网络和AI的交叉融合发展是一个全球热点问题，近日，光明实验室于非院士团队同紫金山实验室未来网络研究中心和北京邮电大学未来网络理论与应用实验室合作，在IEEE Communications Surveys & Tutorials（IF:33.84）上发表一篇关于“互联智能（Internet of Intelligence）”的文章，从动机、层级式架构、使能技术、应用场景、挑战及发展前景等几个方面对这一交叉学科展开了系统性的介绍，旨在为新一轮网络革命提供技术支持。
毋庸置疑，互联网已成为当今世界促进经济发展和社会进步的最重要的信息基础设施。随着互联网的蓬勃发展，到了后互联网时代，也面临着越来越多的挑战，如信息爆炸、虚假信息、“Human-in-the-loop”、设计可信且具有成本效益的自主系统等。
为了应对这些挑战，需要在更大的时间范围内思考联网问题。
网络范式的演进
网络，不仅可用于获取信息，还可用于获取质量和能源。
回顾人类社会的发展史，可以发现合作是核心[1]。作为一类社会物种，人类依靠合作实现生存和繁荣。因此，如图1所示，在现代历史上，为了促进社会经济系统中的人类合作，人类发明了使质量（运输网络）、能源（能源网络）和信息（互联网）互联的技术。
图1. 网络范式的演进
运输网络：运输将有质量的东西从一个位置移动到另一个位置，也就是互联质量。在运输网络的初始阶段，人类步行运输。后来，更是发明了许多创新的运输技术，如自行车、汽车、火车等。
能源网络：能源网络是另一种颠覆性技术，是人类生存的基础，也是人类繁荣的基石。通过互联能源使人们可以轻易获得能源。能量是衡量系统引起电力变化的能力的指标，与质量之间有着密切的关系。
信息网络（互联网）：互联网旨在将信息从一个位置移动到另一个位置，以减少信息间的差异。信息网络化的实现将人类合作提升到一个新的水平。1948年，香农提出“信息熵”的概念来衡量信息的状态。
人工智能的演进
图2. 人工智能的演进
AI作为计算机科学的一个分支研究方向，从诞生到现在已经经历了70多年的发展。图2给出了AI的发展过程的示意图。在过去的几十年里，它取得了很多进步和成就，但也经历了挫折和坎坷。即使当前的AI比历史上任何时期都更接近人类智能水平，但这种自动化在严格意义上与人类智能仍有很大差距。
（1）1940-1970——AI的诞生：AI的诞生获得了前所未有的关注，这一阶段的研究工作集中在传统AI问题上，如基于逻辑和启发式算法的方法推理。然而，由于大量投入并没有收到预期的效果，AI在1974年至1980年迎来了第一个寒冬。
（2）1980-1990——专家系统：随着20世纪70年代末第一批微处理器的出现，AI再次引起人们的注意，并与专家系统密切相关。专家系统是指为特定目的而构建的系统，其中智能被嵌入在工具中，并且有关其操作的知识在系统规范中是公开可用的。然而，由于专家系统将智能狭义地定义为抽象推理，与模拟真实世界复杂性的能力相去甚远，1990年代AI再次进入寒冬。
（3）2010年至今——基于海量数据、算法和算力的全新绽放：自2010年以来，由于AlphaGO等大量成功案例的涌现，AI再次成为热点。与专家系统不同，当今AI浪潮的关键要素是系统的学习能力。两种技术在其中发挥着重要作用，即神经网络和深度学习。然而，在实际应用中，由于隐私和资源限制，系统可能无法获得高质量的训练数据。此外，与先验知识的融合、可解释性也是深度学习中的关键问题。
互联智能（Internet of Intelligence）的提出，网络和AI看似无关，却在实际应用中相互融合、相互促进和相互影响。
图3. 数据、信息与智能关系示意图
网络需要智能：
