概述：随着物联网和人工智能技术的快速发展与加速融合，智能物联网（AI in IoT, AIoT）正成长为一个具有具有广泛发展前景的新兴前沿领域。物联网智能应用和服务已经逐步融入国家重大需求和民生的各个领域，如智慧城市、智能制造、无人驾驶、智慧农业、健康卫生、国防军事等。在智能物联网背景下，人（智能手机、可穿戴设备等）、机（云设备/边缘设备）、物（物联网终端）这三种基础要素正在走向协作和融合，迈向人机物融合群智计算时代。人机物融合群智计算（CrowdHMI）是指利用人/机/物感知能力的差异性、计算资源的互补性、节点间的交互性，通过协同感知、分布式学习、群智知识迁移等来解决单独利用某种智能难以解决的复杂问题，进而构建具有自学习、自组织、自适应、可迁移能力的智慧空间。其潜在的研究挑战包括人机物群智融合机理，人机物协作群智感知，自学习增强与自适应演化（深度模型压缩、迁移学习、元学习、终身学习等），群体分布式学习模型（边缘智能、端边云协同计算、多智能体强化学习、联邦学习等）方面。本书将为大家介绍人机物融合群智计算的基础理论、概念模型、研究挑战与关键技术、典型应用，并对其未来发展方向进行展望。本书可以为物联网、人工智能、工业互联网、智慧城市、智能制造等领域的科研人员和IT从业者提供创新的发展视角及相关理论、方法与技术支撑，也可作为相关专业高年级本科生和研究生课程教材。
人类正在进入一个人机物三元融合的万物智能互联时代
构建具有自组织、自学习、自适应、持续演化等能力的新一代智能感知计算空间
发掘自然群体智能与人工群体智能间的映射机制并构建群智涌现动力学模型
赋能智能物联网、智慧城市、工业智能、智慧健康、军事智能等领域的落地应用
光阴荏苒、岁月如梭，笔者从2010年开展“群智感知计算”相关研究以来，如今已有十多个年头。2010年，移动社交网络、智能手机和泛在感知计算等开始兴起并快速普及，在发现不同来源所获取的海量群体贡献数据所潜藏的巨大价值基础上，我们与法国巴黎国立电信学院张大庆教授合作，在西安召开的第七届IEEE普适智能与计算国际（IEEE UIC 2010）会议上首次提出社群智能（Social and Community Intelligence）的概念，并进一步整理和凝练后发表在2011年第七期的IEEE Computer杂志上。
2012年，清华大学的刘云浩教授首次在《中国计算机学会通讯》（第8卷，第10期）上提出“群智感知计算”的概念，即利用大量普通用户使用的移动设备作为基本感知单元，通过物联网/移动互联网进行协作，实现感知任务分发与感知数据收集利用，最终完成大规模、复杂的城市与社会感知任务。刘老师对群智感知计算概念的由来、定义、研究挑战与机遇等做了系统性的阐述，探讨了无意识感知、弱网络连接、低质低可信数据处理等挑战性问题。在此之后，国内群智感知研究得到广泛的重视，逐步发展成为物联网与普适计算领域的研究热点。2013年，国家自然科学基金重点项目群“群智感知网络理论与关键技术”启动，我们有幸参与了北京邮电大学马华东教授负责的“移动社交中感知数据收集的机会路由与交互式内容移交”这一重点基金课题，并就群智感知任务优化分配与数据优选汇聚开展了深入的探索和研究。2015年，由上海交通大学过敏意教授担任首席科学家的973计划项目“城市大数据三元空间协同计算理论与方法”启动，我们承担了其中的“面向城市大数据的三元空间协同感知方法”课题，并对群智感知能力的泛在发现、协作增强、关联表达、优质萃取等关键问题开展系统性研究。同年，我们在ACM Computing Surveys（第48卷，第1期）上发表题为“Mobile Crowd Sensing and Computing: The review of an emerging human-powered sensing paradigm”（群智感知计算：一种以人为中心的新型感知模式）的群智感知综述论文，对群智感知的概念体系、理论方法、挑战与关键技术、典型应用等进行了详细综述，该论文迄今已被国内外研究者引用近700次。2019年，我们研制和发布了CrowdOS（www.crowdos.cn）平台，并面向智慧城市、公共安全、智能制造等国家重大需求开展领域应用和技术推广，得到了国内外同行的广泛关注。经过在群智感知计算领域十余年的持续耕耘，我们在理论、模型、方法、技术等方面都积累了系统而丰富的经验。2020年，在微软学术（Microsoft Academic）统计分析的关于群智感知（Crowd Sensing）研究的作者排名（Top Authors）中，我们团队位列全球第一。
