来源/王继祥（ID：qq1900915002）

作者/王继祥

编者按：目前，全球各界围绕chatGPT又掀起了一轮热潮，在物流领域也掀起了巨大波澜。但大多数人基本上都是围绕着聊天对话展开讨论，惊艳于ChatGPT聊天对话的流畅性，文本处理的逻辑性、知识整合的应用性展开，并惊叹国外技术先进，哀叹中国人工智能落后，自卑自贱自我否定。老王认为这并不是重点，真正需要关注重点主要有两个，一个是中国如何结合我们的优势实现对ChatGPT的技术超越；二是ChatGPT大模型是否真的具有智慧“涌现性”。

如何实现技术超越？老王认为：在NLP自然语言训练方面，英语是全球性语言，全球互联网英文数据远高于中文，连中国重要论文等资料都是英文发表，因此在自然语言大模型训练与学习上中文确有劣势，我们只是模仿跟随可能永远难以超越。但是，中国是制造业大国，物联网在中国发展极快，物联网产生的数据信息全球独步，我们如果绕过语言文字，利用我们物联网应用优势，将各类感知终端从物理世界采集的真实数据感知纳入训练，并与人工智能最新多模态技术结合，将物理世界机器视觉、触觉、听觉、文本、语音等数据融合起来训练，极有可能实现技术超越。也就是说你搞互联网的聊天，我搞物联网的信息交互。

关于ChatGPT的智慧涌现性才是ChatGPT的根本，关注聊天内容是看热闹，关注与追踪“涌现性”才是看门道。最近众多人工智能顶级专家结合ChatGPT技术发表了“大语言模型涌现能力，论文地址：https://openreview.net/forum?id=yzkSU5zdwD”，还有非常值得关注是：ChatGPT有人类心智？斯坦福新研究引轰动

目前，关于人工智能到底有没有真正的智能，是不是伪智能有很多争议。因为深入到智能系统，我们看到的都是统计计算与概率逻辑的分析，智能来自哪里？同样，2009年我代表物流技术与应用编辑部等单位提出智慧物流概念以来，大家对智慧物流也有很多争议。如：智慧物流是不是炒作概念，物流系统到底能不能有智慧？如果有物流系统有智慧，那么智慧是怎么产生的？为什么本来没有智慧的物流系统就会产生智慧？简单的大数据分析就产生智慧吗？针对上述问题，本文结合物理学的涌现性，试图解释智慧物流的智慧之源，揭示智慧物流的智慧之谜。一家之言，抛砖引玉，希望引起大家探讨。

涌现性指的是随着事物的时间量变，单体简单行为在简单地相互影响下，在系统整体上突然出现的一种整体突变。即：涌现是一种从低层次到高层次的过渡,是在微观主体进化的基础上，宏观系统在性能和机构上的突变，在这一过程中从旧质中可以产生新质。

系统科学把这种整体系统才具有，孤立部分及其个体总合不具有的性质称为整体涌现性（whole Emergence）。涌现性就是组成的成分按照系统结构方式相互作用、相互补充相互制约而激发出来的特征，是一种结构效应。

不同的结构方式，不同的相互激发产生不同的整体涌现性。整体涌现性的产生不是单一的，是规模效应和结构效应共同的结果，是简单个体信息连接并互相影响带来的整体网络效应的突变，是系统的质变与升级。整体性、系统性并不一定是涌现性，涌现性具有整体大于部分之和或整体小于部分之合的特征。

0与1是很简单的符号，但是这样的两个符号通过简单地加减互相作用，进化出了复杂的计算机系统和现在的数字世界，让我们进入了数字时代。其实中国古代哲学中也是通过阴与阳的哲学概念来建立世界模型的，“一阴一阳谓之道”，中国中医等传统科学理论也建立在类似0与1这样的模型体系，但缺乏现代科学支撑，显得朴素和粗糙。

