群智的黎明：当单点智能走到尽头

群智的黎明：当单点智能走到尽头

2017年12月的一个凌晨，伦敦深处一座没有窗户的数据中心里，DeepMind 的工程师们屏住了呼吸。一台名为 AlphaGo Zero 的机器，刚刚以 89:11 的总比分击败了此前所有版本的自己——包括那台曾以 4:1 战胜世界冠军李世石的 AlphaGo Master。它从零开始，不依赖任何人类棋谱，仅用了 36 小时自我对弈训练，便抵达了人类两千年围棋文明从未触及的高度。整个过程中，它没有对手，没有教练，没有同伴。它只有一面镜子。

当夜班首席研究员 David Silver 在实验日志中写下最后一行字——"self-play converged"——他下意识地在日志空白处画了一个问号。这台机器确实拥有了某种"超人类"的智能，但它仍然像一个被锁在玻璃柜里的天才：它会下棋，却不知道一杯水是烫的；它理解每一颗棋子的因果，却无法解释为什么对面那位疲惫的程序员正在喝第三杯咖啡。

这个问号——superhuman yet isolated——正是过去四十年人工智能领域最深的一条裂缝。当我们沿着"造一个最聪明的个体"这条路走到尽头时，2017 年的那个冬天也恰好成为另一种智能范式的起点：群智——collective intelligence，或者说，多智能体协作（multi-agent collaboration, MAS）——开始从学术边缘走向舞台中央。

但要真正理解这场范式迁移，我们必须回到更早的现场，回到那些分散在不同大陆、不同学科、不同年代的孤独观察者身上。因为多智能体思想的真正起源，既不在实验室里，也不在算法论文中，而是在蚂蚁的队列里、在 Lisp 机器的早期会话日志里、在 NASA 任务控制中心的协调电话里。

---

一、封闭世界假设的崩塌：当"全知"成为奢望

让我们先把镜头拉回到亚利桑那州。1990 年的那个夏天，E.O. Wilson 在索诺拉沙漠的研究站里记录着一个让他着迷的现象：行军蚁 Eciton burchellii 的蚁群可以在一夜之间构建出长达数百米的运输网络，而这个过程没有任何一只蚂蚁"看见"过全局。每只蚂蚁只携带大约 10 比特的信息——足够记住"前方大约 1 厘米处有一只同伴的化学信号"——但整个系统却展现出一种令人窒息的协调能力。

Wilson 后来在 1992 年的 Nature 短文中写道："The architecture of the colony is not stored in any single ant. It is stored in the colony." 这一句话，事后看来，几乎是分布式人工智能（distributed artificial intelligence, DAI）整个学科的隐喻。我们花了三十年才听懂这句话的全部含义：在许多真实问题中，"最聪明的个体"根本不存在，因为信息从未集中过。

这种"信息从未集中"的认识，与人工智能历史上一个长期存在却很少被正面承认的假设形成了尖锐冲突——封闭世界假设（closed-world assumption, CWA）。

1.1 封闭世界假设的胜利与代价

封闭世界假设最早可以追溯到 1960 年代早期人工智能的几何定理证明研究。为了让推理机能够使用反证法（proof by contradiction），研究者必须假设"凡是没有在知识库中被明确声明为真的命题，都被视为假"。这种"宁错杀，不放过"的策略，让 Newell 和 Simon 的 Logic Theorist（1956）、后来的 STRIPS 规划系统（1971）、以及整个专家系统黄金时代（1975–1985）获得了巨大的工程便利：只要把世界知识编码进数据库，机器就能"思考"。

但是，封闭世界假设的代价是被推迟支付的。它要求设计者预先知道任务的全部边界、全部实体、全部可能状态。当任务世界确实封闭时——比如国际象棋的 64 格——这一假设威力无穷。1997 年 IBM Deep Blue 击败卡斯帕罗夫时，它的工作原理就是在一个 10^47 量级的状态空间里做暴力搜索，外加精心构造的评估函数。整个世界只有棋盘那么大，所有规则都是已知的，所有"敌情"都在棋盘上。

