Swarm Intelligence 城市智慧中的灵巧涌现
序
溪，交织千里，汇天地之长河
蚁，逶迟有序，逐四方之巢窠
鱼，稠聚浅底，摇幽壑之星辰
是何方的沧海一粟蜿蜒成连延千里的稻香
是哪处的薪火一点呼啸遍盘亘八方的平原
在雨季里播下树种，森林会在自我里成长
在时光里刻下足迹，空间会在位面上曼舞
星宇浩瀚下的我们，走过无数的步履，也终会踏上同一条轨迹。
简单的规则集生群体复杂，低维的行为簇成高度洪流。
今天C君要介绍的便是这样一个浪漫的理论—集群智慧（Swarm Intelligence）
城市数据中的灵巧涌现(emergence)
当当当，首先闪亮登场的便是来自银河护卫队2的舰阵
这些由人工远程控制的舰队，如何做到能够保持安全距离合作出击互不干扰？如何能够组成一起形成舰阵并沿着类似路径追击敌人？在这些无人机之间，是否可以通过某种算法，使得他们能够最大效率的集群协同作战？
他们是否能够防止误撞等内耗呢？
在AI大热的今天，这些影视作品又能给我们带来什么启示呢？ 欢迎收看今天的C君带你走进科学之集群智慧。
关键词
关键词要先提，是写论文的标准后遗症。
那么我今天就要用科学道理来解释我们熟悉的鸡汤：
团结就是力量：集群智慧，集群效益 Swarm Intelligence
三人成虎，谎言成真：负反馈 negative feedback
防止害群之马：正反馈 positive feedback
别学蟋蟀好逸恶劳，要学蚂蚁囤积粮食：蚁群优化 Ant Colony Optimization
爱情要找到最好的距离，既相互吸引又要保持隐私：粒子优化系统 Particle Swarm Optimization
人们总喜欢凑热闹：群体吸引Boids – cohesion/ 空间句法Space Syntax
壹
集群智慧的起源
当我们观察群体系统(collective)或者大数据时，总是会遇到很多问题，一个城市系统（urban system）或者一堆大数据(big data)，他们至少具备四个难点
数据大量而复杂（complex）
高维度(high-dimensional)
复合对象的（multi-objectives）
动态的(dynamic)。
这也使得从上而下（Top-down）的规划变得很棘手，很多情况反映到数据上极其复杂，并且它时刻的变化形式也使得决策者难以简单地做出判断。这时候某些人就开始思考了，当我们总结这种集体无意识的行为的时候，为什么不反过来从下而上（bottom-up）去思考呢？
鸟群，鱼群，牲畜常常聚集一起，当有离群者出现很容易被拉入正轨，最终一起行动。对于密集恐惧症患者来说，自然界有时候也能成为他们的噩梦（我猜特别是虫群，图片我就不放了）
而蚂蚁、蝗虫等虫类会留下信息素，让后面的蚂蚁记得正确寻找食物的路径，让储备粮食的进程更加高效有序。当然，这个特点后来被广泛应用到了ant colony optimization算法里，这是后话。
仔细想想，这个问题的确很吸引人，小时候老师总喜欢用1+1>2说明合作很有效，但隐含在这背后又有什么真正的逻辑联系？要是小学老师那时候就搬出集群智慧，相信同学内心就会种下一颗长大要成为AI工程师的冲动吧（笑）
的确，许多年来，人们一直在纠结群居性动物之间存在什么样的联系，他们集结成群是否按照什么逻辑或者有什么共性，他们之间是否个体与个体之间在传达信息。这些看似复杂的系统是否建立在某种简单规则之上？
那么规律到底是什么呢，后面我们知道，简单的集群智慧模型有许多共性：
个体容易和邻居一起移动（从众心理），
个体保持靠近邻居（聚落带来安全感），
个体避免与邻居碰撞（还是要个人隐私的）
当然真正的群体智慧还要复杂很多，但这个模型是最简单的基础。这种心理我们也称他为共识主动性，是智能体（agents）或者个体行为(individual behaviors)之间的相互协调机制。所以复杂的行为便可以拆分为个体间的相互关系（interaction）以及他们智能个体的简单规则。
了解这个道理非常有趣，即在一个人群里如果有一个有明确目标的匿名带头人，其他人会因为潜意识的从众心理，看似无意识地跟随他行动去实现这个目标，即便他们不知道真正的领导人是谁。（我仿佛看到了幕后推手的厉害）我们以前以为领导者都是出类拔萃的佼佼者，实际上，嗯，只要你在背后轻轻一推，人群就可能无意识地走向你的目标。
