将经济共享给全球大脑 窗体底端外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

---

将经济共享给全球大脑

窗体底端

Technological Forecasting amp; Social Change

114 (2017) ，pp.74–85

Towards an intelligent network for matching offer and demand: From the sharing economy to the global brain

Francis Heylighen

Global Brain Institute, Vrije Universiteit, Brussel

面向智能网络匹配的供应和需求：从共享经济到全球大脑

摘要：我们分析全球大脑在共享经济中扮演的角色，通过合成分布式智能的概念与Goertzel的供应网络的学说。供应网络是基于没有中间价而匹配供给和需求的对未来经济系统的架构。智能需要一个条件行动规则网络，其中条件表示引起行动以解决问题或利用机会的挑战。社会上，机会对应于商品或服务的提供以及需求的问题。处理挑战意味着确定条件-动作规则的最佳序列，以将所有需求连接到可以满足它们的要约。这可以通过在规则，需求和报价的公共数据库上工作的AI算法的帮助来实现。这种系统将为自愿协作和经济交流提供一种普遍的媒介，有效地协调地球上所有人的活动。它将取代和包含目前在互联网上运行的商业和社区运行共享平台的拼凑。它可以在原则上解决资本主义经济的传统问题：贫困，不平等，外部性，可持续性和复原力不足，繁荣和萧条，以及忽视非货币化价值。

关键词：全球大脑 互联网 共享经济 分布式智能 供应网络

1. 简介

窗体顶端

伴随互联网和相关信息通信技术发展的无情创新可能似乎压倒一切。 几乎一个星期过去了没有革命性的新技术，社交网络，或有利可图的新业务应用程序正在宣布。最初，在20世纪90年代，互联网的应用主要集中在发布和检索信息。新千年的第一个十年看到了所谓的Web 2.0协作社区和社交网络的扩散。 本十年似乎最重要的是共享经济和人工智能（AI）的应用。

随着新应用和趋势的数量激增，预测信息社会的长期未来似乎是一个令人望而生畏的前景。然而，有一个范式为更加一体化的愿景提供了希望：全球脑（Goertzel，2002; Heylighen，2002,2008;最后，2014年）。基于这种观点的类比是，互联网越来越开始对地球起到大脑的作用，即一个支持人类解决问题和协调其行动的分布式智能网络。互联网发展的全球脑模型的初始灵感（Heylighen和Bollen，1996; Mayer-Kress和Barczys，1995）来自其作为信息传输，存储和处理的媒介的作用。然而，这种观点似乎不太适用于其最近的社会和经济功能，其重点在于交换商品，服务和经验，而不仅仅是信息。

窗体顶端

本文件希望提出对全球大脑（GB）比喻的更广泛的解释----一种直接适用于共享经济及其伴随的更分散的社会组织形式的比喻。它将通过综合GB的概念作为一个分布式智能网络与Ben Goertzel新提出的供应网络概念，即未来经济体系的架构，这个体系不是以货币的积累为中心，而是以直接的匹配供给和要求（Goertzel，2015）。

目的是表明互联网的主要应用可能被整合成一个单一的通用系统，用于协调这个星球上的人和机器的所有活动。这样的系统将极大地减少由于不一致的活动造成的混乱，摩擦和浪费，同时提高有效合作产生的协同作用。除了持续的技术创新，生产率的提高将创造丰富的经济（Diamandis和Kotler，2012; Dugger和Peach，2015年），所有需求都可以以可忽略的成本来满足。丰富与智能，自下而上的协调系统的结合最终将为所有困扰人类的主要问题，如全球变暖，贫困，不平等和冲突----一个乌托邦但是可实现的中期未来的情况 被称为“回到伊甸园”（Heylighen，2014a）。

为了到达那里，我们将首先审查全球大脑的抽象概念作为分布式的心态，以及分享经济的一些现有应用。 然后，我们将详细阐述一个将分布式思维的认知能力应用于我们社会的实际机会和需求的提供网络的概括概念。最后，我们将认为，我们正在目睹的共享经济的各种实验正在趋向于这样一个普遍的网络，这样的网络将能够解决我们目前贫困，不平等，可持续性和韧性的问题。

