基于社会计算和平行系统的动态网民群体研究

王飞跃

(中国科学院社会计算与平行管理研究中心,北京 100080;中国科学院 自动化研究所 复杂系统与智能科学重点实验室,北京 100190)

近来,从突尼斯、约旦、也门到埃及,中东的社会动乱受到了全世界的关注,并引发不同利益集团各种各样的议论和预测.在众多不同的声音与认识之中,有一点却出奇地一致:这是一场“社会媒体诱发的革命”,得力于“形形色色的动态网民群体”,即“网络促成或强化的社会运动组织”(cyber-enabled or enhanced socialmovementorganizations,CeSMOs).中东的动乱,加上2010年底西方的维基泄密事件,以震撼整个世界的方式,使关于CeSMOs与社会安全的讨论,从几年前少数学者的学术探讨,成为今日之严峻的社会现实.尽管后果目前还根本无法预测,但可以预见,从今以后,世界上每一个负责任的政府,不论是东方还是西方,不管是发达还是落后,都必须正视CeSMOs所带来的可能政治与经济后果,以及对社会的相应影响.

显然,网络技术的迅猛发展和加速普及,已对传统的社会形态产生了深刻的影响和巨大的冲击.虚拟网络世界(cyberspace)已实实在在地成为与物理世界平行的另一个崭新的世界,并将很快占据我们生活空间的一半,同时以前所未有的方式影响物理世界的一切.

比如,虚拟空间大大地“压缩”了传统真实物理社会的空间和时间.这种压缩效应是由信息通过网络的快速传播和大范围扩散所造成的,并使各类“长尾”效应成为常态.由此,导致在虚拟社会中某一很小的局部上可以快速地积累巨大的能量,并且激发动态网民群体,通过这一群体将能量迅速地释放到真实社会中,造成难以预估的后果.在国内,从“瓮安事件”到“7.5事件”,还有形形色色的“人肉搜索”案例;在国外,从希腊市民的街头暴动到伊朗的总统选举后的大规模示威,再到今天维基泄密事件和中东的动乱,无不验证了这一基本判断.

迄今为止,合理构建计算机网络并使其应用能够更加安全有效是主要的研究课题,但人们已逐渐认识到:网络引发的虚拟世界已经对物理的真实世界产生越来越大的影响,而且在许多方面破坏了传统的社会秩序.因此,网络的社会性及其特征与潜力的研究正成为各国为确保其生存安全和竞争能力所迫切需要解决的重大问题.这就是发达国家,特别是美国投巨资竞争开展相关研究的根本原因.同时,这也是本文的基本动机,即探索利于社会计算和平行系统理论与方法,开展基于虚拟网络世界的特性、以及它与物理真实世界的相互作用的动态网民群体的研究.

具体而言,应针对由社会热点诱发出的各种动态网民群体开展这一工作.研究大致可由三部分组成:a.利用社会媒体信息建立虚拟世界群体的各种基本元素库,据此构造各类人工的网民群体及其社会环境,引入相关规则进行各种组织演化,这个步骤称为人工社会或人工组织(artificial societies/organizations);b.将对应于动态网民群体的人工组织作为“社会实验室”,利用实验设计理论和各种社会统计方法通过计算模拟进行分析、评估或预测各类策略和事件,这一部分称为计算实验(computational experiments);c.将实际动态网民群体与相应的人工组织平行互动、相互反馈、相互利用,进而观察、预测和估计特定事件的产生、演化和影响,此即平行执行(parallel execution).人工社会、计算实验和平行执行构成人们针对动态网民群体研究虚拟世界与实际世界相互作用的基本成分,称之为面向CeSMOs的ACP方法.

这一研究的的总体目标与预期贡献是:面向社会安全和经济发展的重大需求,针对动态网民群体问题完善相应的ACP理论体系;基于这一体系构建统一的、可编程的社会计算支撑平台与环境,并在社会安全与经济领域展开关于动态网民群体的应用研究;利用计算实验的涌现方法研究各应用领域对象系统的动态演化规律与内在运行机制,为相关管理、控制提供决策支持.

1 动态网民群体的基本概念与研究意义

社会运动组织或社会运动群体(social movement organizations,SMOs)是社会学中一个十分重要且涉及面很广的概念,由社会学家Zald和Ash在上世纪60年代中的世界性社会动荡时期提出[1].狭义而言,SMOs是指那些从理想和道德上宣称、要求个人或社会如何生活与行为的组织或群体,而且在做这些宣称、要求之时,这些组织或群体正处于主流社会的边缘或已被排除于主流社会之外[2].广义而言,SMOs是指社会运动的有组织的组成部分,主要起协调作用,而非直接雇佣或指导运动中的参与人员.针对特定问题的SMOs之集合又称为社会运动行业(social movement industries),从绿色和平运动、恐怖活动、再到低碳生活,在许多方面已对传统的主流社会产生了重大的冲击.