实际上，我们观察人流也能发现一些类似的规律，当进入一条拥挤的街道，人群漫步的现象具有“自组织”的效应，使得人流速度保持均匀可以移动。当然，假如你强行增加速度，则很可能会适得其反，在人群中造成小混乱，使得速度更慢。而人群最终也会重新自组织（self-organization）形成新的一股人流。
由此可以总结出集群的一些规律：
1.分布式
2.无中心
3.自组织
从数学模型的角度来看，这种行为也是一种涌现（Emergence）行为，即个体遵循简单的运动和逻辑规则，而不需要任何有中心的中央协调，而又能自然而然的呈现群体特征。（有点像资本主义市场自由经济）
不过，上升的集群智慧，又有了五项基本原则：
1.群个体有执行简单空间或时间计算的能力
2.群内个体能对环境做出响应。
3.响应行为具有多样性
4.环境变化并不一定导致群体行为改变
5.若出现可以付出代价的改变机遇，则群体愿意进行改变。
也就是说个体的价值得到了肯定，并且对于个体行为需要更为智能的编程，可以使得最后的群体结果更加优化。
贰
集群智慧在设计的应用
城市是一个动态而又复杂的系统，同时它也是离散、自组织的，往往许多建筑簇成聚落。
在研究城市问题上集群思想也有非常大的潜力。实际上，关注建筑教育史的知道，巴黎美术学院所提供的教育体系（布扎体系）常常是自上而下的设计。而这种体系其实对于世界各国建筑圈和规划设计影响最广。而包豪斯体系由于以家具、木刻等入手，而常常是自下而上的设计过程并往往涉及到assembly等组装的拼接。
在《美国大城市的死与生》中，街道细部的议题重新展现在人们面前。之前粗暴的自下而上的规划某种意义上破坏了街道的原生性和自组织性，忽略了个体的行为和感知，忽略了街道体系的多样性。这种柯布西耶光辉城市的粗暴引入式现代主义，后来也成为了建筑师批判与反思的焦点，就连普林茨克奖后来获奖的一众建筑师都隐性有一个条件：一定要有反现代主义建筑作品。而“公众参与”也成为了许多街区改造的口头禅。
实际上，对于动态而又复杂的城市离散模型来说，许多自上而下的理论如花园城市田园城市等都导致了许多问题。而自下而上的思路，往往更契合城市的离散性和无序性。以往的树状结构的思路进行设计城市往往会造成城市生活、功能等的隔阂与关系断裂。但我们去研究很多自发形成的村落，便会很容易看到，这些最初的生活空间，其居住空间、城市肌理和适应性都非常契合自然规律。
用扁平化的社交网络类比。这样的城市结构，因为廊道的交错，小尺度的城市肌理，不同个体建筑的形态表现，可以使得人们相遇的行为涌现更多，社交发生的机会最大化，社会群体可以自发组织，高密度却高效的利用现有资源。
那么应该怎么去设计呢，首先便是设计算法的编制，利用电脑进行数字模拟自下而上的过程。然后将数据转换为形式，而这里一定要注意城市的特性：近邻互动，信息回路，模式识别和动态自适应。再者，便要用上C君曾经介绍过的开源城市，做到使用界面友好，让个体也有能编辑城市的可能性。使得城市设计也能如同城市一样是一个实时系统（real-time）
这样看来，智利建筑师亚历杭德罗的建筑实践也是一种自下而上的改造过程，通过可变性加强公民参与的可能性。让城市变成可编辑的未完成态，而这种状态往往也是可持续城市应有的常态。
当然，说起集群智慧，不得不提著名的Kokkugia工作室的探索，他们利用涌现理论建立起智能体与群体的关系。利用自主代理间的相互影响进行编程。把常规的城市总平设计变成城市算法的编辑。将城市设计概念从多个连续的决定变成同时进行的多个过程。
集群系统还能够挑战传统的二维平面，转而生成复杂的三维城市结构与网络。并且，建筑与环境的关系也能更加密切。建筑师更多的成为了城市编辑者，将建筑与环境输入到一个反馈的循环系统，使得建筑自组织并能够适应环境。
实际上，西方许多建筑师更多的已经开始关注人尺度的“行为”，而这种设计有行为都市主义的影子，亦是回应性城市设计（responsive urbanism）方式。研究空间与城市行为网络，研究空间层次和结构，亦是巴院著名的“空间句法”实验室研究的重点，这种算法在官网上有许多详细介绍，这里就不细说了。需要说明的是，西方许多理论已经将城市结构从自上而下的规划，逐渐转变为了空间拓扑，自下而上的过程。而表面的流线型常常也是为之服务：满足运动的连续性，加强循环。
