區塊鏈技術：從數據智能到知識自動化
引用格式：袁勇，周濤，周傲英，段永朝，王飛躍。區塊鏈技術：從數據智能到知識自動化。自動化學報, 2017, 43(9): 1485-1490.
（Yuan Yong, Zhou Tao, Zhou Ao-Ying, Duan Yong-Chao, Wang Fei-Yue. . Acta Automatica Sinica, 2017, 43(9): 1485-1490.）
鏈接本文：http://www.aas.net.cn/CN/Y2017/V43/I9/1485
正文
技術創新是社會與經濟發展的核心驅動力。繼以大數據、雲計算、物聯網和移動互聯網為代表的信息技術時代之後，新興的區塊鏈技術和知識自動化有望成為正在到來的智能技術時代的新動能和新引擎，並在金融、經濟、科技和政務等諸多領域產生顛覆性變革。
1 區塊鏈：理想與現實的博弈
近兩年來，區塊鏈技術的發展和普及呈現出爆髮式增長態勢，其速度之快超出許多專家學者的預期。2015年，區塊鏈的關注者仍局限於少數比特幣愛好者；2016年7月，區塊鏈技術已經快速攀升到Gartner技術成熟度曲線的頂端，即過高期望峰值期(Peak of inflated expectations)；基於區塊鏈技術的智能合約(Smart contract)和智能資產(Smart asset)技術也處於該曲線中的快速上升期。2016年末，國務院印發《「十三五」國家信息化規劃》，明確指出要加強區塊鏈等技術的基礎研發和前沿布局，正式從國家科技戰略層面肯定了區塊鏈的技術與社會價值；各國中央銀行也高度重視區塊鏈技術，通過借鑒研究或直接應用區塊鏈來設計各自的法定數字貨幣。市場層面上，以區塊鏈為底層技術的加密貨幣價格持續上漲，總市值已經突破1000億美元，最具代表性的比特幣單價已超過3000美元。幣價上漲的背後，反映出市場對區塊鏈技術日益高漲的熱情和對其發展前景的持續看好。
作為一種全新的去中心化基礎架構與分散式計算範式，區塊鏈技術能夠為自動化和智能化相關產業的發展奠定堅實的數據安全和信任基礎，助力打造去中心化、安全可信和可靈捷編程的智能產業新生態[1]。更為重要的是，區塊鏈代表著新興智能技術對於傳統社會組織和運作方式的一種顛覆性變革和挑戰，是邁向具有「平等自由、共識共治、公開透明」鮮明特色的新產業形態的一次極有意義的嘗試。這些特色主要體現在區塊鏈的三個本質性技術特徵：
首先，區塊鏈採用去中心化的組織方式，系統中不存在自上而下的中心化或層級結構的管理與控制，而是通過自下而上的、網路節點之間的微觀交互和競爭博弈來實現宏觀系統的自適應組織和高層湧現。這種組織方式代表著系統結構和計算模式在其分合循環與演變過程中，由完全中心化模式向完全去中心化模式的演進，因而體現出「平等和自由」的技術特色。
其次，區塊鏈技術採用基於共識的數據更新機制。新生成的數據必須獲得全部或大多數節點驗證通過後，才能寫入由全體區塊鏈節點共同維護的共享賬本，因而極難篡改和偽造。這也是區塊鏈技術形成去中心化信任的重要基礎。區塊鏈採用共識競爭的方式確定節點記賬許可權、按照概率或算力/權益比例來選擇記賬節點，一定程度上避免了中心節點對共享賬本的控制，因而體現出「共識和共治」的技術特色。
第三，區塊鏈系統採取建立在隱私保護基礎上的公開數據讀取方式。區塊鏈系統數據受密碼學技術保護，且帶有不同程度匿名性，但數據在寫入區塊前需全體節點驗證，寫入後也可以零成本方式向全體節點公開查詢，從而有助於消除信息優勢、降低系統節點的信任成本，因而體現出「公開和透明」的技術特色。