CeSMOs是一类特殊的虚拟运动组织(cyber or cyber-enabled movement organizations,CMO 或CeMO),简而言之,动态网民群体CeSMOs就是通过网络空间中的手段和方法而诱发或加强的社会运动组织或社会运动群体,也即针对某一话题或事件在短期内聚集在一起,参与、讨论并共同实施某些社会行为的网民群体.其特征是动态性、实时性、自组织性、突变性、高度复杂性、虚实交互性等;其影响方式在于通过虚拟网络空间快速组织、迅速传播、大范围扩散,并可产生重大社会与经济影响.随着在线社区、博客、微博客、社交网站等为代表的社会媒体迅速普及,网上-网下实时互动与“人肉搜索”等网络空间社会化倾向不断加剧,动态网民群体在社会上已发挥巨大的影响,亿万网民的互动参与使“虚拟网络世界”变得与物理“真实世界”同等重要,并给现实社会态势的发展带来了空前的不确定性.图1给出目前国内已出现的主要CeSMOs及其各种各样的表现形式与相应事件.

图1 国内主要CeSMOs及其表现形式与相应事件Fig.1 Major recent CeSMOs with corresponding activities and events in China

动态网民群体的自组织性、自适应性、多因素关联性、高度复杂性、高度不确定性、虚实交互性与动态变化性已使传统方法无法应对由此带来的种种挑战.充分发挥计算科学、万维科学、社会学、管理学及心理和行为学等多学科交叉融合的优势,针对动态网民群体的所思、所想、所为和虚实空间的交互影响与协同演化规律,从理论、方法、建模、应用与系统平台的多个层面开展相关研究已成为我们面临的迫切而重大的需求,既影响国家信息化发展的长远战略、生产效率的提高,也关乎国家安全与社会稳定等重大问题.

中国网民群体不仅数量庞大,而且在社会事务中越来越发挥重要作用.目前我国网民数量已超过4亿,在可以预见的不久未来,网民群体将占人口多数.自2001年出现第一起“人肉搜索”事件后,我国“人肉搜索”事件呈指数型快速增长.2010年底,每天都有超过一起的“人肉搜索”事件出现.2008～2010年,几乎所有重要事件均有网民参与,如图2所示,其中大部分经历了由社会热点诱发相关的动态网民群体,通过其演化和发展,并借助网上-网下互动的力量,推动热点的扩散,加剧事件的进程,最终产生巨大的社会影响.因此,研究动态网民群体的产生与发展已成为新形势下确保社会安全和提高生产效率的重大课题.

图2 动态网民群体的演化过程Fig.2 Dynamic evolution of CeSMOs

利用网络平台的“杠杆作用”,通过社会媒体,在现实生活中看似微不足道的普通事件或网民就有可能引发社会“地震”.网络中社会组织的形成不受现实空间限制、组织方式多变、组织成员广泛,网络的放大效应能使网民群体行为的正面或负面作用发挥到极致.一夜之间,就可能使人身败名裂、商业公司破产或社会团体解散,甚至引发各类群体性社会安全事件,导致社会动荡、政权更替或国家解体.时刻处于动态变化状态的网民群体行为已能够产生强大的社会力量,使得突发事件的出现更容易、传播更迅速、影响更深远、危害更巨大.因此,基于对动态网民群体的监测与数据分析,提炼网络群体行为的时空变异特征,辨识普通讨论与异常征兆并对突发事件进行预警,掌握网上-网下行为的关联关系,研究网民群体行为作用于社会安全事件及两者协同演化的规律,对提高政府的应急管理能力有重要意义.

动态网民群体的产生与发展在挑战政府应急管理能力的同时,也蕴含着丰富且具有重大价值的舆情动态信息与商务情报,为政府管理和电子商务发展提供了难得机遇.信息化时代里,网络上自由流动的开放数据资源已和土地、石油、矿藏一样成为世界各国和商业机构竞相开发的重要资源.在社会媒体越来越普及的今天,无论是针对事件、团体、公司或产品,网民群体行为中所涌现出的人生态度、价值观、心理与行为状况等都是指导商业运营的第一手情报,对提高公司竞争力有重要作用.此外,通过分析网民群体行为,还能实时了解民情、汇聚民智,对提升政府管理和执政水平有积极推动作用.