叁
集群智慧在科技上的可怕（误）应用
回归到我们开头提及的无人机舰阵，实际上集群智慧更多的是应用在人工智能，军事等领域。
其算法逻辑很大程度上契合了。有限空间里，无人机之间的冲突一直是一个挑战，而集群智慧的自组织，离散等规律恰好能够解决很多难题，能够有效达到功能分布化、体系生存率以及消费交换比。想想《黑镜》里面大量的蜜蜂机器群以及《钢铁侠》里批量的钢铁侠阵列，就可以知道这种机器群落的大规模杀伤性了。
当然，亚马逊在智慧城市（smart city）的理论基础上提出的黑科技设想，亦是利用大批量的无人机进行送货，未来看到漫天的送货机器人呀你也不要怕。而这种科技可以很好的与智慧城市的概念契合。以后只需要信息锁点，货品就能非到你的定点处，更加高效的提供快递服务。
回到建筑上，ETH，AA也正在研究UAV的自主建造，而大量的UAV智能体的引入，势必使得建造过程更加迅速高效，并能完成许多人类难以完成的建造过程。
所以当人工智能等涌入市场，不仅建筑师的职业饭碗受到影响，以后连搬砖的也不能好好搬了，这些体力活都让机器人干了，你还嚷着搬什么砖。
而建筑师在其中的角色更多像是路线制定和规划了。只需要少批量人员就可以大量的作业了，妈妈再也不用担心我搬砖了。
当然土豪以后也能玩更浪漫的表白了，嘻嘻。
肆
大数据下的集群城市主义
实际上，大数据在某种程度上提供了大量的原始数据，也使得集群智慧的个体更加详细丰满。能够很大程度上优化模型，因为城市模拟正是由微小的决策者们构成的灵活系统。反过来，大数据由于其复杂、大量、动态使得其挖掘有效信息（Data mining）的过程变得相当繁琐，而集群智慧理论的使用可以有效地帮忙简化模型，以简单的规则和相互关系进行有效地数据筛选。
德勒兹（Gilles Deleuze）的《千高原》和其块茎理论（Rhizome）。他的学说与集群城市主义有不谋而合的地方。例如多元，群体，种群思想。在他的描述中，城市有着自身的逻辑和流动空间，是一个连续相容的网状结构。亦是一种自调节的混合体。这种有别于树状结构的网状结构，和计算机网络的形态也极其相似。比起集中和分层，系统更是增值和串联的。
另外一个有趣的例子是，如果个体智慧自组织反应到网络上，大数据也可以有效地进行统计学匹配，达到相邻关系的利益最大化。这和世界奇妙物语一集中的单身公寓类似。个人可以选择机器人管家，而对于A同学来说，这个管家的形象其实并非捏造，而是通过大数据搜索，将另一个数据匹配选择者B同学真人作为原型。而B同学的管家自然也是A同学的原型。
而当他们与管家相处许久后，系统又会通过数据引导他们在现实中相遇。而个体在不知情的情况下被人工智能系统匹配最好的对象，或许也是数据系统未来发展的一个有趣的前景？
非常浪漫是不是，颇有言叶之庭的相遇感，实际上这种命中注定，背后可能会是宇宙大数据进行精确计算的结构？或许所谓的宿命，也就是高维系统的计算结果？
正如Frei Otto的湿表面网络模型，无论走过多少的人生轨迹，无论它们有多么复杂，路径多么杂乱。最终依然会和相爱的他的人生交织在一起。
人生所有的相遇，都是久别重逢，这也许就是算法背后的一抹温柔。
参考文献：
Batty, M., 2008. Cities as complexsystems: scaling, interactions, networks, dynamics and urban morphologies.
Deleuze and Guattari, A Thousand Plateaus, London: Athlone, 1988, 10.
Kokkugia 网站
Leach, N., 2009. Swarm urbanism. Architectural design, 79(4),pp.56-63.
Neil Leach (ed.), Rethinking Architecture: A Reader in Cultural Theory, London: Routledge, 1997, 147
The limits of Urban Simulation’. Architectural Design vol. 79(July/August 2009): 50-55.