由此可見，區塊鏈的上述技術特徵實際上更適用於「烏托邦」式的社會形態和應用場景，而這與現實社會的內在運行規律勢必存在著根本性的矛盾和衝突，因而極有可能限制區塊鏈技術的應用場景和範圍，並在一定程度上阻礙區塊鏈技術的發展。學術研究和產業實踐相關人員已經開始思考甚至質疑「現實社會是否真正需要這三個特點的區塊鏈技術？」這無疑是區塊鏈技術引發的一次理想與現實的博弈，而此博弈目前的「均衡狀態」則是激進的區塊鏈新技術向傳統技術的妥協與折中，並由此衍生出諸多針對現實應用場景的、融合傳統技術的區塊鏈解決方案。
例如，與中心化集權體制的計算模式相比，去中心化的區塊鏈分權體制雖然有著更好的魯棒性和安全性，但不可避免地會導致其共識控制的效率低下，因而這種「失控」狀態的區塊鏈系統目前尚難以全面應用於類似金融系統等關係國計民生的重要領域。為此，多中心化甚至完全中心化的聯盟鏈和私有鏈相繼出現，旨在通過削弱系統的去中心化程度來增強區塊鏈「主權」的控制能力。目前，這些形態的區塊鏈技術正在快速發展，並湧現出以超級賬本(Hyperledger)等為代表的相對成熟的企業級應用解決方案。然而，這類針對特定應用需求改造後的區塊鏈技術是否還是真正的「區塊鏈」目前仍然尚存爭論。
再如，區塊鏈系統強調全體節點的共識並以此維護歷史數據的不可(或極難)篡改性，這種基於集體智慧的民主共治思想和價值觀通常會在節點決策失誤或歷史數據存在問題時陷入窘境。2016年6月，基於區塊鏈技術的以太坊眾籌項目The DAO由於其智能合約存在重大缺陷而遭受攻擊，以太坊社區在是否維護「區塊鏈數據不可更改」這一本質特徵的爭論中未能達成共識，通過硬分叉方式形成兩條獨立運行的區塊鏈。這次分叉無疑是區塊鏈理想向現實妥協的例證。
最後，區塊鏈技術公開和透明的特點使其特別適合精準扶貧、慈善捐款等政務領域。然而，對於強調隱私保護和通過構築信息優勢獲利的商業領域來說，區塊鏈可能並非最佳解決方案。
綜上所述，區塊鏈被產業界視為引發第四次產業革命的核心要素之一，其技術特色、發展前景乃至對現實社會帶來的深刻影響都已經獲得廣泛認可。然而迄今為止，區塊鏈的「殺手級應用」仍然是比特幣和以太坊等局限於純虛擬經濟體系的加密貨幣，現實社會中解決實際需求的區塊鏈系統雖為數眾多、百花齊放，但均是小規模探索和嘗試，成功者寥寥無幾。毫無疑問，區塊鏈與生俱來的革命性技術特色所引發的理想與現實的博弈正在成為限制其從虛擬走進現實的鴻溝。如何充分利用區塊鏈的新技術特色，發掘適合區塊鏈技術的現實場景，並從區塊鏈底層的數據結構、密碼學技術、通信網路、共識博弈、經濟激勵和可編程合約等方面取得突破和創新,促使區塊鏈技術真正落地，是目前學術界和產業界共同的任務。
2 知識自動化: 從UDC到AFC
與區塊鏈技術類似，知識自動化也是近年來隨著智能技術的快速發展而誕生的熱點研究領域。一般而言，區塊鏈是知識自動化的重要基礎和關鍵技術之一，能夠在底層數據層面保障知識自動處理流程的安全性、去信任性與不可(或極難)篡改性；知識自動化則在此基礎上為基於數據的知識產生、傳播、獲取、分析和影響方式帶來重要而深刻的變革，促使我們從物理世界的工業自動化，走向面向數據和CyberSpace的知識自動化[2]。為此，本專刊同時面向區塊鏈和知識自動化兩個研究領域徵文，以期促進相關領域理論、方法、技術與應用研究的深入開展。
近年來，現實世界與虛擬社會融合發展的態勢日趨明顯，使得現代社會在物理、心理和虛理空間(Cyberspace)均呈現出深度耦合與強力反饋的態勢，形成各種具有不確定性、多樣性和複雜性特徵的信息－物理－社會系統(Cyber-physical-social systems，CPSS)；新形勢下，海量數據處理與深度知識解析成為新常態，傳統的專家系統等高度依賴專家智慧的知識處理方式已經難以為繼，自動化和智能化的知識處理成為必由之路。CPSS環境下，社會與人的因素的引入，更使得社會複雜系統由可全面觀察、可精確預測和可主動控制的「牛頓系統」，演進為「人在環路中」、兼具高度社會複雜性與工程複雜性的「默頓系統」[3]。正如工業時代中物理空間需要「實」的工業自動化一樣，目前的知識時代或者「智業」時代自然需要虛擬網路和社會空間中「虛」的知識自動化。