然而,动态网民群体的尺度、粒度、变化和复杂性已远远超出当前的观察实验、统计分析和微分方程建模的能力范畴.针对网络化社会的形式,迫切需要建立一套可计算、可实现、可比较的社会计算与实验方法来应对这一挑战.上世纪初量子力学引发了从经典物理学向现代物理学的变革,如今,社会计算的出现将引发传统社会学向社会计算或计算社会学的飞跃.

个体网民行为拥有多种复杂性特征,如思维复杂、非理性行为、恶意欺诈、实时动态变化等,很难直接从当前个体信息预测其下一步的行为.然而,由海量个体组成的群体行为及其与现实世界相互作用的规律却有章可循.例如,在“人肉搜索”中,事态的发展明显呈发布、赏金、确证、响应、调查、行动、协作、追踪及消弥等阶段,每个阶段都可以利用多种计算建模与分析方法研究网民互动模式,以及网上倡议与网下行动的内在关联关系.目前,强大的搜索引擎能够从浩如烟海的网络中追踪并收集各类网民群体行为信息,多语种处理、自然语言处理及文本分类等方法已能够实现多源异构数据的语义聚融,成熟的超级计算与并行计算技术则能够使海量数据得到快速处理和分析,先进的人工智能与仿真技术使得千万级多智能体情景建模成为现实,这些条件为利用计算化手段来定量研究海量网民群体行为(如网络社会组织的形成与涌现特征、网络化的社会运动规律、网上-网下实时互动的作用规律等)提供了坚实基础.

在本质上,CeSMOs的建模、分析及评估等,属于社会系统的研究范畴.对于社会系统,早期的建模方法主要采用数学方程来描述社会规律.如人口模型[3]中用数学方程描述人口在时空上的行为.由于社会现象所固有的复杂性,很难构造其精确的数学表示,因此,这类方法只适用于描述极其简单的社会系统.另一种常见的建模方法是统计建模,如贝叶斯模型、回归模型等,常用于社会计量学[4]、经济计量学[5]等领域.统计建模的共同弱点是只能对社会系统的普遍现象进行静态描述,很难刻画由于个体差异引起的社会系统动态变化.

随着计算技术的发展,出现了一些新的特定领域社会建模方法,其中有代表性的是基于复杂网络的社会网络建模[6]、演化博弈建模[7]等,但是这些方法局限于静态描述的层面上.另一方面,传统的仿真方法如离散事件仿真[8-9]取得了很大进展,尤其在经济和政治问题的分析方面[10-11].然而,随着问题复杂性的增加,传统仿真面临的计算量和执行时间的指数级增加成为制约其实际应用的最大障碍.

包含网络社会的社会系统是典型的复杂巨系统,具有无法拆分还原、随机因素多等复杂性特征,因而传统的建模方法无法有效应对.为有效解决复杂社会系统的建模问题,兰德公司在上世纪90年代初提出人工社会方法[12-13].与传统的基于微分方程的建模不同,人工社会方法是一种自下而上的基于智能体的建模方法.人工社会建模在面向网络群体的情景建模、心理与行为建模等方面起到重要作用[14-15].

2004年,在人工社会基础上,王飞跃[16-17]基于复杂系统的基本假设,提出利用人工社会研究复杂系统时应采用“多重世界”的观点(即不再以逼近某一实际的复杂系统为唯一的建模标准,而是把模型本身也作为实际复杂系统的一种可能的替代形式),并强调虚拟网络空间的重要作用;进而开展了基于人工社会的计算实验理论与方法研究[18-19],并提出利用平行系统方法来解决复杂系统的管理与控制问题[20],即人工社会、计算实验与平行系统相结合的ACP社会计算方法[21-25].ACP方法为动态网民群体的计算建模和实验评估提供了系统化的研究思路和解决方案.基于ACP方法,可以建立面向动态网民群体的人工社会系统,利用计算实验对动态网民群体的各种实验情景进行分析,以解决包含网络化社会的实际系统的实验问题,实现网民群体人工系统与实际系统的平行演化,达到对动态网民群体优化管理与控制的目的.

2009年Lazer等[26]在Science杂志上提出了与社会计算并行的计算社会学概念,指出网络上的大量信息,如博客、论坛、聊天、消费记录及电子邮件等,都是对现实社会的人及组织行为的映射,网络数据可用来分析个人和群体的行为模式,从而深化人们对生活、组织和社会的理解.计算社会学的研究涉及如下三个相互关联的问题:人们的交互方式、社会群体网络的形态及其演化规律.这三个问题的研究可以帮助人们解答很多社会问题,如某个组织是达到了一个稳定的状态还是经常发生剧烈变化,具有创造力的团队应具有什么样的交互方式,目前社会的宏观网络结构是怎样的并将如何演变等.这种新兴理论对面向网民群体的社会计算研究和应用至关重要.