蜂群和蚂蚁群其整体系统所涌现出的智能行为是关于整体涌现性的重要案例。一个蚂蚁军团，智愚而不知测量，视短而不及远望，但这样一群无知而短视的个体在崎岖不平的地形上同时作业，当某只蚂蚁偶然发现一条短路径，这个信息通过信息素的气味间接地传递给其他虚拟蚂蚁，这样，单只蚂蚁毕生学习所得就间接地成为整个蚁群信息遗产的一部分，依靠这种把个体学习到的知识有效地传播给自己的群体的作用机制，就能让蚂蚁军团迅速找到穿越崎岖地面的最短路径。目前模拟蚁群网络机制，发展的蚁群算法也已经是人工智能中著名的计算方法之一了。

1、自主性：

根据观察看出，凡是能够出现整体涌现性的个体，不管是多么的低级，其自身都具有自主性，即具有一定的自主意识。有了自主意识就相当于有了生命力，可以实现状态感知、分析判断、自动执行的功能。

备注：有的书中将自主性也写成自我性，考虑到自我性在文字表述上容易引起歧义，具有自我分辨意识的含义，所以本文将机器主动性表述为自主性。想想看，一旦智能系统真的具有自我意识，可以分辨自我，知道谁利用我，谁欺负我，就有了感情，就会分辨人类与机器，就可能激发人机对抗，将是人工智能的奇点，也是人类的灾难。所以自主性不等于自我性。

2、互感知：

产生涌现性的群体中的个体可以互相感知，信息交流、相互作用、相互制约而产生相关效应。也就是说群体中的个体之间可以按照简单地规则互相影响。

3、自学习

自学习是群体系统智慧涌现的基本条件。我们说一个群体具备了自主性、互感知特征，只是具备了涌现出群体初级智能的条件，如蚁群或蜂群，但是这样的群体还不具备智慧，只能涌现出低水平的群体智能，并长期处在在同一智能水平上难以进化，因为整个群不具备自我学习、知识储备和迭代升级的能力。

如果一个群体，具备了自主学习，知识储备，自主训练，并迭代升级，则这个群体的特征就不是仅仅处于初级智能的水平，而是具备了智慧涌现性的能力，知其然，更知其所以然。

在现代社会，我们现在已经可以很简单的就设计出一个具有自主性的产品。按照自主性的特征，利用物联网技术，让一个产品可以实现状态感知、判断反馈、自动执行就可以了。比如蒸汽机通过自身温度控制自身风箱开关的大小、抽水马桶通过水位线控制阀门开关等等，这些产品本身都具备“自主性”的这一功能。

在此基础上，我们通过物联网技术让物品联网，形成物流互联网、制造互联网等物联网系统，系统内的物品就可以建立互相感知、信息交互、相互制约的简单机制，这个群体就会涌现出群体智能。

 在涌现理论出现之前，过去的人们一般使用还原理论来解释复杂系统的问题。还原理论的基本观点是：（1）整体是由局部构成的，因此局部决定整体；（2）整体的任一个变化，均可在局部找到原因。

还原理论虽然符合人们的思维习惯，也的确解决了不少问题，但是在遇到复杂系统相关问题时，却遇到了一些无法解释的现象，例如生态系统、大脑神经系统、经济系统、金融系统等复杂系统中的问题。因此人们开始发展专门针对复杂系统的概念和理论，而“涌现性”是其中最基本、也是最突出的一个。一般认为，具有涌现性的系统被称为复杂系统。

观察具有群体智能的世界，高级的智能行为都是通过大量低级单位的感知所形成的。低级单位各自做自己的事，并通过网络回路达成信息交流，这样的过程由量变到质变，最终产生智能化群体行为。每个低级单位无法预测、判断群体的行为，个体行为具有随机性，但群体行为综合起来的就是最优方案。在这种运营模式中，每个个体都是中心，即“去中心化”，没有真正的管理或统治中心，他们通过网络彼此影响、彼此干预，实现了最终的群体智能行为。

1、物流自动化让设备具有了“自主性”功能

物流自动化设备是智慧物流执行系统，是具有“自主性”的物流作业执行单元，可以是一个部件或一个产品；通过“硬件”和“软件”构成“感知-判断-执行”的闭环，具备了自主感知，分析判断，自动执行的功能，具备了自主性的能力。

