導言：最近通過研讀學習錢學森先生的重要學術思想，結合王飛躍老師在《機器崛起》中對“賽博”演化脈絡的回顧，我對“一體化指揮調度”的內涵定義，及其發展有了新的認識與思考，在此與大家做個分享，希望與大家共同探討未來的發展方向。錢老的研究領域從工程、技術、科學到哲學不同層次，跨學科、跨領域交叉融合，從工程控制論到系統工程，再到工程科學，是從工程實踐到科學理論的升華，也是“控制論”向“賽博”的回歸和溯源。面向社會治理安全場景的一體化指揮調度正是系統科學對“賽博”原意——“國家治理的科學”的回饋。

    一、定義內涵：復雜系統安全場景數字化

    “一體化指揮調度”的術語起源于社會公共安全領域，在首屆智能指揮調度技術創新大會上，中國通信學會常務理事、全國公共安全領域專家牛晉先生給出的定義：使用信息化手段以及與信息化相適應的工作機制，將互不相同，相互補充、互不隸屬、相對獨立的指揮要素、執行力量以及相關資源有機地融合為一個整體，以實現組織策劃的目標。陳俊亮院士、李德毅院士、費愛國院士等與會專家回顧了一體化指揮信息系統的發展歷程，討論了未來發展趨勢，對今天我們在社會治理領域探索一體化指揮調度發展方向指明了方向。

    當年，軍事領域的“一體化指揮信息系統”包含“需求工程”、“數據工程”、“軟件工程”，今天在我們這里對應的術語就是“場景”、“數據”和“平臺”。一體化指揮調度是管理與技術的融合，復雜系統場景數字化方法論�？梢哉f目前大部分指揮調度開發團隊的理解只是停留在軟件開發這個“平臺”工作的一小部分，但是今天“平臺”的含義更加廣泛，包括業務、技術、數據、組織等各方面，在互聯網支撐下，我們可以便捷地面向場景搭建人機融合的多樣化群體交互平臺。

    面向社會治理復雜系統問題，實驗室基于錢學森開放復雜巨系統思想，結合當前數字孿生、人工智能技術發展，提出了“面向場景、數據驅動、平臺支撐、腦+端、人機融合”的一體化指揮調度工程實踐之路。

    二、場景數字化：解決復雜系統問題的抓手

    數字經濟浪潮讓我們重新審視新時代的生產關系、生產資料和生產力�？梢杂靡恢淮簌i來比喻，交互和數據構成雙翼，智能是大腦；從通信交互到萬物互聯到社會計算，交互本質就是生產關系；不論是自然大數據、社會大數據，還是行業大數據，數據成為今天的重要生產資料；不論是人類智能、人工智能，還是個體智能、群體智能，智力工具將成為核心生產力。還有一個就是接觸浪潮的抓手，就是我們今天說的落地場景，核心在場景的數字畫像。

    數字經濟時代特征

    數字孿生（Digital Twin）、信息物理系統（Cyber Physical System）等我們今天經常聽說的術語，他們本質上都是要建立物理場景實體的數字畫像。社會治理工作場景具有多領域交織的特點，當前我國基層社區治理主要有政府主導、市場主體、社會自治和專家參與等4種模式，各種模式及其所涉領域縱橫交織，催生了海量需求。今天大數據上升為國家戰略，習近平同志強調要建立健全大數據輔助科學決策和社會治理的機制，推進政府管理和社會治理模式創新，實現政府決策科學化、社會治理精準化、公共服務高效化。實驗室提出社會治理安全場景的數字畫像構建方法：自上而下的指揮賦能體系與自下而上的大數據支撐體系相結合；以力量到邊和力量無邊的理念，構建政府指揮機制和基層自治組織的同心圓；以“人”為核心，以點帶面建立社會治理關系網絡畫像；以“事”為牽引，分級分類構建社會治理專項場景畫像。