除了计算社会学,许多社会学理论方法都与动态网民群体研究直接或间接相关.社会动力学能定量描述人类社会随机和不确定的动态过程,分析社会发展过程中的关键因素,预测群体组织发展的动力和方向及社会动态过程的发展趋势.社会心理学能揭示社会心理的形成机制及其发展的基本规律,常用于剖析一些特殊的社会心理现象和重大社会问题的民众心理因素.社会物理学研究社会群体及社会网络组织形成的影响因素,包括社会燃烧理论、社会激波理论和社会行为熵理论.社会人口学主要研究人口与社会发展相互关系及其变化规律、人口因素对社会结构和社会发展的影响和制约等.社会分层理论揭示社会结构的转型与变迁,研究社会分层对社会资源配置和流动动态变化过程的影响,及其对社会矛盾和问题产生过程的影响[23].

社会科学的理论和方法为动态网民群体研究提供了理论依据,而面向动态网民群体的研究与应用又丰富和延伸了社会科学的理论与方法.为分析网民行为,研究者利用社会心理学分析网络社区中贡献较低的网民群体,研究网民群体贡献的影响因素[27].人类学理论方法用于研究网络群体及社区现象,如网上群体与网下身份的依赖关系、网络群体对社会的影响能力等[28].必须指出的是,综合集成是将社会学方法与信息技术结合的必由之路[29].

综上所述,网络社会化时代里,网民群体行为既给新形势下的社会安全提出了严峻挑战,也为提高政府管理和发展电子商务提供了难得机遇,同时,已有技术条件也为海量网民群体行为的定量化研究准备了良好基础.然而,针对动态网民群体行为的统计特征、复杂网络结构、型态演变特征、网上-网下交互作用模式,为研究网民群体行为的社会动力学问题提供可计算、可实现、可比较的基础理论、模型方法、关键技术和系统平台的研究工作尚属空白.必须力争尽快填补这一空白,确保网络化社会的安全与效率.

为此,应围绕动态网民群体引发的社会安全与经济领域重大问题,面向有效管理和利用动态网民群体及社会媒体的现实需求,重点研究网络社会与真实社会互动演化过程中的建模、实验、管理与决策支持等关键科学问题,从而获得对动态网民群体发展中二者互动的影响规律与有效应对策略的深入认识.具体而言,动态网民群体与社会媒体在虚拟网络社会与真实社会中衍生出的一系列亟待解决的关键问题可以凝练为三个方面:首先是对实际社会(包括网络社会和真实社会)建模与模拟,涵盖实际社会的可计算形式表示与模拟、网络热点形成机理与发现方法等;其次是动态网民群体的热点趋势发现与政策评估,涵盖社会媒体传播与扩散规律、网络热点演化趋势预估、以及动态网民群体控制策略的分析与评估;最后是网络社会和真实社会的互动调节与反馈机理,以及面向动态网民群体的常态与非常态决策支持.显然,ACP方法为系统性解决上述问题提供了一条可计算、可实现、可比较的途径.图3给出了基于ACP方法开展CeSMOs的研究与应用之基本框架.

图3 CeSMOs研究与应用的基本框架Fig.3 A basic research and application framework for CeSMOs

2 基于人工组织的建模与表示

如上所述,利用各类社会网络或复杂网络对CeSMOs进行建模,是最直接也是目前采用的主要方法[30-32].然而,以传统方式利用这一建模方法的最大问题在于无法用于未发生的动态网民群体.因此,即使社会网络或复杂网络能够精确地反演出已经发生过的动态网民群体事件,其意义和应用价值都成问题,因为已经发生过的事件在现实中再次出现的可能性极小.当然,进一步的研究可能不久就实现实时地对CeSMOs进行社会网络或复杂网络建模,可是如何分析与评估WHAT-IF类型的情景决策支持还是一个没有解决的重大问题.

本文建议利用人工社会的建模方法,采用人工组织的形式,对CeSMOs建模.如此,就可以通过科学游戏和博弈的方式,把计算机建成针对特定CeSMOs的“社会实验室”,进而对特定CeSMOs的可能发展、相应决策的可能影响,实现从定性到定量的分析与评估.为此,必须从动态网民群体的行为与心理建模,网民观点与情感的传播与演化动力学建模,以及基于智能体的人工社会建模三个层次建立面向动态网民群体的人工组织模型.

a.动态网民群体的行为与心理建模.