近年来，智能物联网、群体智能、工业互联网等技术逐步兴起，人（智能手机、可穿戴设备等）、机（云设备/边缘设备）、物（具感知计算能力的物理实体）这三种基础要素正在走向协作和融合，迈向“人机物融合群智计算”时代。2021年5月28日，习近平总书记在两院院士大会上发表的重要讲话中指出：人类正在进入一个“人机物”三元融合的万物智能互联时代。人机物融合的三元计算是21世纪上半叶信息技术发展的大趋势，这一发展趋势最早于2009年中国科学院《中国至2050年信息科技发展路线图》研究中首次明确提出。中国科学院的李国杰院士在《创新求索录》一书中也指出：今天的信息世界已经与一人一机组成的、分工明确的人机共生系统不同，而是一个多人、多机、多物组成的动态开放的网络社会，即物理世界、信息世界、人类社会组成的三元世界。此外，Gartner于2020年也提出“人机物融合智慧空间”的概念，并将其列入当年十大战略科技发展趋势，指出人工智能与物联网、边缘计算和数字孪生等技术的快速发展及深度融合，可为智慧城市、智慧社区、智能制造等领域提供高度集成的智慧空间环境，人、机、物等要素在其中彼此交互与激发，将构建更加组织灵活、行为自适、自主演化的空间。
“人机物融合智能”与国际上陆续流行的“万物互联”“泛在智能”“边缘智能”“信息物理系统”等前沿研究殊途同归，它们具有相似的愿景：通过万物互联，将智能融入万物，实现工业化和信息化的无缝对接。而笔者惊喜地发现这一愿景与群智感知计算“异构群体智能协作增强”的本质内涵不谋而合。在此灵感的推动下，笔者带着十余年从事“群智感知计算”研究的思考，萌发并构思本书的核心思想与主旨脉络，以期系统化地阐明新一代“群智感知计算”的内涵，并匠造出一把开启“人机物融合群智计算”新世界大门的钥匙样本，为更多研究人员提供思维启迪。此外，自2019年起，笔者开始承担两个国家重点研发计划项目（课题），即“面向城市精准管理的新型群智感知技术及应用”和“多维群智融合的制造业智慧空间构建理论”。它们分别从智慧城市和智能制造两个领域的视角出发探索面向人机物融合群智计算的理论创新、核心方法、系统架构以及应用示范。这些项目的实施也促使我们从应用需求牵引的角度出发去进一步思考人机物融合群智计算的内涵与关键技术。
哲学的本质是描述世界，自然科学在此基础上定义和计算物理世界，而计算机科学则旨在通过信息化手段管理物理世界的无序性。因此，为了在人（社会）机（信息）物（物理）三元空间的融合计算中使其蕴含的潜在智能实现无序到有序的管控，本书遵从“理论机理-关键技术-系统平台”的研究脉络。“自然合理、整体关联、动态平衡”是我国古典哲学和宇宙观著作《易经》中首次提出的东方系统论。稽古振今，这一思想也成为笔者构思“人机物融合群智计算”系统性特质的根基。
“自然合理”强调关注人机物异构智能个体感知和计算资源能力的差异性，并充分利用个体差异性实现优势互补，这也是人机物弱智能体通过协作增强智能的根本动机。
“整体关联”则突出异构群智能体之间的组织性和协作性，包括群智涌现机理（如群集动力学）、群智优化算法、人机物协作群智感知、多源群智数据融合、群体分布式学习模型、人机物混合学习模型等。
“动态平衡”则指出环境动态变化是一种必然的客观属性，因此人机物融合群智计算系统必须具有根据动态环境做出主动适应性改变的能力，对应了人机物融合群智计算的环境自适应演化、自学习增强演化和群智知识迁移学习等。
在此思想的指引下，笔者2020年于《人民论坛·学术前沿》上发表的《论智能物联与未来制造—拥抱人机物融合群智计算时代》分析了智能物联网为制造业带来的机遇，阐述了实现人机物融合的群智智能制造所面临的科学和技术挑战，并探讨了新一代人工智能技术如何推动制造业智慧空间构建。笔者2021年于《中国计算机学会通讯》（第17卷，第2期）上提出“人机物融合群智计算”的概念并对其科学问题和未来挑战进行了系统性阐述和展望。另外，结合所从事的国家重点研发项目研究，笔者与北京航空航天大学的张莉教授于《中国计算机学会通讯》（第17卷，第8期）上组织了“群智智能制造”专题，共邀请北京航空航天大学、清华大学、西北工业大学、东南大学、哈尔滨工业大学等相关研究团队撰写6篇文章，就“群智智能制造”这一新兴方向的概念与愿景、研究挑战、基础理论、关键技术、典型应用等进行了系统性阐述。