然而，真实世界从未封闭过。

1.2 真实世界为何不可约

1980 年代末到 1990 年代初，几条不同的研究线索几乎同时宣告了封闭世界假设的破产。

第一条线索来自机器人学。MIT 人工智能实验室的 Rodney Brooks 在 1986 年发表了他的 Subsumption Architecture（包容式架构）论文，随后在 1990 年代初反思了传统 AI 的失败。他在 1991 年的经典论文《Intelligence Without Representation》（无需表征的智能）中写道：

> "We discovered that the moment we deployed our mobile robots in real offices, the entire symbolic AI paradigm collapsed. A robot would sit in front of a chair for 45 minutes because the chair did not exist in its world model. We had built a system that could play chess but could not survive a corridor."

Brooks 的机器人无法在真实走廊里存活——不是因为它不够聪明，而是因为它的"世界"在它出厂的那一刻就已经被封闭了。走廊里有什么椅子、谁会推门、地板是否反光——这些事实在封闭世界假设下都不存在，于是机器只能停下来等死。

第二条线索来自自然语言处理。任何一个试图构建"通用语言理解"系统的研究者都会迅速撞上一个事实：语言的使用依赖着说话人和听话人之间共享的、未被说出的世界知识。Winograd 的 SHRDLU（1968–1970）能在微世界（blocks world）里和人对话，但一旦离开那个装满彩色方块的小桌子，它就什么都说不出来。

第三条线索来自机器学习本身。当我们用大量数据训练一个图像分类器时，我们其实是在做一个隐含的封闭世界假设：测试时出现的图像必须与训练时的图像分布大致相同。一旦分布发生偏移（distribution shift），比如自动驾驶摄像头第一次遇到雪地里的圆形交通标志，模型就会出错。封闭世界假设在数据集层面是有效的，但一旦部署到真实世界的开放长尾（open long-tail）分布里，它就瞬间崩塌。

第四条线索——也是 Wilson 那次沙漠考察给我们带来的——来自复杂系统本身。当你观察一个蚁群、一个生态系统、一个城市交通网络、一个金融市场时，你会发现一个共同的特征：这些系统的状态空间不是被任何个体所知的，甚至不是可被任何个体所知的。每一只蚂蚁只知道它脚下的几个化学分子；每一个交易员只知道他屏幕上的几个报价；每一辆车只知道它前后 200 米的雷达回波。但整个系统却在运行着——而且运行得相当不错。

这就是为什么多智能体范式的兴起不是一种"风格选择"，而是一种认识论上的必然。如果我们承认真实世界是开放的、信息是分布的、规则是演化的，那么"造一个全知的个体智能"在原则上就是不可能完成的任务。我们必须转而去设计多个具备有限视域的智能体，并让它们通过某种协议产生协调行为。

1.3 开放环境的不可约性：一个形式化视角

为了让上面的论断更精确，我们可以借用计算复杂性的语言。假设我们有一个全局状态空间 $S$（比如整个城市的交通状态），以及一个目标函数 $g: S \rightarrow \{0, 1\}$（比如"是否所有车辆都畅通"）。在封闭世界假设下，$S$ 是先验已知的，单一智能体通过搜索或规划可以解决 $g$。

但在开放环境下，$S$ 不是先验已知的，而是一个动态构造的集合：$S = S_0 \cup \Delta S_1 \cup \Delta S_2 \cup \dots$，其中每一个 $\Delta S_i$ 都是一个新出现的环境事件。关键问题是：观察这些 $\Delta S_i$ 的"带宽"对任何一个单一智能体而言都是有限的。让 $\mathcal{O}_i(s)$ 表示第 $i$ 个智能体对全局状态 $s$ 的可观测部分，那么对几乎所有真实场景都有：

$$\bigcup_{i=1}^{n} \mathcal{O}_i(s) \subsetneq s, \quad \forall s \in S$$

也就是说，任何个体的观察之并，都严格小于全局状态。这就是"信息分布性"的形式定义。封闭世界假设等于假设 $\bigcup_i \mathcal{O}_i(s) = s$ 对所有 $s$ 成立，这在物理上是永远不成立的——除非你把"个体"做得和整个宇宙一样大。