(a)基于社会心理学分析社会媒体信息对网民心理与情感的影响,以及这种影响与真实网民群体行为的映射关系,建立社会媒体信息对动态网民群体的心理冲击模型.

(b)在组织行为学研究成果基础上,建立动态网民群体的网上行为模型与真实行为模型,以及二者的关联关系模型;基于社会媒体数据,运用机器学习方法研究建立群体行为自适应模型.

(c)研究动态网民群体的社会文化背景建模方法,以及各种社会文化因素对群体行为的影响.

解决这些问题,必须基于社会认知和心理学理论,建立网民个体的认知心理状态(包括个体的目标、意愿、动机及偏好)及其行为之间的映射关系,以及对外界行为和环境因素的心理反应模型;同时基于感染、趋同和紧急规范等社会学群体行为理论,建立网民群体的组织结构、组织规范和互动规则;基于社会物理学理论,通过精确定义动态网民个体在线与离线行为目标和行为规则,以及群体行为的聚合、分解、协调与冲突消解规则,建立大规模动态网民群体的在线与离线行为模型;在群体社会网络模型的基础上,结合网民个体与群体情感描述信息,建立动态网民群体情感网络模型,以及网络情感与社会行为的映射关系模型.

b.网民观点与情感的传播演化动力学建模.

(a)研究各类社会媒体的复杂网络结构特征,并建立动态网民群体内部的观点网络与情感网络模型.

(b)融合人口学传播模型和复杂网络传播模型,建立社会媒体信息在动态网民群体之间传播与扩散的时间自适应模型和空间动力学模型.

(c)研究社会热点话题、事件的产生及发展规律,构建社会热点的演化模型及相关动态网民群体的心理与行为演化模型.

为此,应基于舆论动力学的基本理论与方法,建立动态网民群体在社区、论坛、微博客及SNS站点等社会媒体的社会网络模型.基于机器学习和Web数据挖掘等技术,实时跟踪和挖掘网民观点情感在社会媒体的传播与扩散过程,并运用隐马尔可夫模型、贝叶斯网络和神经网络等技术建立动态网民群体的观点与情感传播网络的时间自适应模型和空间动力学模型;进而构建社会热点演化模型,并研究其复杂网络结构特性与社会媒体信息传播机制间的关系.

c.基于多智能体的人工组织建模.

(a)研究动态网民群体的类型、分布、组织结构和社会网络关系,以及个体的行为和交互方式,构建动态网民群体的社会分层模型.

(b)研究智能体模型与复杂网络传播模型在宏观和微观层次上的融合机制,对动态网民群体的实体、关系、规则、组织、交互机制和环境等基本要素建立统一语义的智能体模型.

(c)结合实时社会媒体数据,基于数据挖掘、机器学习及统计方法改进多智能体建模的理论与方法,构建开放和互操作的人工复杂组织系统.

应当综合利用动态网民群体的行为与心理模型、社会情感网络及其演化模型、环境模型,采用多智能体建模方法,自下而上地构建面向动态网民群体的人工组织模型.首先,通过对建模对象与粒度的评估和模型特性选择,确定人工组织建模基本单元;其次,基于统计机器学习、数据挖掘等方法,基于实际组织媒体数据的参数学习确定人工组织模型的初始规模与参数,并结合规则学习方法自动提取智能体的行为规则;最后,从宏观和微观层面针对动态网民群体的实体、关系、规则、组织、交互机制和环境等要素建立智能体模型,形成特定应用的人工组织系统.

3 基于计算实验的分析与评估

一旦建立了针对特定应用CeSMOs的人工组织模型,就可以利用社会媒体的实时信息,设计不同的实验情景,把计算机作为实验室,进行各种各样的计算“软”实验.我们必须首先研究计算实验的场景生成、驱动机制、结果分析和实验评估等关键技术;并在此基础上针对特定应用领域设计多种计算实验场景,研究动态网民群体演化规律及其常态和非常态管理策略评估,主要任务如下:

a.基于网民群体信息的计算实验方法研究.

(a)基于社会媒体信息的周期性输入,研究计算实验场景的半自动生成、校准与扩展机制;研究计算实验场景的设计及参数配置.

(b)研究基于离散事件仿真的计算实验驱动机制和基于协同演化的计算实验方法.重点研究智能体局部群体的微观协同演化动力学分析方法.

(c)研究基于涌现的实验观察与解释方法,并设计多目标、多分辨率的计算实验结果数据分析方法.

(d)设计智能体仿真与计算实验的性能评价指标体系,并建立一套评估方法与标准,以实现计算实验的量化分析与评估.