为了推动人机物融合生态和开放平台的发展，在中国科学院王怀民院士和西北工业大学周兴社教授的亲切关怀和指导下，作者团队于2021年在“中国软件开源创新大赛”中发起“群智感知开源创新赛”，吸引了来自海内外40余所高校的50余支队伍参加。同年8月，研发完成人机物融合群智计算（CrowdHMT）系统的通用系统框架，推出了包含其核心系统模块的开源共享平台（www.crowdhmt.com），并提出“太易”人机物链中间件的设计构想，旨在实现人机物异构群智能体之间的分布式资源共享、通信连接、协作感知、协同计算、分布式学习和隐私保护等。
2020年疫情期间，笔者开始本书的撰写，历时一年有余。本书的基本主旨是将传统的“以人为中心”的群智感知计算拓展深化为“人-机-物异构群智能体融合计算”（简称为人机物融合群智计算），从单纯的群智感知数据收集提升为人机物群智融合的协作计算与增强学习，探索异构群智协同的基础理论创新和关键技术突破。本书特色主要体现在以下几个方面。
1）全书逻辑主线：全书依照“理论机理-关键技术-系统平台”逻辑组织。其中，第3章和第4章介绍理论机理，第5～11章介绍关键技术，第12章介绍系统平台。首先，在理论机理层面，第3章追本溯源，从人类社会、生物和细胞集群、群落生态学等自然科学和社会科学等领域探寻群智协同涌现的机理；第4章穷理尽妙，综合运用生物、人工集群以及演化博弈等动力学理论分析建模群智涌现机制背后的影响因素。其次，在关键技术层面，第5～11章介绍人机物协作群智感知、数据融合、自适应演化、分布式学习、协同计算、知识迁移、隐私信任与社会因素等多种维度的关键技术。最后，第12章介绍与本书同名（人机物融合群智计算，CrowdHMT）的开放系统、典型应用及“太易”人机物链中间件构想。
2）纵向关键技术脉络：关键技术涵盖“感知-计算（学习）”两大主干脉络。在感知层面，第5章介绍人机物异构群智能体如何协作感知，第6章介绍如何多维度融合和理解多源群智能体的感知数据；在计算（学习）层面，第7章介绍深度计算模型如何适应环境变化和数据偏移实现自学习增强与自适应演化，第8章介绍如何协同利用群智能体分布式计算资源和数据进行计算/学习，从而完成大规模复杂任务，第9章介绍人机混合学习思想下的样本标注、示范模仿学习以及人类指导强化学习方法，第10章介绍群智能体间如何迁移学习知识、领域、技能和策略以提升系统解决新任务的能力。为了保障人机物融合群智计算系统隐私安全，提升用户参与度和系统可信度，第11章介绍人机物异构群智能体的数据、模型和系统隐私保护机制，以及激励、信任和社会因素。
3）横向问题牵引：各章内按照“问题导向-典型研究-研究实践-拓展思考”的逻辑思路展开。以第7章为例，从智能物联网背景引出在人-机-物终端执行深度学习模型实现智能体推断逐渐成为一种趋势，指出人机物融合群智计算应用情境复杂多变、数据分布差异、数据和学习任务不断增加与演化以及终端平台资源（计算、存储和电量）受限等问题，急需一种具有稳定的动态环境自适应能力和持续自学习增强能力的深度学习模型演化范式。深入介绍深度学习模型的自主演化范式中所包括的深度学习模型的自适应演化（7.2节）和自学习增强演化（7.3节）。更深入地说，7.2节涉及深度计算模型性能指标量化、模型自适应压缩、模型运行时自适应、多平台自适应分割、自适应网络架构搜索等技术分支内的国际前沿典型研究和作者的前期研究实践。最后在展望中提出人机混合自学习演化、自适应压缩与分割协同、软硬协同优化三个新颖的未来研究方向。
1945年，美国麻省理工学院的范内瓦·布什教授（著名的“曼哈顿计划”领导者）提交给罗斯福总统一份战略报告—《科学：无尽的前沿》，该报告奠定了美国科学政策的基础架构，提出政府的公共资金要大力支持基础研究，并由此确保了美国在科学创新和研究方面一直处于世界领先地位。当前，我们正面临“世界百年未有之大变局”，基础研究和“从0到1”原始创新已成为引领我国未来发展和科学研究变革的必由之路。本书中所探讨的人机物融合群智计算、群体智能等新兴方向方兴未艾，我们期待与广大读者共同探索人机物异构群智能体的协作增强机理与分布式学习机制等基础性问题，在该领域催生更多的创新性成果。
在本书前期酝酿和写作过程中，笔者不断向不同领域的专家和学者请教或学习，在中国计算机大会发起“群智感知计算”“群体感知与群智协同”等论坛，在普适计算专委会的指导下发起“智能感知与城市计算”系列论坛，在国际会议和期刊举办“群智感知”相关特刊或研讨会，并在与诸位专家的讨论和交流过程中受到很多的启发。因此，本书的内容凝聚和汲取了众多学术前辈和同行的心血与智慧，是在前人研究基础上进行的整理、凝练和进一步升华。