为解决当前信息网络范式中存在的挑战，未来联网范式离不开智能。图3解释了数据、信息和智能之间的概念关系，智能是信息的进一步价值提取。通过AI技术从海量的信息源中提取智能，并将其融入到网络中，使智能能够被存储、传输和共享，从而能有效减轻网络中的信息冗余。区块链技术的采用可有效地增强网络安全和隐私问题，从而促进智能共享、分布式智能、集体学习和决策信任。通过构建智能化的“Human-on-the-loop”网络运营管理也有望增强网络的鲁棒性，实现对网络事件的动态快速响应。此外，融合智能的网络将具备自配置、自组织和自适应的能力，从而有效支持自主驾驶等可靠且具有成本效益的自主系统的开发。
智能需要网络：
同时，未来智能的发展也离不开网络。当前大多数AI工作都聚焦单智能体的训练，需要依赖大量预定义的本地环境数据集。随着互联网数据的爆炸性增长，这种中心化的AI架构受限于本地计算能力和存储能力，训练的模型的泛化能力有待提高。此外，实际场景中的许多系统要么过于复杂无法在固定的预定义环境中正确建模，要么动态变化。当前AI仍然与人类学习仍然相去甚远。人类学习需要更少的数据集，并且在适应新环境方面更加灵活。集体学习是人类能够在生物圈中发挥主导作用的决定性特征，而在当前的AI系统中很难做到这一点。通过互联智能，可以实现分布式智能、智能存储、智能共享，进一步拉近AI与人类智能的界限，显着提高智能训练效率，更有效地模仿现实世界环境。
互联智能（Internet of Intelligence）：
从网络范式的演进历史可以发现，三大网络范式都可以通过移动“某物”（例如质量、能源或信息）来减少与“某物”之间的差距，从而通过共享“某物”来促进人类合作。此外，还可以得出网络范式的演进模式：新的网络范式建立在现有范式的基础上，但提供了更高层次的抽象。例如，能源衡量质量移动的速度，而信息衡量能源传输的程度。因此，联合团队提出互联智能（Internet of Intelligence）将是一种新兴的网络范式，使智能如质量、能源和信息一般易于获取。
图4. 互联智能（Internet of Intelligence）系统架构
本文提出的互联智能（Internet of Intelligence）分层架构如图4所示，由物理资源层、资源虚拟化层、信息层、智能层和应用层5层组成：物理资源层涵盖互联智能（Internet of Intelligence）的各种底层物理资源，如通信、缓存、计算和感知资源，是系统架构的基础支撑；物理资源层之上是资源虚拟层，将基础设施资源通过虚拟化技术抽象为逻辑资源以实现其灵活调度；信息层支持智能数据处理以提取有价值的信息，并将其传输到智能层；智能层聚合各类信息，利用AI、区块链和大数据分析等技术提取智能；应用层通过各种标准化接口实现应用程序的动态部署和管理。与前三种网络范式一样，互联智能（Internet of Intelligence）网络范式有望有效帮助解决当前社会经济体系中的挑战，并对人类日常生活产生重大影响。
结语
构建互联智能（Internet of Intelligence）生态体系将成为世界科技发展的重要课题。虽然还有很多问题有待全球科技工作者共同攻关，但在互联智能（Internet of Intelligence）的引领下，可以预见，在不久的将来，互联智能（Internet of Intelligence）必将再次重塑人类的未来。
图5. 互联智能（Internet of Intelligence）论文的组织结构
如图5所示，联合团队在该论文中通过对互联智能（Internet of Intelligence）的动机、层级式架构展开了探讨，分析了推动其发展的关键使能技术和典型应用场景，阐述了互联智能（Internet of Intelligence）在演进过程中面临的主要挑战和未来发展前景，最终形成一体化融合的智联社会。北京邮电大学博士后唐琴琴是本文的第一作者，北京邮电大学、紫金山实验室未来网络研究中心谢人超教授是本文的通信作者。该工作得到了国家自然科学基金委、北京市自然科学基金委以及人工智能与数字经济广东省实验室（深圳）的资助。