    三、科學依據：具有堅實的理論基礎

    一體化指揮調度在學科劃分上屬于指揮與控制科學，其科學起源可追溯至“賽博”。1834年，“賽博”誕生于社會科學領域，法國物理學家安培將其定義為國家治理的科學；1948年維納在生物學和機器智能領域，對“賽博控制論”進行了系統闡述；1954年錢學森的“工程控制論”將“賽博”落地到機械和電機系統控制的工程科學，并進而衍生出復雜系統工程、系統科學。

    錢學森的研究領域從工程、技術、科學到哲學不同層次，跨學科、跨領域交叉融合，從工程控制論到系統工程，再到工程科學，是從工程實踐到科學理論的升華，也是“控制論”向“賽博”的回歸和溯源。1999年10月，在國務院、中央軍委授予錢學森“國家杰出貢獻科學家”榮譽稱號的大會上，錢學森說：“我們完全可以建立起一個科學體系，而且運用這個科學體系去解決我們社會主義建設中的問題。我在今后的余生中就想促進這件事情�！彼�認為今天的科學技術不僅僅是自然科學工程技術，而且是人認識客觀世界、改造客觀世界整個的知識體系，系統科學的出現是一場科學革命，1845年安培提出的管理國家的科學——“賽博”設想，今天在我們社會主義的中國是可以實現的。今天我們研究的一體化指揮調度正是 “賽博”反饋回社會治理。

    四、發展趨勢：“腦+端”的人機融合

    2014年，中國人工智能學會理事長李德毅院士在無人駕駛研究中提出受腦認知啟發的“駕駛腦”：用機器模擬人腦對安全駕駛的自學習和駕駛技能積累能力，模擬人腦對駕駛環境的感知、認知、決策和行為控制。李院士指出無人車的研究就像是在人工打造一匹馬，隨著其智能化水平的提升，未來人與機器之間的關系，就像是騎士與戰馬。

    （1）專家體系、機器體系和知識體系是錢學森綜合集成方法三大要素，在實踐應用中相輔相成，在新的時代特征下，對其理解也要與時俱進。我們基于錢學森思想，結合當前人工智能技術發展，提出了將人類的場景認知智能HI（Human Intelligence ）與機器智能技術AI（Artificial Intelligence）相結合，將行業知識“大腦”與智能“端”系統相結合，構建面向場景的“腦+端”人機融合。

    專家體系：核心是強調“人在回路”，充分利用人類專家“大腦”所掌握的行業知識。今天在互聯網支撐下，我們可以更便捷地面向場景搭建群體交互平臺，不同學科、不同領域的專家實時交互、共享、啟發、激活，促進個體知識的釋放傳承、匯聚群體智慧的涌現效能、激發人類知識價值創新活力、提升行業整體智能水平，從行業個體“大腦”到網絡群體“超腦”。

    （2）機器體系：今天計算機、互聯網和人工智能等技術發展成為從定性到定量的重要支撐，機器體系不僅是開放系統，同時也是動態發展和進化的系統，隨著新一代信息技術迅速發展，機器體系不斷進化，機器“小腦”功能不斷加強，人機交互能力也越來越強。目前機器主要還是作為人的“體力”、“智力”延伸的“端”，具有明顯的工具屬性，未來隨著機器智能的不斷進化發展，具有自主“大腦”的無人系統將是“腦+端”的一體化，可能從根本上改變人與機器之間的關系。但從人類發展而言，我們要始終確保“人在回路”的主導權，這也正是很多人對未來AI技術發展的擔憂。

    （3）知識體系：人機融合的知識生產系統，可以理解為行業認知“大腦”。通過對人與人、機器與機器、人與機器之間交互的知識和信息進行采集、儲存、傳遞、分析與綜合，最后實現面向行業場景的知識體系的構建。將人類專家已有的顯性行業知識形式化、標準化，充分利用機器的高性能計算、處理和分析能力挖掘場景大數據中的隱性知識，人機融合擴大知識再生產，在實踐中不斷豐富行業“大腦”知識資源。