在本书编写过程中，西北工业大学智能感知与计算工信部重点实验室的研究生做出了很大的贡献，包括王虹力、丁亚三、马可、吴磊、李诺、刘琰、任思源、欧阳逸、任浩阳、仵允港、郝静怡、张江山、王家瑶、李新宇、张玉琪、徐若楠、张周阳子、景瑶、王倩茹、张艺璇、李智敏、成家慧、冯煦阳、古航、李梦媛、沈豪宸等。第一稿出来之后，作者和王虹力、丁亚三、马可、吴磊、张江山、张玉琪等又进行了反复的修订和统稿，在此对他们的辛勤付出表示深深的感谢！感谢实验室学术带头人周兴社教授和学术顾问张大庆教授多年来的悉心培养、指导以及在本书编写和审校过程中给予的宝贵意见。西北工业大学的王柱副教授、王亮副教授和刘佳琪副教授等青年教师也对本书的编写提供了大力协助与支持，在此一并表示感谢。此外，还要特别感谢机械工业出版社华章分社的温莉芳常务副社长和李永泉编辑在本书准备过程中给予的全力支持与专业指导。
人机物融合群智计算涉及群体智能、物联网、普适计算、机器学习、生物学等多个研究领域的交叉，在成书过程中，虽然怀着敬畏之心尽可能学习相关领域知识，但仍常常感叹科学世界之浩瀚、学科丛林之广袤与交织，以及个人学识与能力之局限，因此本书还存在很多不足留待后续不断完善。此外，本书涉及新兴研究领域和对未来技术前景的展望，编写时可以参考的内容有限，有些观点和内容难免有失偏颇或存在错误，还望读者谅解并给予批评指正。
本书既可以为物联网、人工智能、工业互联网、智慧城市、智能制造等领域的科研人员和IT从业者提供创新的发展视角及相关理论、方法与技术支撑，也可以作为高年级本科生或研究生的参考教材。
2021年8月于西安
计算机\人工智能
未来几十年，人工或半人工的群体智能系统将在信息、物理、社会三元空间中得到广泛应用，实现对大规模人机物异构智能体协同的有效支持，并在各类复杂问题的求解中发挥重要作用。
梅宏 中国科学院院士，中国计算机学会理事长
该著作总体思想与具体方法兼论，系统设计与算法实现兼顾，典型实例与参考文献兼容，学术观点明确、技术分析清晰、涉及内容丰富。
周兴社 中国计算机学会会士，陕西省计算机学会理事长
2012年，我们在CCCF上提出了“群智感知计算”的概念，到今天正好十年，人机物融合群智计算作为对群智感知计算概念的进一步发展和探索，在人机物三元融合愿景下具有积极意义，能给大家带来新的启迪。
刘云浩 清华大学教授，全球创新学院（GIX）院长
ACM/IEEE Fellow
现代社会是人、机、物深度融合的社会，对群体的感知、理解、预测和组织需要强大的计算能力和理论基础。本书作者郭斌、刘思聪和於志文教授在人、机、物的融合计算领域深耕多年，从理论到实践都多有开创性建树。本书由浅入深地介绍了这一新兴领域的背景、基础理论和实践经验，让读者从不同学科的角度了解泛在计算和群智涌现的交融。特别值得一提的是，书中还介绍了保护数据安全和用户隐私的联邦学习方法及本领域的最新进展。我强力推荐本书给学生群体、研究人员、工程实践人员及企业和政府的决策者。
杨强 国际人工智能联合会议理事会前主席，加拿大工程院
和皇家科学院院士，AAAI/ACM/IEEE/CAAI等学会会士
人机物融合的泛在计算是计算机多学科交叉的前沿，本书作者郭斌、刘思聪和於志文教授基于多年在情境感知、社群智能和群智感知等方向的深入研究，从群智计算的新视角开拓性地将这一新兴领域的理论机理、技术方法、平台应用进行了系统的研究和梳理，极大地丰富了该领域的内涵。从2004年起我与於志文、郭斌教授开始合作，目睹了他们的成长和丰硕成果，很高兴推荐这一力作给计算机学科的学生和科研技术人员。
张大庆 北京大学讲席教授，欧洲科学院院士，IEEE Fellow
本书在融会贯通群智感知计算和信息物理系统两大领域的基础上系统地阐述人机物三元融合系统的概念，涵盖其理论基础和关键技术，分享作者十多年来在相关领域的研究成果，特别是刚刚发布的CrowdHMT系统及其应用，引领读者到达研究探索的前沿。
钟林 耶鲁大学计算机系教授
在万物互联时代，人机物的交互融合与群体智能是人工智能领域核心的研究方向之一。本书以通俗易懂的语言为读者深入浅出地介绍了人机物融合的发展脉络、系统机理和基础算法，并辅以生动、活泼的实践应用与场景分析，可以为人工智能领域的研究者和从业者开拓视野、启迪思路，是一本值得一读的好书。
熊辉 香港科技大学（广州）讲座教授，AAAS/IEEE Fellow
人机物融合群智计算不仅是一个激动人心的愿景，也是一个前沿的研究课题。本书的作者们在这个领域具有十多年的沉淀与积累。在这本书中，他们通过生动的语言深入浅出地为大家展示了一个从理论到技术再到平台的技术全景。强烈推荐对未来计算技术感兴趣的读者阅读此书。
谢幸 微软亚洲研究院首席研究员