首先,必须基于动态网民群体实时数据动态校准智能体模型,并基于模型组合技术半自动地提取智能体模型及其参数,组合计算实验场景模型;基于统一建模语言(UML)实现针对计算实验场景设计的规范化描述语言.其次,基于离散事件仿真技术,通过仿真时钟的推进和离散事件的处理来驱动计算实验;采用基于协同演化算法的计算实验方法,模拟人工系统中动态网民群体的微观交互和迭代策略优化,从而涌现宏观演化趋势、实现自适应策略优化;此外,基于涌现观察方法实时获取实验数据,并综合运用统计学和人工智能中的数据分析方法分析实验结果数据.最后,从实验可行性、全面性、可塑性和适用性角度设计实验评价指标体系与标准.

b.网民群体信息传播与演化规律的计算实验评估.

(a)基于特定的计算实验场景,在人工组织系统中构建一系列以网民为中心、以热点话题、事件等社会媒体信息为传播内容、拓扑结构各异的社会传感网络.

(b)主动创造真实或虚拟的社会热点,并通过社会传感网络推送到各类社会媒体;通过热点传播与扩散的实时跟踪和涌现观察,研究社会媒体的传播与扩散规律.

(c)研究真实或虚拟的社会情感在动态网民群体各节点间的传导和聚集机理;基于统计学方法研究动态网民群体的网络情感与真实社会的大规模群体行为的关联关系.

应当根据社会网络分析方法研究网民群体社会信息所呈现的复杂网络结构特征,据此在人工组织中构建一系列拓扑结构各异的复杂网络,进而以若干高中心性与权威性的网民为中心,结合热点社会媒体信息的传播途径,建立社会传感网络;针对特定应用领域,主动生成真实或虚拟的热点观点和情感并推送到人工组织,实时观察其在动态网民群体中的传播和扩散特点,挖掘观点和情感在动态网民群体中的传播演化规律;而且,应当选择若干极端场景,设计“压力实验”、“极限实验”和“加速实验”,观察人工网民群体的社会情感与行为反应,挖掘二者的关联并研究网民群体的网络情感与真实社会大规模群体行为的关联关系.

c.动态网民群体管理机制与策略的评估和优化.

(a)利用计算实验可设计、可重复进行的特点,针对特定场景研究动态网民群体行为的激励与反激励机制的设计、评估与优化方法.

(b)设计实际社会中无法进行的复杂实验和逆向实验,研究特定的(已发生或未发生的)大规模动态网民群体事件的事前、事中以及事后的决策评估.

这些问题解决之后,就可以运用计算实验方法,研究动态网民群体的激励和反激励机制评估.为评估动态网民群体的聚合激励机制,需对每种激励机制启动计算实验过程,实时观察人工组织中动态网民群体的聚合度和信息的覆盖度,并通过实验对比分析实现激励机制评估;类似方法可实现反激励机制评估,用于动态网民群体各种情绪的消解.此外,计算实验过程将采用协同演化优化算法实现智能体策略空间和行为空间搜索寻优,从而自适应地评估和优化动态网民群体事件的“情景-应对”管理策略.

4 基于平行执行的监控与管理

在人工组织和计算实验的基础上,就可以构建网民群体人工系统与实际系统组成的平行系统,通过虚实系统的互动演化和反馈调节,为真实社会动态网民群体的管理与决策提供支持,实现“虚实平行,各得其所”.图4说明了实际动态网民群体和人工动态网民组织的平行执行方式.在二者的平行互动中,就可以完成对行为和决策的实验与评估,以及对实际系统的管理与控制.为此,必须解决下列问题:

a.平行系统体系结构设计及优化.

(a)设计平行系统的运行框架及内部数据规范与接口,研究人工与实际组织之间的数据同步运行与交互处理机制,以实现系统间无缝集成.

(b)针对社会安全和经济领域的海量数据存储与计算需求,研究平行执行中智能体数据交互协议、计算实验驱动方法、实验数据分析算法等层面的优化方法.

(c)针对平行互动的实时性要求,基于指数级别收敛的序优化方法研究平行系统优化问题,以降低复杂度,并获取满足精度要求的结果.

图4 基于平行执行的动态网民群体之监控与管理Fig.4 Parallel execution for monitoring and management of CeSMOs

首先,应当建立基于XM L语言定义实际系统与人工系统信息交互的描述方法和标准格式,设计虚实系统内部体系结构、数据交互接口、数据分布式存储和缓存优化方法以满足海量动态网民群体信息的存储、检索和传输要求;其次,基于FIPA规范设计智能体交互协议,并通过计算实验评估智能体交互协议、实验驱动机制和数据分析方法等平行系统参数;最后,采用指数级别序优化方法实现虚实系统交互协议的多目标优化,以减少评价时间、降低搜索空间.

b.平行系统互动调节与反馈机制研究.