    一方面，充分發揮人的場景認識能力，從整體上對系統進行把握，通過機器拓展人的行動能力和邏輯思維能力，通過平臺匯聚人類群體的行業知識；另一方面，充分發揮機器智能的計算優勢，挖掘人類未知的大量隱性知識，同時，依托人類的顯性知識支撐機器認知智能發展。人類的發展史，就是人類學會運用工具、制造工具和發明機器的歷史，各式各樣機器工具將使得人類具有更強大的能力，人機融合將迎來新的、更大的發展空間。

    五、智力共享：平臺支撐“行業認知大腦”的實踐探索

    為了貫徹落實公安部黨委警務大數據發展戰略，提升公安信息化、智能化水平，2018年12月19日中國人民公安大學、南京市公安局、一體化指揮調度技術國家工程實驗室等單位聯合發起，在北京成立了CICC安全應急共享知識專委會。專委會于2019年5月24日-25日在南京聯合舉辦以“協作、共享、賦能”為主題的跨區域智力共享警務協作論壇，并成立了“智力共享運行管理中心”，旨在建立內需驅動的長效緊密地市伙伴關系，打造跨區域新型警務協作模式。

    專委會在論壇上給出了“智力共享”的定義：智力共享是以場景為驅動，采用大數據處理和知識形式化技術實現個體智力的知識封裝，通過網絡環境下的群體智能技術構建智力開放共享平臺，從而使行業用戶能夠快捷地分享知識、傳承知識、應用知識，甚至創造知識，最終實現群體協作、共享和賦能的目的。是知識社會創新體系生態的體現。

    “智力共享”的目標是通過協作、共享和賦能，促進個體智力釋放傳承、匯聚群體智力涌現效能、激發用戶價值創新活力、提升行業整體智能水平，具有聯通性、開放性、合作性和創新性等特點。專委會提出了三層體系架構：理論層，主要是研究智力共享活動的基本內涵，為體系的發展構建頂層設計，包括概念共享、思維共享和機制共享；支撐層：關注智力共享活動的實現方式，為智力共享活動提供平臺環境的支持，包括平臺共享、算力共享和數據共享；交互層：是開展智力共享活動的主要陣地，輸出最終的智力產品，包括創意共享、模型共享和應用共享。

    結合智力共享的內涵和實現方式，專委會搭建了“智力共享云平臺”，開展智力共享的實踐落地應用�！爸橇�共享云平臺”以協作模型、知識分享、智能場景應用為支柱，通過打通業務知識與應用的聯系，克服跨區域公安實戰協作難題，實現跨區域業務協同作戰，形成協同作戰合力，從而推動全警知識和智慧的固化、聚集、分享和傳承，為一線基層實戰精準賦能，全面提升數據偵查核心戰斗力。以往，各地市的數據、模型、場景和應用都是獨立的，我們通過這個平臺把資源打通，進行協作，搭建跨區域的實戰場景。平臺在共享的過程中，同時加入了運營的理念，建立以用戶價值貢獻為核心的積分運營機制，激勵平臺用戶不斷上傳優質資源，形成良性循環的平臺生態。

    智力共享運行管理中心接受安全應急共享知識專業委員會的領導，中心以“智力共享”為創新路徑，采用“警、用、產、學、研”五位一體合作模式，智力共享運營管理中心屬于“警”的部分。中心按照知識產生擴展的四個階段，配合“研、產、學、研”形成了四大職能中心�！熬�、用、產、學、研”所代表的用戶，依托智力共享云平臺，與四大職能中心創新中心（知識創新，創造知識）、運營中心（共享運營，分享知識）、賦能中心（基層賦能，應用知識）、實訓中心（教育實訓，傳承知識）進行交互，達成知識創新、智力共享、警務協作、基層賦能和教育實訓五大業務。

