群智协同计算：研究进展与发展趋势

群智协同计算：研究进展与发展趋势大规模的互联网用户群体不仅是各类应用服务的使用者，更是网络空间大数据和应用服务的贡献者，其构成了支撑大量成功应用的群智资源。在此基础上发展出一种新型的计算模式，我们称之为群智协同计算，其核心在于对开放网络环境下的群智资源进行有效管理和协同利用以实现群体智能的最大化。来自人工智能、大数据、计算机协同工作和人机交互等领域的研究人员从不同的学术视角对此开展了研究，提出了众包、人计算、群体智能和社会计算等研究方向，同时工业界也推出了大量支撑群智协同的平台与应用。从技术上看，群智协同计算在协同计算的基础上融合了大数据、统计机器学习等人工智能新技术。本报告总结了群智协同计算的主要研究问题，对国内外的最新研究进展进行了综述和对比分析，并对该方向未来的发展趋势和主要科学问题进行了展望。国内研究进展近年来，国内的学术界对互联网上涌现的群智协同现象十分关注，从人工智能、软件开发、大数据处理和协同计算等多个角度开展了大量的研究，特别是相关方向得到了国家的高度重视，已经列入国家重大科技计划。北京航空航天大学李未院士等提出推进“群体智能”相关研究，被列入2016年中国工程院发布的《中国人工智能2.0计划》，并成为国家“科技创新2030”重大计划的重要内容。在此背景下，2017年7月国务院印发新一代人工智能发展规划，目标是初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元，其中明确对群体智能的研究进行了规划：在基础理论方面，群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法，建立可表达、可计算的群智激励算法和模型，形成基于互联网的群体智能理论体系；在关键技术方面，重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术，建立群智知识表示框架，实现基于群智感知的知识获取和开放动态环境下的群智融合与增强，支撑覆盖全国的千万级规模群体感知、协同与演化；在创新平台方面，群体智能服务平台重点建设基于互联网大规模协作的知识资源管理与开放式共享工具，形成面向产学研用创新环节的群智众创平台和服务环境。在软件开发方面，北京航空航天大学的李未院士早在几年前就提出开展群体软件工程的研究。围绕群体软件工程的研究，国家自然科学基金委、科技部等先后立项了多个群智化软件开发方法的重大/重点项目。北京理工大学的梅宏院士牵头承担了基金委重大项目“基于互联网群体智能的软件开发方法”，依托北京理工大学、北京大学、国防科学技术大学、南京大学和北京航空航天大学组成的核心团队重点突破互联网环境下面向软件开发的群体智能的形成、度量与调控的机理机制等关键科学问题，建立互联网环境下以大规模群体协同、智力汇聚、信誉追踪、持续演化为基本特征的新型软件开发模式。国防科学技术大学的王怀民教授牵头承担了国家863计划重点项目可信的国家软件资源共享与协同生产环境，带领国防科学技术大学、北京大学、北京航空航天大学和中科院软件所等构成的核心团队，突破了一系列软件开发的群体化方法，并完成了大型群体化软件平台Trustie的研制，开展了大规模的应用实践，相关成果获得2015年国家技术发明二等奖。在大数据方面，清华大学的刘云浩教授提出群智感知计算，借助大规模的用户群体实现大范围的数据收集与感知，西北工业大学於志文教授和上海交通大学的朱燕民教授等在群智感知方面均开展了大量的研究工作。清华大学的李国良副教授带领的团队在基于众包的数据管理方面开展了大量研究，并且构建了众包任务处理平台ChinaCrowd。此外，香港科技大学的陈雷教授、北京航空航天大学的童咏昕副教授在时空数据众包管理方面做出了一系列高水平的成果，所研发的gMission平台得到了国际社会的关注。北京航空航天大学的怀进鹏院士、刘旭东教授和孙海龙副教授等围绕数据标注和知识获取等问题提出了一系列众包工人能力评估与结果汇聚方法，改进了众包任务的处理质量。