近年来人工智能、物联网、智慧城市等领域取得了令人瞩目的巨大发展, 使人、机、物这三者走向协作与融合，引领了“人机物融合群智计算”的潮流。本书对这个方向的理论机理、关键技术以及系统平台做了详尽的介绍和描述，非常适合作为科研人员和IT从业者的技术参考书，同时也适合作为高校计算机领域前沿研究的参考教材。
谢源 IEEE/ACM/AAAS Fellow，加州大学圣芭芭拉分校教授
“人机物”三元计算是计算机科学领域近年来一个非常重要的研究方向，其中如何有效地将群体感知信息融合并利用起来是一个巨大的挑战，也是边缘计算的一个重要应用领域。作者团队在这一领域非常活跃并在国内外颇有影响。该书全面分析了人机物融合群智计算的来龙去脉，介绍了作者团队的研究成果，非常适合学术界读者深入了解这个方向。
施巍松 韦恩州立大学计算机科学系教授，IEEE Fellow
边缘计算早期提出者和倡导者
郭斌 刘思聪 於志文 著：见勒口文字
Foreword
推 荐 序 一
老友周兴社教授嘱我为其团队成员新近完成的著作作序。我对其团队和研究工作颇为熟悉。近年来，该团队在人机物融合智能计算、泛在感知计算、移动群智感知、群体智能操作系统等方面成果颇丰，同时成长出包括本书作者在内的若干杰出年轻学者。本书涉及内容也是对该团队前期研究成果的总结、梳理和提炼升华。遂欣然允之。
本书定名为《人机物融合群智计算》，这正是我近年来重点关注的领域。这里，结合其中两个关键词分享我的一些认识和思考。
一个关键词是“人机物融合”。我理解，它体现的是计算发展的一个新时代和一种新模式。一个基本的共识是：随着互联网向人类社会和物理世界的全方位延伸，一个万物互联的“人机物”（人类社会、信息空间和物理世界）融合泛在计算时代正在开启。软件定义一切、万物均需互联、一切皆可编程、人机物自然交互将是其基本特征。所谓泛在计算（Ubiquitous Computing），是指计算无缝融入物理环境，它无处不在、无迹可寻。泛在计算是在主机计算、个人计算（桌面计算）、移动计算等模式之后出现的一种新型计算模式，将给我们带来一系列新问题和新挑战。从软件研究者的视角看泛在计算，我以为需要“沉淀”一类新型操作系统—我称其为“泛在操作系统”（Ubiquitous Operating System，UOS），用来支持新型泛在计算资源的管理调度和泛在应用的开发运行。由于泛在计算场景的领域特定性、泛在计算资源的广谱多样性和极端特异性，泛在操作系统的领域性和专用性将比较突出，会存在领域或应用场景特定的多样性的泛在操作系统。
另一个关键词是“群智”。群体智能是科学家长期关注和研究的一种自然现象：构成群体的每一个个体都不具有智能或仅具有有限的智能，但整个群体却表现出远超任一个体的智能行为。低等生物的典型群体智能现象包括“蜂群筑巢”“鱼群避敌”和“蚁群寻食”等。人类社会中也存在众多群体智能现象，如“三个臭皮匠顶个诸葛亮”和“市场经济的资源配置”；更宏观地看，人类文明的不断发展和演化也是一种群体智能现象。同样是源于互联网的快速发展，大量人类个体通过信息空间相互连接，为人类群体的跨时空大规模协同提供了可能，从而出现了不少基于互联网的“群体智能”实践，如“维基百科”“众包”“开源软件开发”等。我认为，长期以来，群体智能研究主要将其视为一种自然现象，关注对群体智能现象的事后解释和规律总结，较少涉及如何利用规律主动构造求解特定问题的群体智能系统。如果能够将群体智能的基本原理应用于通过网络互联的人类群体，形成一种新技术条件下的大规模群体协同机制，这将是一项非常有意义的工作。鉴于此，我们提出了一种群体智能的构造性模型，将群体智能的形成机理建模为一个“探索”“融合”和“反馈”三个活动持续迭代运行的回路。基于该模型构造求解特定问题的群体智能系统的关键，在于如何设计出有效的信息表示、融合与反馈机制。类比AI的概念，我们将此类面向问题求解而构造的群体智能系统称为人工群体智能（Artificial Collective Intelligence，ACI）系统，其核心是采用AI技术实现高效的信息融合和个性化的信息反馈。
本书以人机物融合环境中由人、计算机、物品构成的混成群体为研究对象，提出并阐释“人机物融合群智计算”这一概念，并探索构建其基础理论与方法体系。人机物融合群智计算将海量异构的资源统一抽象为具有不同程度感知与计算能力的实体，即智能体。通过人、机、物异构智能体的联结共生与协同融合，构建具备自组织、自学习、自适应、持续演化等特性的人工群体智能系统，实现个体智能的增强与群体智能的涌现。
