不知道你想过没有，人类为什么能制造出比自己更聪明的东西呢？这个东西你一定想到，就是人工智能。在2016年，AlphaGo战胜了人类围棋世界冠军李世石，就已经向世人宣告机器人时代的到来。
2019年，中国有344座高校开办了人工智能相关的专业，人工智能因为推动效率提高和发掘机会方面的推动器作用，正在越来越受到各国政府和企业的高度重视。
但是人工智能并不是一直发展得一帆风顺。1956年开始，美国就投入很多经费，希望能够在人工智能领域获得更多开发应用。但结果并不尽人意，很多尝试停滞不前。
那么为什么到了这几年，人工智能反而又火了呢？是什么让人工智能焕发生机的？
无人机编队
让人工智能焕发新能量的，叫做“深度神经网络”，也叫做“复杂网络”。复杂网络就是比规则网络更复杂。
在过去，人们认为网络都是随机形成的。然而，真实世界的绝大多数网络并不是随机网络，也不是规则网络。
有一个词，叫做“复杂系统”，人类的大脑、城市的运行、自然生态、地球气候都是复杂系统，复杂网络就是对复杂系统最有效的一种描述方式。它把复杂系统的各个组成部分看作是节点，分析节点之间的交互作用。
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，只有把现实世界中的复杂系统当成复杂网络来看待，才能获得更好的解释。比如，夏天的晚上，萤火虫按照同样的频率闪烁；稻田里，青蛙整齐的鸣叫。这些自同步的现象之所以产生，就是因为复杂系统可以用复杂网络的动力机制来解释它。
举一个例子，无人机。现代战争中，无人机发挥着越来越重要的作用。以前军方可能只是单独出动一架无人机，现在一次性出动几十甚至上百架无人机组成编队。这么多无人机同时起飞，怎么控制呢？怎么协调行动，防止无人机之间相撞？
按照以前的思路，是给每一架无人机配备一名控制员，远程控制。但是你要让这么多控制员都能配合好，也是不可能完成的任务。另一个办法，是成立一个控制中心，统一发号施令，来控制每一架无人机的行动。但是这个系统有个问题，就是一旦控制中心发生故障，整个编队都会受到影响。
那怎么办呢？军队最后想到的办法，就是把无人机组成一个复杂网络，让每架无人机都成为网络中的一个节点，它们之间的通信信道就是连接。无人机与无人机之间，可以通过实时通讯，信息共享，协同侦查和攻击，彼此协调行动，这就是复杂网络自组织的特征。这种自组织网络一旦形成，就会产生奇妙的结果。
第一个是降低了成本。建造一台智能的大型无人机，成本是非常高昂的。如果造的是功能相对简单的数量比较多的小型无人机，成本就要少得多。
第二个具备了高度的韧性。无人机编队是一个韧性比较高的网络，就算有几架无人机被敌军击落，这几个节点破坏了，整个网络仍然可以正常运转。
第三个就是灵活性。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一下参数设置，就可以因地制宜地完成不同的任务。
拐卖儿童团伙
无人机讲的是人类利用知识，创造出复杂网络。反过来，人类也会利用知识，打击复杂网络。
下面这个例子，只要作为父母的人，就一定非常痛恨，就是拐卖儿童。儿童拐卖在我国最高可判处死刑，可见国家对于这项犯罪的打击。
儿童拐卖一般是团伙犯罪，被拐卖的儿童在被非法领养之前，一定会经历多次的转移。所以，一旦孩子被拐，能够找回的概率是非常低的，第一个拐走孩子的罪犯，也不知道后面接头的人是谁。以前抓到一个就重判一个，并没有用网络的模式去看待。
2018年，武汉大学的王真等4位学者，通过抓取寻子网站“宝贝回家”上的两万条寻亲数据，利用这些数据构建了省、市两级的拐卖儿童犯罪网络。
发现最重要的拐卖路径，是从欠发达地区到东部发达地区，这些发达地区有些地域重男轻女观念严重。从拐卖的距离来看，42.4%的拐卖发生在同一个城市，即便是跨城市买卖，拐卖地和非法领养地距离也相差不过500公里。这表明，相当一部分儿童拐卖都是短途或者同城买卖，并不像很多人以为把孩子买到很远的地方。
而且，犯罪分子的网络，还有自适应的特点。你打击这个城市的人口拐卖团伙，他们就会转移到另一个城市。你打击这条铁路干线，他们就转移到高速公路去。
在复杂网络的视角下，我们不仅可以找出哪些城市是关键节点，哪条线路是主要线路，还可以根据犯罪团伙的社会网络，分析出他们面临打击时的应对方案，以及备选的拐卖路线。这样精确的研究，才能制定出更加有效的打击方案，达到事半功倍。
人工智能自演化
回到开始的问题，人类为什么能制造出比自己聪明的东西呢？答案就是自演化。
人工智能的本质，是对人类思维过程的模拟。传统的人工智能对人思维的模拟，走的是结构模拟的道路。就是仿照人脑的内部结构和工作机制来制造机器，但是人脑实在是太复杂了，脑科学的研究才刚刚起步，计算机又岂能复制出跟人脑一样的复杂结构？
这条路走不通，那就换一条路，只模拟人脑的功能。机器可否像人一样，具备学习能力，遇到了问题，自己能想办法去解决呢？
比如AlphaGo，它采用了深度人工神经网络。所谓的“深度”，就是分层的意思。深度人工神经网络跟生物的大脑一样，是分层的，总共有13层。AlphaGo在下棋的时候，会把棋局转化为数据，输入到第一层神经网络，处理之后，输出一个数据集合，再输入到第二个神经网络，以此类推，总共运行13次，最后计算出棋子落下的位置。
虽然科学家利用了复杂网络的思路来模拟人脑的神经网络，但是科学家并不知道这个神经网络到底是怎么“思考”的。因为人工智能思考问题的方式，是通过反复的训练，来调整参数，这个过程中充满了大量的随机性。
所以，科学家唯一能做的，就是给人工智能输入大量的数据，比如他们给AlphaGo输入了几百万份围棋大师的棋谱，让它在人工的辅助下进行有监督的学习。这些棋谱都用完之后，科学家又让AlphaGo自己和自己对弈，生成很多我们人类也没有见过的棋局，让它继续训练，训练得越多，AlphaGo就越厉害。
据说，最新版本AlphaGo Zero，已经不需要人来教它下棋了，它通过优化神经网络，来提升比赛能力。只需要短短3天的训练，AlphaGo Zero就打败了AlphaGo，战绩是100:0，百战百胜。
这就是复杂网络自我演化的威力，它可以自我学习、优化和迭代，变得更加强大。人工智能，就是在拥抱了复杂网络这个视角和工具之后，才重新实现了质的飞跃。
看到这，相信你对复杂网络有了更深的理解，我们所处的世界，很多现象都是复杂的，复杂网络就是将这些复杂现场抽象成网络来做研究。
从无人机的自我组织，到拐卖儿童团伙的自我适应，再到人工智能的自我演化，每一处都体现了复杂网络的神奇之处。所以，人类赋予机器人自我学习的能力，又提供给它海量的数据支持，这个机器人比人类还聪明，就不足为奇了。