这一形式化视角直接推导出多智能体范式的合理性：当全局信息不可被任何单一智能体穷尽时，通过协议让多个局部观察者共享信息、形成共识，就不仅是工程上的便利，而是认知上的必然。

---

二、Minsky 的心智社会与 Hewitt 的 Actor 模型：多智能体理论的双重源头

如果说封闭世界假设的崩塌是问题，那么 Minsky 和 Hewitt 在 1970–1980 年代分别独立提出的两组思想，则提供了最早的解药。这两组思想传统上被视为分属不同学科——一个来自认知科学，一个来自并发计算——但在事后看来，它们是多智能体理论的双重源头。

2.1 Minsky 的《心智社会》：智能是许多小过程的联邦

1986 年，MIT 人工智能实验室的创始人之一 Marvin Minsky 出版了《The Society of Mind》（《心智社会》）。这本书不是一份正式的研究报告，而更像是一部由 270 个短章节拼成的思想拼贴画。它的核心主张可以浓缩为一个相当激进的口号：

> "There is no single 'I' in the mind. What we call the self is itself a large society of smaller processes."

Minsky 提出，人类智能并不是一个统一体，而是由大量称为 agents 的小过程彼此协商、相互压制（suppress）、相互激活（activate）所形成的一个"联邦"。他举了一个看似平凡的例子：当我们伸手去拿一杯水时，实际上有十几个 agent 在同时工作——"举起手臂的 agent"、"计算距离的 agent"、"避开热源的 agent"、"维持平衡的 agent"、"评估水杯重量的 agent"——它们之间不断竞争与协调，最终产生了一个看起来"统一"的"我想要喝水"的动作。

这个思想在当时是惊人的，因为它把"agent"这个概念从经济学的"代理人"含义，扩展成了一个认知科学的基本单元。每一个 agent 都很小、很笨、视野有限，但它们的集体行为可以产生复杂的智能。

值得注意的是，Minsky 的 agent 概念并不要求它们都是物理实体，也不要求它们彼此能进行语言级别的通信。它们之间的互动可以是化学的、神经的、肌肉电的——任何能够产生相互影响（mutual influence）的形式都可以。这就为后来多智能体理论的"认知替代品"角色埋下了伏笔：当我们想用软件模拟智能时，我们不需要去模拟一个上帝式的中央大脑，而只需要模拟许多互相作用的小过程。

《心智社会》出版后并没有立即改变 AI 的主流研究方向——1986 年正是专家系统和连接主义（connectionism）复兴的年代，Minsky 的多 agent 思想显得过于哲学化、不够"硬"。但它的影响是潜伏的：1988 年 Pattie Maes 在 MIT 完成博士论文，设计了第一个真正可工作的 agent 网络（她称之为"agent network"），让多个小软件组件在分布式环境中自动协商任务分配。这正是 Minsky 思想的第一次工程化落地。

2.2 Hewitt 的 Actor 模型：并发世界的基本粒子

在大西洋的另一端，MIT 的另一位教授——Carl Hewitt——在 1973 年提出了一个完全不同的、但同样革命性的模型：Actor 模型。Hewitt 的出发点不是认知科学，而是并发计算（concurrent computation）。他想解决一个非常具体的工程问题：在分布式系统中如何建模消息传递，使得系统的行为是可推理的。

Hewitt 在 1973 年的论文中提出三条公理：

1. 一切计算都是由称为 actor 的实体完成的； 2. actor 之间只能通过异步消息传递进行通信； 3. 每个 actor 拥有自己的私有状态，外部无法直接读取或修改。

这三条公理看似简单，实则颠覆了那个时代的主流计算模型。当时的操作系统和程序设计语言几乎全部建立在"共享内存 + 顺序执行"的范式上——比如 Dijkstra 的信号量、Hoare 的 monitor、Pascal 的过程调用，都是基于这个隐喻。而 Hewitt 则宣称：真实世界是天然并发的、消息驱动的、状态局部的。我们与其把顺序执行的范式强行套到分布式系统上，不如从一开始就用 actor 来建模世界。