本书内容丰富，既有理论方法探索，也有系统平台实践。一方面，以生物群智涌现到人工群智系统的映射机理探索为宏观指导，针对人、机、物异构群智能体的协作、竞争与融合等开展理论、模型和方法研究，拓展了概念及问题域的空间广度与深度，在人机物异构群智能体的协作增强机理、群智涌现动力学、自组织与自适应协同、智能体分布式学习、智能体知识迁移等方面展开探索与研究。另一方面，结合作者团队的系统研发和应用实践（例如：2019年推出开源可定制的群智感知操作系统—CrowdOS，该系统涵盖群智任务敏捷发布、复杂任务高效分配、多粒度数据隐私保护等核心功能，受到国际学术界和企业界的广泛关注；2021年在“中国软件开源创新大赛”中发起“群智感知开源创新赛”，扩大了群智开源生态的影响），还系统地介绍了该团队研发的人机物融合群智计算开放平台—CrowdHMT，涵盖了人机物群智开放式系统架构、群智计算开源社区以及人机物链中间件等核心要素。CrowdHMT平台探索赋能智慧城市、智能制造、军事装备等典型应用场景，对构建未来异构群智体协同计算、共生演进的人机物融合智慧空间具有重要的参考意义。
可以预料，未来几十年，人工或半人工的群体智能系统将在信息、物理、社会三元空间中得到广泛应用，实现对大规模人机物异构智能体协同的有效支持，并在各类复杂问题的求解中发挥重要作用。本书介绍的研究和实践工作是对如何使用技术手段创造这种未来的一次很好的探索，相信读者会在阅读本书的过程中，获取知识，得到启发。
梅宏
辛丑年孟冬于北京
Foreword
推 荐 序 二
计算技术经历了主机、个人机、互联网不同时代的发展与演化之后，目前正在进入智能新时代，其以万物智联、云端融合、数据驱动、AI赋能、移动服务及其融合发展为主要标志。与此同时，计算技术也在自然人机交互、普适与泛在计算、信息物理融合系统不断发展的基础上，在“物-移-云-大-智-链”一体化的推动下，快速步入人机物融合泛在计算新阶段。
在人机物融合环境中，具有推理与决策智慧的特定人群、具备智能处理潜能的网络计算系统，以及具有深度嵌入智能的多类物理实体，成为异构异质的人机物融合群体。该群体能力优势互补，智力协同增强，形成了结构更复杂、行为更融洽的人机物融合复杂系统。该系统不仅具有泛在连接、分布计算、远程控制等基本特征，而且形成了自主协同、动态重构、实时认知等高级属性，进而呈现出组织灵活、群智涌现、和谐共生的人机物融合群体智能。
人机物融合群体智能是基于仿生机理的无人系统群体智能以及基于互联网的人类群体智能不断发展而形成的群体智能高级阶段。它将改变未来的社会形态、工作模式以及生活空间，具有极富创新深度和广度的应用前景，例如，处于发展之中的智慧城市、智能制造、智能军事等就是人机物融合群体智能的典型场景。
为了追求人机物融合群体智能的愿景目标，人机物融合群智计算成为需要深入研究的核心问题。我理解的人机物融合群智计算是在人机物异质智能体集群有机融合的基础上，以提升个体与群体多维能力为目标，发挥群体协作优势，组织群体智能计算，它具有以下特点：三元空间的交织性，万物智联使社会、信息、物理三元空间不仅有序连接，而且相互交织，形成复杂多变的协作共生图景；计算内涵的广义性，群智计算不仅包括人机物融合环境下的群体感知、群体认知、群体学习，也隐含群体决策、群体协同、群体优化等要素；应用场景的适应性，群智计算模型、结构及其机制等面向不同应用领域及其应用场景变化，实现自主演化、能力适配与环境迁移。
我在十几年前已开始信息物理融合系统（CPS）及其应用的研究，对CPS的多尺度融合、一体化建模、自适应协同有一定的理解和体会，团队中几位青年学者在扩展CPS而形成的人机物融合环境下，探索其群体智能与群智计算前沿问题并取得阶段性成果，自感欣慰！
本书以“自然合理，整体关联，动态平衡”为指导思想，以“理论机理-关键技术-系统平台”为组织逻辑，不仅总结凝练了主流的群智计算基本机理、人机物融合群智计算多层面挑战以及国内外已有研究，而且介绍并展现了研究团队的群智感知计算及其自研开放平台等创新成果。本书总体思想与具体方法兼论，系统设计与算法实现兼顾，典型实例与参考文献兼容，学术观点明确、技术分析清晰、涉及内容丰富。正当人机物融合群体智能来临之时，期望本书的出版可使读者对人机物融合群体智能及其核心——群智计算获得较为全面的认识和更为深刻的理解，共同为我国计算科学与技术自主创新研究和领域深入应用做出贡献。
中国计算机学会会士
陕西省计算机学会理事长
2021年11月28日
丛书序言
推荐序一
推荐序二
前言
第1章 绪论1
1.1 背景与趋势1
1.2 人机物融合群智计算概述3
1.3 研究挑战与进展4
1.3.1 人机物群智协同机理4
1.3.2 自组织与自适应能力5