在此背景下，本文作者王飛躍教授最早撰文提出知識自動化這一嶄新的領域[4]。指出實現知識自動化的主要途徑之一是研究數據驅動的描述智能(Descriptive intelligence)、實驗驅動的預測智能(Predictive intelligence)以及互動反饋的引導智能(Prescriptive intelligence)，通過「描述－預測－引導」三位一體形成的平行智能，實現從具有不確定性(Uncertainty)、多樣性(Diversity)和複雜性(Complexity)特徵的CPSS系統向靈捷(Agile)、聚焦(Focus)和收斂(Convergent)的智能系統的轉化，即從UDC邁向AFC。
知識自動化是處理面向CPSS的複雜系統的新研究框架，其研究範疇涵蓋知識處理流程中的獲取、驗證、建模、解析、實驗、實施、反饋和影響力評估等諸多環節，是新IT技術的集合。實際上，目前人工智慧領域新興的熱點方法生成對抗網路(Generative adversary networks，GAN)就是知識自動化研究體系的關鍵技術之一，是沒有引導功能的平行智能的一種實施方式[5]。
特別地，區塊鏈驅動的智能合約也是實現知識自動化的技術之一。智能合約本質上並不局限於區塊鏈保障實施的現實世界的合同條文，而可以是更為靈活的預定義的「IF-THEN」類型的條件響應規則，可由區塊鏈節點確認後自動實施。該特點對於研究和約簡CPSS系統複雜性具有十分重要的意義。從博弈角度講，「人在環路中」的社會複雜性很大程度上源自於人在協調與協作過程中普遍存在著空頭威脅、相機行動甚至事後抵賴等不確定因素；傳統博弈論研究基於理性人假設，通過博弈剪枝來消除不可置信的威脅等人為因素，這在有限理性甚至非理性的現實世界中可能並不適用。不可更改和自動執行的智能合約技術則可以在技術層面上最大程度地降低甚至消除這些由人導致的社會複雜性，將不可置信的空頭威脅轉變為可置信的、自動執行的承諾，從而有助於將不確定的動態博弈規約為可預測的靜態博弈、將默頓系統規約為牛頓系統，最終提高社會協調與協作的效率。
3 未來發展趨勢:平行區塊鏈
近兩年來，區塊鏈和知識自動化技術已經引起高度重視與廣泛關注，大量行業聯盟、諮詢機構和創業公司如雨後春筍般湧現出來，學術組織也密集探討其發展趨勢。
2017年4月，第一屆區塊鏈與知識自動化國際研討會(The 1st International Symposium on Blockchain and Knowledge Automation，ISBKA)在美國丹佛大學成功召開，旨在探討區塊鏈與知識自動化領域的熱點問題和前沿技術進展。會上，本文作者王飛躍教授作了「Parallel Blockchain：Concept，Techniques and Applications」主旨報告，首次提出並解讀了「平行區塊鏈」的概念、技術及其在交通、健康和農業等領域的應用實踐[6]。報告指出，以比特幣區塊鏈為典型代表的區塊鏈和分散式賬本技術本質上是一種新型的數據結構和系統架構，能夠實現去中心化、去信任、安全可靠的描述智能；而未來以「人機結合、虛實一體」為典型特徵的智能社會系統，更多地是需要基於預測智能和引導智能的實驗、分析與決策[7]。平行區塊鏈技術即是平行管理與控制理論方法與區塊鏈技術的有機結合，致力於通過實際系統與人工系統的「鏈上」平行互動與協同演化，為目前的「描述性」區塊鏈技術增加計算實驗與平行決策功能，從而更好地服務於未來的智能社會系統。由此可見，通過區塊鏈與知識自動化技術的深度融合，實現從目前的源自比特幣的區塊鏈、智能合約和深度學習技術，演進到未來基於ACP方法的平行區塊鏈、平行動態規劃[8]、「描述－預測－引導」平行智能[9-10]，是區塊鏈技術驅動的智能產業的必然發展趨勢。