(a)基于实时社会媒体数据的周期性输入,研究动态网民群体模型与计算实验场景的半自动校准、更新和扩展方法.

(b)结合大规模仿真的多时间尺度需求,设计精确可控的多时空分辨率的平行系统交互协议.

(c)研究平行执行中的分布式协商机制与自动任务负载均衡机制,以满足网民群体人工系统与实际系统的信息交互需求.

可以基于统计机器学习和数据挖掘方法实现动态网民群体实时数据的特征提取,建立数据敏感的模型校验机制,通过实时数据特征与已有模型的对比分析动态地校准人工系统模型;同时,基于Colored Petri网方法形式化地设计、分析和验证平行系统的数据传输协议,实现实际系统与人工系统的数据同步、模型同步、场景同步和决策同步;为提高平行系统的反馈调节性能,设计微观智能体的分布式协商机制和宏观系统的自动任务负载均衡机制;并利用动态系统最优控制方法,结合动态网民群体特征研究人工系统中多智能体的行为监测和动态协调方法.

c.基于平行执行的网民群体监控预警与决策支持.

(a)研究平行系统中计算实验涌现现象的动态回溯和场景复原技术,以及计算实验场景的平行控制方法.

(b)针对平行系统协同演化过程所涌现的行为,研究涌现行为与真实社会的映射条件,以支持面向网民群体的真实社会决策.

(c)面向领域制定平行系统的运行指标体系,并据此设计平行演化的监控预警与决策支持机制.

这些问题解决了,就可以基于计算实验数据的实时采样,采用数据挖掘方法提取计算实验过程的关键数据点和控制点,结合数据平滑技术逆向地反演计算实验场景中的数据流和控制流;在平行执行过程中动态培育各种人工计算实验场景,并观察网民群体在实验场景中的涌现行为;结合特定领域设计网民群体的风险评估和预警指标体系.最终,利用平行系统的演化机制预估热点话题、情感和事件的演化趋势,并据此实现对动态网民群体的管理和控制进行决策及实施的支持.

5 展望与结语

在安全领域,对动态网民群体进行社会计算是对国家和公共安全进行有效分析、预测和控制的关键信息技术手段.在开源信息时代,许多过去由国家垄断独有的机密信息已变为公开资源.如何在网络化环境下,及时、全面、准确地了解和分析网络化社会变化趋势,已成为信息技术领域面临的严峻挑战.中科院自动化所情报与安全信息学研究团队构建的“天网、天眼、天鹰工程”,以开源情报的获取和处理为基础,对动态网民群体、社会媒体和舆情信息进行实时监控分析,实现了面向多领域的关键信息提取和辅助决策支持.由于万维社会媒体能够充分体现人们的价值取向和真实意愿,往往做出比传统媒体更为迅速、灵敏、准确的反应,开源信息在辅助应急预警中也发挥了重要的作用.此外,利用计算技术来研究文化冲突和变迁,分析不同文化国家或组织的决策过程,探寻其行为所依赖的文化因素的社会文化建模方法已开始应用于安全和反恐决策预警中.

在经济领域,电子商务是社会计算最活跃的应用领域.其中,网络商业群体及社区已成为电子商务的重要组成部分.动态网民群体在电子商务中的作用在于能收集和利用群体化的信息资源、增强交易者对商家的信任、形成购买力聚集效应.研究动态网民群体能帮助企业了解消费者的个性化需求和商品反馈信息,进而提供更好的服务.目前,许多成功的电子商务公司如亚马逊、eBay、淘宝等都开始建立了网络商业社区以有效利用动态网民群体的力量.

最重要的还是基于社会计算和平行系统的动态网民群体研究在未来智能产业发展中的核心引领作用.智能产业就是利用物理世界之外的新“矿源”——信息和脑力资源所发展起来的新产业体系,搜索行业、游戏动漫、社交网络、新媒体等只是它的端倪,其特征是网络空间 cyberspace的实质性开发.毫无疑问,动态网民群体将从政治范畴走出,进入社会经济领域,成为人类开发由物理空间和网络空间组成的复合空间的主要核心手段.

致谢:本文中所述的研究工作得到国家自然科学基金委员会、科技部和中科院等资助,并得到诸多同事和学生的帮助,在此表示衷心感谢.本文部分材料取自内部技术报告.

[1] ZALD M N,ASH R.Social movement organizations: Growth,decay and change[J].Social Forces,1966,44 (3):327-341.