1.3.3 群智能体分布式学习6
1.4 典型应用6
1.4.1 城市计算6
1.4.2 智能制造7
1.5 本书整体结构8
习题11
参考文献11
第2章 迈向人机物融合群智计算时代14
2.1 背景和趋势14
2.1.1 智能物联14
2.1.2 边缘智能16
2.1.3 新一代人工智能17
2.2 应用新业态18
2.2.1 城市群智计算19
2.2.2 群智智能制造20
2.2.3 军事群体智能23
2.3 人机物融合群智计算内涵25
2.3.1 基本概念25
2.3.2 人机物融合智慧空间27
2.4 人机物融合群智计算特质28
2.5 研究脉络30
习题32
参考文献32
第3章 人机物群智涌现机理35
3.1 生物群智涌现机理36
3.1.1 集体行进37
3.1.2 群体聚集39
3.1.3 群体避险40
3.1.4 协作筑巢42
3.1.5 分工捕食44
3.1.6 社会组织45
3.1.7 交互通信47
3.1.8 形态发生49
3.2 生物集群到人工集群映射机理51
3.2.1 群集动力学52
3.2.2 启发式规则53
3.2.3 自适应机制56
3.2.4 群智优化算法58
3.2.5 图结构映射模型59
3.2.6 演化博弈动力学61
3.2.7 群智能体学习机制62
3.2.8 群智涌现机理的典型应用64
3.3 人机物融合群智涌现机理66
3.3.1 群落生态学69
3.3.2 异构群集动力学73
3.3.3 人机物演化动力学75
3.3.4 人机物共融智能79
3.3.5 人机物超级物种集群83
3.4 本章总结和展望86
习题87
参考文献87
第4章 人机物群智涌现动力学模型100
4.1 群集动力学模型101
4.1.1 生物群集动力学建模102
4.1.2 群集动力学系统建模109
4.2 群智演化博弈动力学模型111
4.2.1 生物集群演化博弈动力学模型111
4.2.2 人工集群演化博弈动力学模型114
4.3 人机物融合群智系统动力学建模117
4.3.1 人机物融合群集动力学系统建模117
4.3.2 人机物融合演化动力学建模123
4.3.3 超级物种集群构建130
习题136
参考文献136
第5章 人机物协作群智感知146
5.1 群智感知新发展148
5.1.1 人机物协作群智感知的基本概念148
5.1.2 人机物协作群智感知的系统架构149
5.2 人机物协作任务分配152
5.2.1 人机物协作任务分配问题152
5.2.2 人机物协作任务分配框架155
5.2.3 人机物协作任务分配方法157
5.2.4 研究趋势展望168
5.3 感知数据的高效汇聚168
5.3.1 终端感知数据质量评估169
5.3.2 冗余数据优选171
5.3.3 数据高效汇聚173
5.4 人机物协作群智感知的应用175
5.5 本章总结和展望177
习题178
参考文献179
第6章 多源异构群智数据融合184
6.1 跨模态群智数据关联185
6.1.1 何为跨模态群智数据185
6.1.2 跨模态群智数据表示188
6.1.3 跨模态群智数据耦合关系学习191
6.1.4 跨模态群智数据融合研究实践194
6.2 群智知识集聚与发现196
6.2.1 群智数据集聚198
6.2.2 群智知识发现204
6.3 群智融合时空预测208
6.3.1 群智融合时空预测任务208
6.3.2 群智融合时空预测研究实践211
6.4 本章总结和展望216
习题217
参考文献218
第7章 自学习增强与自适应演化224
7.1 强化学习与自主决策226
7.1.1 何为强化学习227
7.1.2 深度Q网络229
7.1.3 策略梯度231
7.1.4 演员-评论家架构231
7.1.5 分层强化学习232
7.1.6 元强化学习233
7.2 深度计算方法的自适应演化235
7.2.1 模型性能指标量化235
7.2.2 模型的自适应压缩238
7.2.3 模型运行时自适应244
7.2.4 多平台自适应分割246
7.2.5 自适应网络架构搜索250
7.3 深度计算方法的自学习增强演化 254
7.3.1 自学习增强演化254
7.3.2 何为终身学习256
7.3.3 灾难性遗忘259
7.3.4 终身学习研究262
7.4 本章总结和展望277
习题278
参考文献279
第8章 群智能体分布式学习方法287
8.1 传统分布式机器学习288
8.1.1 数据与模型划分289
8.1.2 分布式通信策略293
8.1.3 数据与模型聚合297