4 專刊論文概覽
為促進國內區塊鏈和知識自動化技術的研究，我們特組織本專刊，針對區塊鏈技術的數據安全與加密機制、信任產生機理、分散式協調與博弈機制，以及大數據和知識的自動化與智能化實時採集、深度分析與靈捷交互等具有重要研究價值和實踐意義的基礎問題，面向國內研究者徵文。本次專刊共收到26篇稿件。應該說，在被稱為「區塊鏈元年」、國內學術研究尚處於萌芽狀態的2016年，能夠收到這麼多稿件是出乎專刊客座編輯的意料之外的。經同行評議，我們共收錄了其中的11篇稿件，研究內容涉及到比特幣、共識博弈、智能合約等基礎研究；區塊鏈在能源、醫療等領域的應用研究；以及知識自動化領域的自動問答、深度/增強學習、專家知識系統和協同過濾等理論方法研究。
目前，區塊鏈和比特幣領域的研究尚處於起步階段，特別是相關主題的知識結構定量化研究尤為缺乏。為此，由華南理工大學李牧南等撰寫的《區塊鏈和比特幣相關主題的知識結構分析：共被引和耦合聚類分析視角》致力於對區塊鏈和比特幣的知識結構進行深入分析，發現其知識基礎和潛在的研究前沿，為後續相關研究提供有價值的參考。該文基於Web of Science資料庫，用主流的文獻計量方法和CiteSpace工具組合，對相關文獻進行了描述性統計分析、共被引聚類分析、文獻耦合聚類分析和主題詞共現分析，從多種維度探討了區塊鏈和比特幣相關主題的知識結構；不僅從定量的角度反映出區塊鏈和比特幣領域研究的近況，同時結合定量分析結果進行了概括的定性描述，從一定程度上對本領域的知識基礎和研究前沿進行了刻畫。本文旨在促進新興科學主題的交叉和知識擴散，對未來區塊鏈和比特幣的相關研究具有一定的參考價值。
浙江師範大學唐長兵撰寫的《PoW共識演算法中的博弈困境分析及優化》探討了區塊鏈系統的共識演算法這一核心問題，主要從策略博弈角度來研究如何在區塊鏈系統中高效地達成共識，即礦工們在開放礦池中應如何選擇合作或攻擊行為。該文針對工作量證明(Proof of work，PoW)類共識演算法中存在的「囚徒困境」問題,基於博弈均衡理論分析了PoW共識過程中礦工策略選擇的純策略及混合策略納什均衡存在條件。文章採用了近年來新興的零行列式(Zero determinant, ZD)策略方法來優化「囚徒困境」中的礦工策略，使得系統收益達到最大化，並通過數值模擬對演算法的有效性進行了驗證。本文從理論研究角度對共識演算法的設計提供了新的思路和方法，並從實踐應用角度對區塊鏈系統的資源優化提供了積極的參考和支持。
智能合約隨著區塊鏈技術的強勢崛起而獲得突破性進展並應用於眾多領域，使得鏈上合約代碼信息與日俱增。龐大的智能合約數量使得用戶從中選擇自己需要的服務變得十分困難，如何管理與組織海量智能合約代碼的需求尤為迫切。構建智能合約的自動分類系統無疑是解決該問題的有效方案。然而，傳統的文本分類演算法一般基於人工定製的特徵來實現分類，存在難以跨領域分類和特徵稀疏等問題。浙江大學黃步添等撰寫的《基於語義嵌入模型與交易信息的智能合約自動分類系統》認為，以詞嵌入模型為代表的神經網路演算法可以有效解決上述問題，並以以太坊平台的智能合約為例，提出了一種基於語義嵌入模型與交易信息的智能合約自動分類系統；通過用詞嵌入模型對智能合約代碼的語義信息建模，並且用智能合約的交易信息來更深入地理解智能合約的邏輯行為，最後用神經網路來組合兩方面的信息輸出最終的類標籤概率分布。本文實現了一個智能合約的瀏覽器與智能合約的檢索系統，實驗結果顯示該系統取得了超出基準演算法的分類效果，具有良好的應用前景。