在协同计算领域，复旦大学顾宁教授团队和兰州大学胡斌教授团队近年来在群智协同创作研究领域取得了较为突出的研究成果。复旦大学顾宁教授团队的研究重点关注群智社区协同创作质量控制策略和面向弱势群体的群智协同创作行为分析及系统设计。在群智社区协同创作质量控制策略研究方面，其团队先后研究了在线问答社区中的协同编辑功能给在线问答社区用户协同创作带来的优势和缺陷、在线协作项目的同行评审过程中各类冲突管理方式的有效性等。而在面向弱势群体的群智协同创作行为分析及系统设计研究方面，其团队重点研究了影响老年人、残疾人等弱势群体融入社会、参与社会协作的因素，并提出了相应的系统设计策略。代表性的研究有中国背景下的老人DIY和创客文化、影响老人使用ICT参与协同创作的因素、残疾人互助行为对残疾人群体融入社会、参与社会协作的作用以及抑郁症病人认知、治疗和社会参与影响因素等。兰州大学胡斌教授团队的研究主要围绕用户在参与群智协同创作过程中存在的潜在抑郁风险和面向脑电数据的情绪分析展开。在群智协同用户潜在抑郁风险预警研究方面，其团队着重分析轻度抑郁症患者的认知行为表现和认知功能障碍，通过研究抑郁症患者与正常人群在面部表情刺激过程中产生的脑电活动以期促进轻度抑郁症的早期检测，同时提出了基于语言类型和情绪的新的抑郁症检测方法（STEDD），以促进抑郁疾病患者的康复进程，增强其社会参与及社会协作能力。在群智协同用户情感分析研究方面，其团队根据一个增强的脑电数据情绪分析系统研究脑电数据和情绪状态间的相关性，另外深入探究了生理信号作为多目标情感识别的可靠途径的潜力。通过上述研究，实现对于用户在群智协同过程中的情绪捕捉和情感分析。华南师范大学的汤庸教授及其研究团队多年来从事学术社交网络与协同计算的科研工作,并创建了著名的学术协同平台“学者网”，提供一个面向学者的社交网络和教学科研协作平台，其主要功能有个人空间、学术圈、科研团队网站、课程教学平台、学术搜索门户与大数据服务等。目前，学者网已经拥有五万余真实学者用户，这些用户遍布多个国家和地区，用户研究领域覆盖二十几个专业领域。其用户数量大、质量高，为众包协作的应用与发展提供了非常良好的社交环境和研究氛围。东南大学蒋嶷川教授研究团队研究了社交网络中复杂任务众包的团队形成问题，在这种情况下请求者通常希望聘请一群具有社会关系且可以一起工作的工人。现有的社会团队众包方法主要集中在社会福利最大化的部分，而忽视了工人的策略行为。在实际的众包市场中员工为了最大限度追求自身利益而自私自利，而在传统的研究中通常会鼓励这种行为，从而影响其他工人的参与。蒋嶷川教授的研究团队提出了一种基于诚实行为保证每个工人最优利益的团队行程机制，该机制对于众包系统的成功至关重要，同时，分别为小规模和大规模的社会团队众包应用开发了两种有效的真实机制（truthfulmechanism），针对众包任务的激励机制，设计节俭机制以最低限额采购所需服务来解决低预算问题，设计了两种机制来提供参与的激励并最小化请求者使用的支付，还研究了非协同社交网络中有效的众包团队建立机制。此外，在支持群智协同创作的交互设计方面，国内研究尚处于起步阶段，清华大学、北京大学、中科院等科研院所取得了一定的研究成果。文献[92]探究了动作交互过程中用户从事拉伸动作的能力和局限性，在此基础上对拉伸控件的设计提出了建议。文献[93]使用手臂肌电图将用户动作交互过程中的手势运动轨迹分段化，研究表明该方法能够高精度地细分动作交错过渡过程中的手和手指等细微部位。文献[94]探究了用户在使用手机编辑文档过程中进行文档导航操作时两种操作技术（flickandring）的性能，并通过三种输入方法食指输入、笔输入及拇指输入进行了测试。文献[95]探究了在动作交互过程中不同材质对于用户使用效果的影响，发现低摩擦材料虽然会提升用户操作的流畅性，但会导致较高的错误率，影响用户完成任务的时间。文献[96]分析了用户在使用智能手表的小键盘输入过程中的偏好及局限性，并提出了改进建议以提升用户输入的精度和效率。