8.1.4 主流分布式机器学习平台300
8.1.5 人机物群智能体分布式学习新挑战300
8.2 群智能体联邦学习301
8.2.1 横向联邦学习303
8.2.2 纵向联邦学习307
8.2.3 个性化联邦学习309
8.3 群智能体深度强化学习313
8.3.1 群智能体环境315
8.3.2 群智能体协作316
8.3.3 群智能体竞争319
8.3.4 群智能体通信323
8.4 群智能体协同计算326
8.4.1 协同计算的基本方法327
8.4.2 串行协同计算328
8.4.3 并行协同计算331
8.4.4 混合协同计算333
8.5 本章总结和展望335
习题336
参考文献337
第9章 人机混合学习方法343
9.1 参与式样本标注345
9.1.1 参与式样本标注的概念345
9.1.2 参与式样本标注的框架与方法346
9.1.3 参与式样本标注的成本控制350
9.1.4 参与式样本标注的质量控制352
9.2 示范模仿学习354
9.2.1 何为模仿学习354
9.2.2 行为克隆355
9.2.3 交互式模仿学习356
9.2.4 逆强化学习358
9.2.5 生成对抗式模仿学习360
9.2.6 单样本模仿学习362
9.3 人类指导强化学习363
9.3.1 基于人为评估反馈的指导364
9.3.2 基于人类偏好的指导366
9.3.3 基于人类注意力的指导367
9.4 本章总结和展望370
习题371
参考文献371
第10章 群智能体知识迁移方法375
10.1 基于知识蒸馏的群智知识迁移376
10.1.1 教师-学生迁移模式376
10.1.2 学生互学习迁移模式381
10.2 基于域自适应的群智知识迁移383
10.2.1 样本自适应知识迁移385
10.2.2 特征自适应知识迁移387
10.2.3 深度网络自适应知识迁移389
10.2.4 对抗自适应知识迁移390
10.3 基于多任务学习的群智知识共享397
10.3.1 多任务联合学习398
10.3.2 辅助任务学习403
10.4 基于元学习的群智知识迁移405
10.4.1 何为元学习406
10.4.2 基于优化的元学习知识迁移409
10.4.3 基于模型的元学习知识迁移416
10.4.4 基于度量的元学习知识迁移418
10.5 基于联邦迁移学习的群智知识迁移422
10.5.1 何为联邦迁移学习422
10.5.2 联邦迁移系统框架423
10.5.3 典型应用428
10.6 基于分层学习的群智技能迁移431
10.6.1 何为技能迁移432
10.6.2 分层强化学习432
10.6.3 模块化分层学习437
10.7 多智能体强化学习中的群智知识迁移438
10.7.1 多智能体经验迁移学习439
10.7.2 多智能体交互迁移学习442
10.8 本章总结和展望445
习题446
参考文献446
第11章 隐私、信任与社会因素455
11.1 激励机制455
11.1.1 移动群智感知中的激励机制456
11.1.2 人机物融合群智计算中的激励机制457
11.1.3 激励机制的典型案例460
11.2 隐私保护462
11.2.1 人机物融合的隐私问题463
11.2.2 人机物融合的隐私解决方案467
11.3 信任计算476
11.3.1 人机物融合的多元信任计算477
11.3.2 人机协同信任机制481
11.3.3 人机物动态环境下的信任构建482
11.4 基于区块链的人机物融合安全可信群智计算架构484
11.4.1 区块链技术研究概述485
11.4.2 典型案例与场景应用488
11.4.3 人机物融合安全可信群智计算架构492
11.5 本章总结和展望494
习题495
参考文献496
第12章 CrowdHMT开放平台506
12.1 研究背景与需求507
12.2 典型主流平台与开放资源分析509
12.2.1 智能物联网平台509
12.2.2 智慧城市平台511
12.2.3 群智感知计算平台512
12.2.4 开放共享资源513
12.3 人机物融合群智计算平台522
12.3.1 通用系统架构523
12.3.2 CrowdHMT自研平台524
12.4 “太易”分布式人机物链中间件539
12.5 应用领域与典型场景541
12.5.1 智能制造541
12.5.2 智慧旅游542
12.5.3 智能家居544
12.5.4 智慧城市546
12.5.5 智慧交通550
12.5.6 军事智能551
习题552
参考文献552