應用研究方面，大規模分散式智能電力能源系統是區塊鏈的熱點應用領域之一。美國丹佛大學張俊等撰寫的《運行於區塊鏈上的智能分散式電力能源系統：需求、概念、方法以及展望》致力於運用區塊鏈技術構建分散式智能能源系統，以解決傳統智能能源系統的中心化運營導致的一系列管理問題。鑒於電力能源系統的社會和技術雙重屬性，運用區塊鏈實現運營的過程中需要構建不同的區塊鏈來描述和建模不同的屬性，由此本文提出了一個「區塊鏈群」的實現方式以及依存於其上的各類運行機制。不同層次和功能的區塊鏈群基於區塊鏈技術、分散式文件服務技術、分散式電力系統分析與管理技術等進行自我組織、相互協助，最終構建一個分散式自主的電力能源運行系統，通過頻繁而深度的計算與交互衍生出系統智能，並期望其能帶來穩定、可靠、有效的電力能源生產、傳輸與消費。本文所提出的區塊鏈群的概念是對未來的平行區塊鏈管控技術的有益探索。
醫療健康是區塊鏈技術的另一熱點應用領域。在當前醫療健康數據共享機制下，病人、醫生以及研究人員在訪問和共享醫療數據時受到嚴格的限制，這一過程需要花費大量的資源和時間用於許可權審查和數據校驗，卻不能杜絕數據篡改、數據傳輸不安全等問題，從而嚴重阻礙了智慧醫療和醫療大數據的發展；醫療數據的校驗、保存和同步成為亟待解決的一大難題。北京郵電大學薛騰飛等撰寫的《基於區塊鏈的醫療數據共享模型研究》提出了一個基於區塊鏈的醫療數據共享模型，利用區塊鏈技術幫助病人、醫生以及研究人員實現快速安全的認證許可權、安全便捷的數據訪問和分享。該模型基於改進的授權股份證明(Delegated proof of stake，DPOS)共識機制，建立有效、去中心化、靈活的共享機制；同時利用代理重加密機制來實現對醫療數據的訪問控制和共享，可望為目前在隱私與安全、醫療數據濫用和詐騙、用戶參與度、互操作性、可訪問性、數據完整性等方面存在的問題提供有效的解決方案。
知識自動化研究領域中，自動問答技術隨著人工智慧、大數據、移動互聯網和個人攜帶智能設備的快速發展而獲得廣泛關注。中國科學院自動化研究所曾帥等撰寫的《面向知識自動化的自動問答研究進展》認為，新智能技術時代中，自動問答的技術形態和應用場景正在經歷深刻變化，使得用戶的行為與需求模式也發生了極大的變化。在自動問答系統發展的前兩個階段(即資料庫自然語言介面、以信息檢索為中心的階段)，其本質是對已有信息的檢索，因此回答問題的能力受限於信息的完備性；而將信息升華為知識，實現知識自動化才可以賦予自動問答系統像人類一樣的思考能力，對虛擬空間的大數據進行深度的開發和智力挖掘。該文回顧了自動問答領域的發展歷史，按照知識表示方法的不同，對近年來的自動問答系統進行分析和總結，並介紹了典型英文和中文系統應用、以及自動問答系統的主要評估方法。可以看出，雖然當前還沒有自動問答系統可以達到用戶理想的狀態，它已經在朝著智能化、個性化的知識機器人發展。
深度學習是知識自動化的代表性技術之一。2016年，基於深度學習技術的AlphaGo以4：1的比分戰勝韓國棋手李世石，隨後在網路圍棋平台上以60連勝的優勢戰勝眾多人類棋手，預示著以自我博弈、深度強化學習和虛實互動等為典型特徵的知識自動化將成為新常態，這與複雜系統與人工智慧研究中的平行管理思想不謀而合。中國科學院自動化研究所秦蕊等撰寫的《基於深度強化學習的平行企業資源計劃》將深度強化學習應用於企業管理(Enterprise resource planning, ERP)，提出了基於深度強化學習的平行ERP 3.0研究框架，來解決知識自動化時代複雜企業ERP所面臨的不確定性、多樣性和複雜性困難，實現了企業ERP中大數據、知識與人三者之間的動態閉環反饋及實時交互。ERP 3.0概念的提出為企業ERP的發展提供了新的建設思路，開啟了平行企業ERP時代。
