路线.这样精准的研究才能制定出更有效的打击方案，达到事半功倍的效果。人工智能的自我进化又回到了最初的问题，为什么人类可以创造出比自己更聪明的东西？答案是自我进化。人工智能的本质是模拟人类的思维过程。传统人工智能对人类思维的模拟走的是结构模拟的路径。就是模仿人脑的内部结构和工作机制来制造机器，但是人脑太复杂了，脑科学的研究才刚刚起步。计算机如何复制与人脑相同的复杂结构？如果这条路不行，那就换一条路，只是模拟人脑的功能。机器能不能像人一样有学习的能力，遇到问题能不能想办法解决呢？比如AlphaGo，它使用的是深度人工神经网络。所谓“深度”，就是分层。深度人工神经网络像生物大脑一样分层，共有13层。AlphaGo下棋时，会将棋局转化为数据，输入到第一层神经网络，经过处理后，输出一个数据集，再输入到第二层神经网络，以此类推，共运行的13次，最后计算出兵落的位置。虽然科学家们用复杂网络的思想来模拟人脑的神经网络，但科学家们并不知道这个神经网络是如何“思考”的。因为人工智能思考问题的方式是通过反复训练来调整参数，而这个过程充满了很多的随机性。因此，科学家们唯一能做的就是向人工智能输入大量数据。例如，他们将数百万围棋高手的围棋记录输入到AlphaGo中，让它在人工辅助下进行监督学习。这些棋谱全部用完之后，科学家们让AlphaGo和自己对弈，生成很多我们人类从未见过的棋局，让它继续训练。你训练得越多，AlphaGo就会越强大。据说最新版的AlphaGoZero已经不需要人教它下棋了。它通过优化神经网络来提高游戏能力。在短短3天的训练中，AlphaGoZero以100:0的战绩战胜了AlphaGo，百战百胜。这就是复杂网络自我进化的力量，它可以自己学习、优化和迭代，变得更强大。人工智能只有在拥抱了复杂网络的视角和工具之后，才实现了质的飞跃。看到这里，相信你对复杂网络有了更深的理解。在我们生活的世界中，许多现象都很复杂。复杂网络将这些复杂的场景抽象成网络进行研究。从无人机的自组织，到拐卖团伙的自适应，再到人工智能的自我进化，复杂网络的魔力无处不在。因此，人类赋予机器人自主学习的能力，并为其提供海量数据支持也就不足为奇了。这个机器人比人类更聪明。