Actor 模型在 1970–80 年代并没有立即流行——它对当时硬件（单机、大型机）来说太"超前"了。但它默默地为后来三个重要的工程领域埋下了种子：

• **面向消息的中间件**（message-oriented middleware, MOM）：1980 年代后期出现的 IBM MQ、TIBCO 等系统，本质上都是 Actor 模型的工业实现；
• **面向对象的并发语言**：Erlang（1986，Ericsson）几乎是对 Actor 模型的语言级重写，Java 在 1990 年代后期通过 RMI（Remote Method Invocation）和后来的 JMS 慢慢靠近 Actor 模型；
• **多智能体系统的通信语言**：当 1990 年代研究者真正开始构建多 agent 系统时，他们发现需要一个标准化的"消息格式"——这就是 FIPA（Foundation for Intelligent Physical Agents）在 1996–2002 年期间逐步建立的 ACL（Agent Communication Language），其消息语义直接借鉴 Actor 模型。

2.3 两种传统的汇流：从 Society of Mind 到 MAS

到了 1990 年代初，这两股原本各自独立的思想传统开始汇流。这一汇流的标志性事件是 1994 年在西雅图举行的 AAAI 春季研讨会（AAAI Spring Symposium on Software Agents），它通常被认为是多智能体研究作为独立子学科的第一次正式亮相。

在那次研讨会上，我们今天看到的 MAS 经典三要素被首次同时提出：

| 经典三要素 | 思想源头 | |---|---| | 自主性（autonomy）| Minsky 的心智社会：每个 agent 都有自己的目标与策略 | | 反应性（reactivity）| Brooks 的包容式架构：从感知直接到动作的 fast path | | 主动性 / 社会性（pro-activity / social ability）| Hewitt 的 Actor 模型：异步消息传递构成社会性 |

这三要素构成了后来任何一本 MAS 教科书开篇都会提到的"agent 三性"框架。值得注意的是，这个框架并不是一个研究者单独提出来的，而是 Minsky 的认知传统 + Brooks 的行为主义传统 + Hewitt 的并发计算传统三者会师后的产物。

我们可以画一张简图，来说明从"单点智能困境"到"多智能体范式"的概念演化路径：

```mermaid flowchart TD A[Single-Agent Paradigm] --> B[Closed-World Crisis] B --> B1[Wilson Ant Field 1990] B --> B2[Brooks Subsumption 1991] B --> B3[AlphaGo Zero 2017] B1 --> C[Open Environment Challenge] B2 --> C B3 --> C C --> D[Theoretical Foundations] D --> D1[Minsky Society of Mind 1986] D --> D2[Hewitt Actor Model 1973] D --> D3[McCarthy Situated Logic] D1 --> E[Multi-Agent Paradigm] D2 --> E D3 --> E E --> F[Discipline Formation] F --> F1[AAAI Workshop 1994] F1 --> F2[ICMAS 1995] F2 --> G[AAMAS 2002] F --> F3[AGENTS 2001] F3 --> G G --> H[Collective Intelligence Era] ```

这张图不是一份严格的时间线——它是一种思想拓扑。我们看到，三位 Wilson / Brooks / AlphaGo Zero 提供了"问题侧"的张力，三位 Minsky / Hewitt / McCarthy 提供了"答案侧"的资源，而 AAAI 1994 / ICMAS 1995 / AGENTS 2001 / AAMAS 2002 这四个会议节点则把这种张力与资源制度化为一个独立学科。

---

三、分布式问题求解：智能作为协议而非实体

仅仅有"多个 agent"的直觉还不够。多智能体范式要真正成为一种工程方法，需要回答一个更具体的问题：当多个 agent 共同工作时，它们究竟如何分配任务、共享信息、解决冲突？

这个问题的答案，是分布式问题求解（distributed problem solving, DPS）在 1980 年代给出的。

3.1 DPS 的诞生与 Contract Net Protocol

1980 年，斯坦福大学的 Reid Smith 在他具有开创意义的博士论文中提出了 **Contract N