國家數字交換系統工程與技術研究中心劉暢等撰寫的《使用增強學習訓練多焦點聚焦模型》研究了「聚焦模型」這一類新興的深度學習模型。聚焦模型在圖像、視頻處理中取得了良好的應用，然而在目標種類較多、識別目標較大時，它需要多次迭代才能完成識別，因而效率較低。針對這類問題，該文提出了一種多焦點聚焦模型，採用多個獨立並行的焦點模塊，各焦點按照自己收到的坐標並發地提取圖像信息，所有焦點提取的信息合併後由循環神經網路(Recurrent neural network，RNN)層統一處理，迭代更新各焦點下一步的提取坐標。在每次採樣分析後，對所有焦點的整體採樣效果進行評分，通過端對端的增強學習方法對模型進行訓練，從而自動學習出提取輸入圖像中最有效的信息。作者基於MNIST數據集及其變種進行多項實驗，結果表明，相比單焦點聚焦模型，該模型的訓練速度、識別正確率都得到了優化。該方法對於大規模圖像數據集的處理，具有一定的優勢。
專家系統是知識自動化的早期形態：專家系統中，推理機是重要的組成部分，它和知識庫一起構成專家系統。為了解決專家系統在推理過程中存在的規則保存、推理速度等問題，研究者提出了Rete演算法；然而，這種高效的模式匹配演算法在Rete網的構建和推理過程中仍存在空間和性能方面的問題。北京理工大學嚴西敏等撰寫的《一種基於共享度模型的改進Rete演算法》的主要貢獻致力於通過演算法改進來緩解該問題。本文採取有窮自動機理論的思想，根據節點共享度模型和模式共享度模型，將規則中條件以共享度為權重進行排序，提出改進的Rete網路構建和推理演算法，以降低Rete網路的複雜度並提升推理速度。文章利用實際數據集進行了實驗，結果支持改進的Rete演算法在降低網路複雜度和加快推理速度方面有明顯提升。
東北大學袁傑等撰寫的《基於D-S融合的混合專家知識系統故障診斷方法》主要面向流程工業過程的專家系統。過程故障診斷是流程工業面臨的重要難題，基於定性知識故障診斷的專家系統方法是解決這個問題最為常用的方法。然而，由於複雜流程工業過程具有數據與知識類型多樣、不確定性高、運行數據不準確等特點，必須同時採用多種不同的專家知識系統，組成混合專家知識系統來進行診斷才能得到可靠的結論。為處理多個專家系統之間的知識與證據衝突，本文基於D-S證據理論，結合專家知識系統和生產中的數據，提出一種基於D-S融合的混合知識系統故障診斷方法；這種方法可以根據不同的信息類型建立不同的專家知識系統，並進行不確定性推理，有助於實現流程工業過程的智能故障診斷，從而能夠極大地提高故障診斷的準確性和有效性。
最後，國家數字交換系統工程技術研究中心潘濤濤等撰寫的《基於矩陣填充和物品可預測性的協同過濾演算法》主要探討知識自動推薦演算法。在如今的大數據時代，如何快速高效地挖掘數據的價值已經成為企業面臨的重要挑戰。推薦系統是解決大數據時代信息過載問題的重要途徑和關鍵技術，而協同過濾則是當前最為主流的推薦演算法。一般來說，數據稀疏性是影響基於協同過濾的推薦系統性能的重要因素，傳統的矩陣填充方法雖然可以在一定程度上緩解數據的稀疏性，但是卻忽略了預測評分與真實評分之間的可信度差異。針對這些問題，本文引入置信係數來表示評分值之間的可信度，並基於矩陣填充和物品可預測性提出了一種綜合考慮物品預測評分與物品可預測性的改進協同過濾演算法；這種演算法能夠有效地解決數據稀疏問題，並極大提高推薦的性能。
本專刊的順利完成，離不開作者、審稿人和《自動化學報》編輯們的大力支持與協助。在此，我們表示深深的感謝，並希望本專刊對國內區塊鏈和知識自動化領域的研究起到積極的促進作用。
參考文獻：
[1] Yuan Yong, Wang Fei-Yue. Blockchain: the state of the art and future trends. Acta Automatica Sinica, 2016, 42(4): 481-494.( 袁勇, 王飛躍. 區塊鏈技術發展現狀與展望. 自動化學報, 2016, 42(4): 481-494.)