物流自动化不是智慧物流，初级物流自动化设备有时候连物流智能硬件都算不上，只具备了自动的感知和自动的执行功能。随着物流自动化技术也在不断进步，陆续出现了主动感知功能、无线感知功能，并对感知的命令可以根据预设条件进行简单判断后自动执行的功能，是具备了状态感知、分析判断、自动执行功能，产生了自主性的智慧物流执行单元。

如：自动分拣系统，可以自动感知系统命令，自动完成输送和分拣作业；

如：物流机器人，可以自动感知和接收系统命令，分析判断行走路径，自动托举或抓取货物，走到目的地完成货物的自动搬运；等等

2、物联网让物流系统具有了“互感知”功能

物联网技术的发展，可以实现货物与货物之间联网通信，可以实现机械与机械之间联网通信，激发物联网感知功能，可以实现货物与设备的信息互联互通，建立物流互联网。此时，单元化的设备除了具有自主感知自动执行的能力，还具备了设备之间的信息通讯与互感知，多台设备与货物通过感知连接成物联网，就让物流系统群体物品与设备之间具有了互感知的功能。在此基础上，通过制定简单的互感知与互影响规则，物流系统的群体智能就可以涌现了。

如：群体物流机器人可以联网作业，有规则的优化和安排各自的行程路径，设计出最短行走距离，托举货架实现货代人拣选，物流中心拣选人员不必在行走中拣选，大大减少了物流中心拣选人员的劳动。

如：货物互感知和互影响，联网运作时就可以根据感知的出库流量分析和库存货物数量分析，按照简单规则分析判断，既可以智能的发出补货指令。

如：卡车在配送中通过车联网系统，可以感知配送路径上某段路所行驶的车辆行驶速度，如果出现速度缓慢甚至停止，车联网系统既可以智能判断出是否出现拥堵，并根据大数据分析各车辆通过拥堵路段的平均时间，向配送车辆发出拥堵信息、与通过拥堵路段时间，智能引导车辆更换路径。等等。

具备了连接组网的能力，借助物联网技术连接入网，在互联网基础设施上架构物流自动化系统，可以按照模块化理论对物流自动化系统进行柔性调整，实现状态感知、联网互动、判断决策、自动执行，这样的自动化系统具备了具有群体特征的基本智能。

3、物流大脑让物流系统具备了“自学习”功能

物流系统具备了自主性与互感知，通过联网，按照简单地规则与固定的决策判断依据，通过软件控制实现物流系统的智能化，但是这样的系统仅仅涌现出了智能，知其然而不知其所以然，系统智能难以自我实现迭代升级进化，还需要通过人类赋能，重新设计软件，制定升级的决策判断算法与依据，实现智能升级，系统本身并不具备自己升级智能的能力。

但是，借助于物流系统的自主性与互感知，整个物流大系统可以产生大量的数据，物流系统全链路数据化之后，让物流大数据汇总至物流大脑，通过系统自学习的软件程序，让物流系统可以自动的计算和分析物流大数据，自主找出数据规律，自主学习系统经验，自我升级决策判断软件，并通过一切流程数据化对全链路物流运作系统赋能，让物流系统具备了自学习、自提升的功能。系统就产生了智慧的涌现性。

什么是智：按照智的本质，知晓曰智，也就是系统可以自我知晓，就具备了智；什么是能？会做为能，有才干和本事为能。根据自我知晓的信息自动完成指令就具备了智能。什么是慧，解了称慧，就是知其所以然，可以自主学习与提升。智慧就是知其然有知其所以然，掌握了规律，可以自主学习，自动提升。

智慧物流的发展必须要求物流系统知其然也要知其所以然，概括来讲，就是我给智慧物流的定义了：智慧物流，指的是基于物联网技术应用，实现互联网向物理世界延伸，互联网与物流实体网络融合创新，实现物流系统的状态感知、实时分析、科学决策与精准执行，进一步达到自主决策和学习提升，拥有一定智慧能力的现代物流体系。

根据涌现性原理，我们就可以设计一个物流系统，让物流系统具备自主性、互感知、互操作、自学习、自提升，自然就会涌现出智慧，形成智慧物流。具备自主性的物流单元是实现作业执行的物流系统；互感知和互操作核心是信息互联互通传输系统；而物流大脑则是集成了大数据、云计算、人工智能的智慧物流思维系统。