[2] LOFLAND J.Social Movement Organizations:Guide to Research on Insurgent Realities[M].New York, USA:Aldine de Gruyter,1996.

[3] UYENOYAMA M K.The Evolution of Population Biology[M].Cambridge,England:Cambridge University Press,2004.

[4] CHAPIN F.T rends in sociometrics and critique[J]. Sociometry,1940,3(3):245-262.

[5] AMEMIYA T.Advanced Econometrics[M].Cambridge,USA:Harvard University Press,1985.

[6] CARRINGTON P J,SCOTT J,WASSERMAN S. Models and Methods in Social Network Analysis [M].Cambridge,England:Cambridge University Press,2005.

[7] WEIDULL J W.Evolutionary Game Theory[M]. Cambridge,USA:MIT Press,1995.

[8] ZEIGLER B.Multifacetted Modellingand Discrete Event Simulation[M].Inc San Diego,USA:Academic Press Professional,1984.

[9] FISHMAN G.Principles of Discrete Event Simulation [M].New York,USA:JohnWiley &Sons Inc,1978.

[10] ZAFT G,ZEIGLER B.Discrete event simulation and social science:The xeriscape artificial society[C]∥The Sixth World Multiconference on Systemics,Cybernetics and Informatics,2002.

[11] DELANEV W,VACCARI E.Dynamic Models and Discrete Event Simulation[M].Boca Raton,USA: CRC Press,1989.

[12] EPST ENIN J,AXT ELL R.Artificialsocietiesand generative social science[J].Artificial Life and Robotics,1997,1(1):33-34.

[13] EPST EIN J,AXTELL R.GrowingArtificial Societies:Social Science from the Bottom up[M].Cambridge,USA:MIT Press,1996.

[14] KAISER J.Biodefense-senate bill would alter biosafety, select agent rules[J].Science,2008,320(5883):1573.

[15] GRIMM V,REVLIIA E,BERGER U,et al.Patternoriented modeling of agent-based complex systems: Lessons from ecology[J].Science,2005,310(5750): 987-991.

[16] 王飞跃.关于复杂系统研究的计算理论与方法[J].中国基础科学,2004,6(41):3-10.

[17] 王飞跃,史帝夫◦兰森.从人工生命到人工社会——复杂社会系统研究的现状和展望[J].复杂系统与复杂性科学,2004.1(1):33-41.

[18] 王飞跃.人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论[J].复杂系统与复杂性科学,2004,1(4):25-35.

[19] 王飞跃.计算实验方法与复杂系统行为分析和决策评估[J].系统仿真学报,2004,16(5):893-897.

[20] 王飞跃.平行系统方法与复杂系统的管理和控制[J].控制与决策,2004,19(5):485-489.

[21] WANG F Y.Social computing:Concepts,contents, and methods[J].International Journal of Intelligent Control and Systems,2004,9(2):91-96.

[22] 王飞跃.社会计算——科学、技术与人文的数字化动态交融[J].中国基础科学,2005,7(5):5-12.

[23] 王飞跃.关于社会物理学的意义及方法讨论[J].复杂系统与复杂性科学,2005,2(3):12-22.

[24] 王飞跃.社会计算的意义及其展望[J].中国计算机学会通讯,2006,2(2):28-38.

[25] WANG F Y.Toward a paradigm shift in social computing:The ACP approach[J].IEEE Intelligent Systems,2007,22(5):65-67.

[26] LAZER D,PENTLANG A,ADAMIC L,et al.Social science:Computational social science[J].Science, 2009,323(5915):721-723.

[27] BEENEN G,LING K,WANG X,et al.Using social psychology to motivate contributions to online communities[C]∥Proceedings of the 2004 ACM Conferenceon ComputerSupported CooperativeWork, 2004,212-221.

[28] WIL S M,PETERSON L C.The anthropology of online communities[J].Annual Review of Anthropology,2002,31:449-467.

[29] 钱学森,于景元,戴汝为.一个科学的新领域:开放的复杂巨系统及其方法论[J].自然杂志.1990,13(1): 3-10.

[30] WANG F Y.Human flesh search:A case study in social computing[C]∥2010 Workshop on Social Computing and Cultural Modeling,2010.

[31] WANG F Y,ZENG D,et al.A study of the human flesh search engine:crowd-powered expansion of online knowledge[J].IEEE Computer.2010,43:45 -53.

[32] ZHANG Qingpeng,ZHUO F,WANG F,et al.Modeling cyber-enabled crowd-powered search[C]∥The 2nd Chinese Social Computing Conference,2010.