[2] Wang Fei-Yue. Software-defined systems and knowledge automation: a parallel paradigm shift from Newton to Merton. Acta Automatica Sinica, 2015, 41(1): 1-8. ( 王飛躍. 軟體定義的系統與知識自動化:從牛頓到默頓的平行升華. 自動化學報, 2015, 41(1): 1-8.)
[3] Wang Fei-Yue, Wang Xiao, Yuan Yong, Wang Tao, Lin Yi-Lun. Social computing and computational societies: the foundation and consequence of smart societies. Chinese Science Bulletin, 2015, 60(5-6): 460-469. ( 王飛躍, 王曉, 袁勇, 王濤, 林懿倫. 社會計算與計算社會:智慧社會的基礎與必然. 科學通報, 2015, 60(5-6): 460-469.)
[4] Wang Fei-Yue. The destiny: towards knowledge automation—preface of the special issue for the 50th anniversary of Acta Automatica Sinica. Acta Automatica Sinica, 2013, 39(11): 1741-1743. ( 王飛躍. 天命唯新:邁向知識自動化—《自動化學報》創刊50周年專刊序. 自動化學報, 2013, 39(11): 1741-1743.)
[5] Wang K F, Gou C, Duan Y J, Lin Y L, Zheng X H, Wang F Y. Generative adversary networks: introduction and outlook. IEEE/CAA Journal of Automatica Sinica, 2017, 4(3): 389-399. DOI:10.1109/JAS.2017.7510493
[6] Yuan Y, Wang F Y. Towards blockchain-based intelligent transportation systems. In: Proceedings of the 19th International Conference on Intelligent Transportation Systems (ITSC2016). Rio de Janeiro, Brazil: IEEE, 2016.
[7] Wang F Y, Zhang J J, Zheng X H, Wang X, Yuan Y, Dai X X, Zhang J, Yang L Q. Where does AlphaGo go: from Church-Turing Thesis to AlphaGo Thesis and beyond. IEEE/CAA Journal of Automatica Sinica, 2016, 3(2): 113-120. DOI:10.1109/JAS.2016.7471613
[8] Wang F Y, Zhang J, Wei Q L, Zheng X H, Li L. PDP: parallel dynamic programming. IEEE/CAA Journal of Automatica Sinica, 2017, 4(1): 1-5. DOI:10.1109/JAS.2017.7510310
[9] Wang F Y, Wang X, Li L X, Li L. Step towards parallel intelligence. IEEE/CAA Journal of Automatica Sinica, 2016, 3(4): 345-348. DOI:10.1109/JAS.2016.7510067
[10] Wang X, Li L X, Yuan Y, Ye P J, Wang F Y. ACP-based social computing and parallel intelligence: societies 5.0 and beyond. CAAI Transactions on Intelligence Technology, 2016, 1(4): 377-393. DOI:10.1016/j.trit.2016.11.005
往期文章推薦
TAG:德先生 |