1、感知

单体的感知-判断-执行，形成独立单元的个体活动

2、作用（关联）

互感知与互操作是系统间单元个体建立关联作用的关键，形成相互关联的群体组织（系统）。关联往往导致1+1>2 或1+1< 2 ，可称为非线性。

其实市场就是一个关联组织， 复杂系统给出价格是网络相互作用导致的，我们都受到相邻单元的相互作用。相互作用的关联导致非线性的协同效应，出现1+1大于2 或小于2， 但基本不会是1+1=2。比如为什么会有公司，那一定是某种合作导致的1+1大于2效应才使得组织可以产生。市场是一个复杂巨系统，非线性的协同效应让我们难以通过计划来协同市场关系，但通过市场价格竞争简单地规则建立，就可以产生完美的协同效应，远远超越计划控制对系统协同的影响。

3、反馈

复杂系统多描述一个系统的时间变化过程， 如市场价格的波动， 研究这个时间变化过程， 往往要考虑此刻的结果对下一刻系统结果输出的影响。反馈分为正反馈和负反馈， 负反馈导致定点平衡态，如市场巨系统价格竞争就是典型的负反馈，商品供应越多价格越低，最后在产品成本区域导致定点平衡，其涌现出的市场经济本身的智慧远远高于人类的计划经济智慧，人类想借助自己智慧调控市场经过实践证明难以导致市场均衡。但是，如果系统的正反馈则会带来系统的不稳定性，如雪崩，股市崩盘。

因为在所有复杂系统中， 都存在正反馈和负反馈。反馈带有回路的概念。一个单元通过相互作用传递给另一个单元，反过来另一个单元又可以把信息传递回来。反馈往往是指此刻的活动对下一刻的活动的影响。

4、 相变

相变体现的是系统涌现出智慧的临界点变化，当系统主导反馈的性质发生变化，则会经历一个相变。相变在自然和社会中无处不在，自然中的相变当然包括冰和水之间的转化， 也包括磁铁从一种相到另一种相的变化。

如磁铁这个东西有两个相， 一个是组织成分均匀一致（有序）的状态，一个是无序和混乱的状态。相变，就是当你改变某个外部变量， 整个系统从一个相到达另一个相的过程。影响一个系统相变的主要是两个要素， 一个是熵（无序性，系统信息的缺失），一个是某种趋同的效应。系统无序与有序的交替点称为临界，是相变时候的状态， 这个时候最特别， 是系统出现“涌现性”的临界态，临界态极为重要 ，所谓涌现就是在关联作用，系统反馈，自组织临界基础上得到的。即：系统从微观到宏观性质属性产生质的突破。涌现优于权威，涌现优于计划，涌现的系统更加稳定与高效协同。

涌现为什么会优于权威？以维基百科和《大英百科全书》这两种模式来分析，一个是靠全球非专家的网友“涌现”出来的，一个是靠几位权威专家撰写出来的，但维基百科更为优秀，可以与时俱进，随时更新。

涌现而形成的智慧系统则为什么会更加稳定，因为涌现是系统自身按简单规则自下而上的构成协同效应，是分布式的。计划的系统有中枢系统，攻击计划的系统时可以“擒贼先擒王”，但涌现的系统没有“王”。如：维基百科是网友写出来的，某些网友不想写了，也完全不影响这个系统，而《大英百科全书》要是有几位作者不干了，那这本书可就难产了。

我们的大脑，简化来看其实就是一个个神经元组成的，单个神经元的机制，科学家们早就研究清楚了，可仍旧无法解释什么是“意识”，而“意识”很有可能就是神经元的“涌现”结果。涌现并不是“人多力量大”，它是一个“一加一大于二”的现象，更像是一种群体的“进化”，或者是大数据的进化。从“简单”的个体，到集合起来发展出高一个层次的“行为”，这一“涌现性”，可以用易辛模型、非线性动力学模型来模拟，系统升级可以用贝叶斯网络等概率统计分析等自学习来模拟。但是，到目前具有自主意识的智慧涌现秘密还没有完全破解，如果真的完全破解了“涌现”的秘密，那么人工智能的真正觉醒就指日可待了。

来源/王继祥（ID：qq1900915002）

作者/王继祥