    智力共享運行管理中心的最終愿景，是通過支持跨區域的警務協作，打破傳統警務合作的地域壁壘；通過跨區域的資源整合，實現算力數據的互融互通；通過跨區域的智力共享，創新智慧警務建設的全新生態。通過區域警務協作橫向地域擴展，最終形成全國城市圈。

    六、DARPA：代表方向的美軍“深綠”計劃

    受1997年人機象棋大戰“深藍”的啟發，美國防高級研究計劃局（DARPA）很早就啟動了“深綠”（DeepGreen，DG）計劃，研發下一代作戰指揮和決策支持系統，雖然由于技術瓶頸、經費支撐的原因幾經波折，但是其指明了人機融合構建智能決策系統的發展思路，把“觀察-判斷-決策-行動”（OODA）環路中的“觀察-判斷”環節通過計算機多次模擬仿真，演示出采用不同作戰方案可能產生的效果，對敵方的行動進行預判，讓指揮官做出正確的決策，縮短制定和分析作戰計劃的時間，主動對付敵人而不是在遭受攻擊后被動應付，從而使美軍指揮官無論在思想上還是行動上都能領先潛在對手一步。

    “深綠”系統主要由名為“指揮官助理”的人機交互模塊、名為“閃電戰”的模擬模塊、名為“水晶球”的決策生成模塊組成�！爸笓]官助理”模塊主要完成人-機對話功能，可將指揮官手繪的草圖和表達指揮意圖的相應語言自動轉化為旅級行動方案（COA），幫助快速生成作戰方案和快速決策�！伴W電戰”模塊是“深綠”計劃中的模擬部分，通過利用定性與定量分析工具，可以迅速地對指揮官提出的各種決策計劃進行模擬，從而生成一系列未來可能產生的結果。該模塊具有自學習功能，對未來結果預測的能力可不斷提高�！八�晶球”模塊將能夠根據作戰過程中的信息及時對未來作戰進程進行更準確的預測。其主要功能包括：在生成未來可能結果的過程中，接收來自“計劃草圖”的決策方案，然后發給“閃電戰”模塊進行模擬，隨后接收來自“閃電戰”模塊的反饋，并以定量的形式將所有未來可能的結果進行綜合分析；從正在進行的作戰行動中獲取更新信息，同時更新各種未來可能結果的可能性參數；利用這些更新的可能性參數，對未來可能的結果進行分析比較，向指揮官提供最有可能發生的未來結果；利用分析結果，確定即將到來的決策點，提醒指揮官進行再決策，并調用“決策草圖”。

    正如今天我們需要結合數字孿生、人工智能等技術發展，重新認識錢學森綜合集成研討廳思想，對于“深綠”計劃的思考、理解和研究也需要與時俱進。

    2018年10月美國國防情報局(DIA)局長羅伯特•阿什利(Robert Ashley)在美國陸軍協會(Association of the U.S. Army)年度會議上表示，“人機融合”是顛覆性技術的一個“關鍵領域”，將會影響美國的國家安全。美國新安全研究中心(Center for a New American Security)技術與國家安全項目研究員艾爾莎·卡尼亞(Elsa Kania)一直關注相關軍事領域相關研究，例如，未來的軍事決策中整合并利用人工與機器各自的優勢，提高人類的戰場感知能力和決策能力等。

    2018年9月，DARPA在“下一代人工智能（AINEXT）”設想在未來，機器不僅是執行人類編程規則或從數據集中歸納推演的工具。DARPA設想的機器將更多地作為同事。因此，DARPA在人機共生方面的研究和開發確立了與機器合作的目標。以這種方式啟用計算系統至關重要，因為傳感器，信息和通信系統生成數據的速率已超出人類可以消化吸收、理解和行動的速度。將這些技術融入與作戰人員合作的軍事系統中，將有助于在復雜、時間緊迫的戰場環境中做出更好的決策；能夠共同理解大量、不完整和矛盾的信息；并使無人系統能夠安全地執行關鍵任務并具有高度自治。DARPA將其投資重點放在第三次人工智能浪潮上，這種人工智能帶來機器的理解和推理。