文献[97]提出并实现了一种适用于智能手表文字输入的非触摸式交互技术COMPASS，用户通过旋转智能手表边框并选择游标可进行高效的文字输入。文献[98]提出了一种名为wrist-to-finger的智能手表输入方法，能够支持通过单手与设备进行交互。文献[99]探究了用户在使用头戴式交互设备过程中三种文字输入方式TapType、DwellType和GestureType的可行性和局限性，并发现三种方式均易被用户学习和掌握，且疲劳感在可接受的范围。文献[33]设计实现了一个协同编辑系统，以支持用户之间的协同创作和知识分享。该系统增加了三个特色功能：不同版本映射、多用户操作归纳和其他用户编辑结果测试、评论等。文献[100]提出了一种1D手势输入方法，能够实现二维输入到1D输入的映射，从而支持一维接口下的手势输入。评估实验表明该方法易被用户学习和掌握，且效率较高。文献[101]在移动感知系统中引入了一种名为TaskMe的激励机制，以支持动态规划和工人选择。文献[102]设计了一种适用于移动感知系统的多任务分发框架，传统的任务分发框架仅为单任务选择最优的用户，而该框架能够考虑多任务之间的关系并综合起来生成最优的方案。文献[103]针对传统的基于触摸屏和计算机视觉的手势交互方法无法应对智能可穿戴设备逐渐趋向小型化和低功耗等问题，提出了一种基于超声波的低功耗鲁棒手势识别方法。国内外研究进展比较群智协同计算是随着互联网技术与应用的快速发展而出现的一种新型计算模式。以美国为主要代表的国外学术界和工业界总体上一直引领着互联网技术与应用的发展，因此由以上分析可以看出，无论是在理论模型、关键方法与技术、以及平台和应用方面，国际上的研究工作要早于国内。国外对于大规模用户群智行为研究已形成了较为完整的框架，而国内相关研究尚处于起步阶段，研究方向和研究成果相对局限。从国外研究来看，其研究方向涉及底层的用户行为建模、分析及理解如群智网络中的用户社会关系及社交行为分析等，顶层的群智质量提升策略研究以及中间层的群智交互技术和工具等。而国内对于群智行为的研究则更偏重于技术、方法和系统，重点关注提出支持高效群智协同工作的新技术、新方法，设计和实现支撑大规模用户协同工作的工具、系统和平台。近年来，由于国家对科研和产业的支持粒度不断加大，国内学术界和产业界对国际上前沿问题和热点应用在快速跟进。特别是，前面提到国家启动了人工智能2.0、群智化软件开发等一大批重大科研计划，在这些科研计划的支持下，国内学者组建了高水平的科研团队，围绕群智协同计算的理论模型、关键技术和系统平台开始了系统的研究。与国内相反，北美和欧洲等科技强国近年来在科研上的投入没有明显增长，这给我们加快推进相关研究，占领国际学术和产业的前沿创造了宝贵的机会。发展趋势与展望随着物联网、工业互联网和CPS系统的进一步发展，当前以互联网为核心的网络形态将发生深刻变化，未来的网络将发展为以人、机、物融合的网络信息空间，网络所连接的对象进一步泛化。同时，在大数据和人工智能技术的推动下，智能将成为主要内容。因而，从群智资源的角度来看，资源的规模将更为巨大，群智资源的类型将不仅仅涉及到人群，还包括嵌入机器和物体中的各种智能体。我们认为群智协同计算面临着如下一些发展趋势：（1）群智资源的多元化。目前的群智协同计算主要关注人群资源，随着人工智能和网络技术的发展，网络信息空间的智能体的类型和数量都会呈现出多元化，为这些群智资源的交互协同将为解决更加复杂的问题提供更好的支撑。而群智资源的多元化必然对群体间协同行为与机制、交互模式以及任务协同处理带来新的挑战，因此，涵盖人群协同、人机协同和机群协同的异构多元化的群智资源协同是群智协同计算未来面临的重要问题。（2）理论模型的日益完善。在群智协同计算领域，目前大部分研究工作主要是面向具体的应用问题进行方法和技术的设计与实现，尚缺乏统一的数学理论模型对系统及其构成要素进行刻画。例如，以人群资源为例，目前尚无完善的理