1.1全球大脑作为一个分布式的心灵

窗体顶端

在一般意义上的思想可以被定义为一个收集和处理信息以评估其情况，并决定如何行动以实现其目标或偏好的智能的自主系统。换句话说，一个心灵是一个感觉创造的代理：它解释和评价它所感知的现象，以便提取它们的价值体系的意义，然后它基于那个解释行动，以进一步发展它的价值观。

窗体顶端

对于作为进化产物的代理，例如生物体，这些值包括最基本水平的存活和生长，因为不具有这些值的代理最终通过自然选择被消除。人工代理原则上可以用不同的值编程，例如为他们的设计师服务，但是似乎不可能在没有至少一些内置的“生存本能”的复杂环境中持续很长时间。此外，他们缺乏自主权可以取消他们作为真正的“头脑”。

窗体顶端

心理的活动可以由基本的控制反馈回路来概括：

窗体顶端

情境的感知→关于目标（期望的或最有价值的情况）的解释→使情况更接近目标的动作→确定动作足够多远的新感知→新解释→新动作→...

如果一个感知到的情况导致一个问题，即一个（威胁）偏离所期望的情况，一个机会 - 即 - 向期望的情况进一步前进的可能性或两者的某种组合。 引发行动的情境可以称为挑战：他们挑战代理人以补救问题或利用机会（Heylighen，2012，2014b）。

代理的智能在于它能够识别和有效地解决最相关的挑战。 这需要知识，在某种意义上，代理必须能够识别不同类别的情况（我们称为条件），并将每个条件与最适合处理它的行动相关联。这种知识的要素可以最简单地表示为“条件 - 行动规则”或“生产规则”，具有以下形式：a→b

窗体底端

窗体顶端

这将被理解为：如果感知到条件a，则执行动作b。 例如：香蕉→吃，虎→舌，疲劳→休息。

这种直接导致具体行动的条件只是最简单的知识形式。 更复杂的情况需要一个推理或推理的过程，其中情境的感知方面（感知）意味着更抽象的条件（概念），这又意味着甚至进一步的条件，直到该过程解决特定的行动。这里有一个简单的例子：

窗体底端

窗体顶端

虎→捕食者
捕食者→危险

危险→逃离

窗体顶端

更复杂的推理过程将考虑条件和动作的连接（我们将用“ ”符号表示），例如：
条纹 大 猫样 动物→老虎

窗体底端

窗体顶端

虎 丛林→逃离

窗体底端

窗体顶端

逃离 丛林→定位树 爬树

窗体底端

给定的情况通常以不同的公认条件为特征。 这组感知条件将触发推断附加条件的若干规则，这又会进一步触发规则等。 因此，初始感知将通过应用程序并行且顺序地处理构成代理的知识的不同规则。

当不同的规则具有不同的“强度”，表示它们的相对重要性或正确的概率时，这种基于规则的信息处理变得更加灵活。 强度可以由0和1之间的数字表示，其中1表示其结论是绝对确定的规则。 原则是如果几个规则竞争执行，将选择具有最高强度的一个。 或者，如果几个规则并行地起作用，那么它们对最终结论的贡献将与它们的强度成比例。 这些优势应该能够适应经验：规则已经证明越成功，其力量应该越大。 这是强化学习的基本机制，奖励好的规则并弱化不太好的（Woergoetter和Porr，2008）。

这些元素（条件，动作和它们的连接，表达基本推论的规则和可调整的强度）对应于“生产规则系统”（Anderson，2014）的那些被用于人工智能（AI）和认知科学中的知识和推论的通用表示。它们基本上允许我们恢复处理大脑中信息的神经网络的灵活性（Heylighen，2014c; McLeodetal，1998）。

目前对构建心灵所需的功能组件的分析是有目的的，因此它可以应用于非常不同种类的心理----包括由人类大脑展示的心理，通过AI计算机程序，而且由人类和技术代理的集体共同构成一个“全球大脑”。 让我们看看这些不同的组成部分如何在社会中实现。

窗体底端

窗体顶端

首先，社会是一个自治系统：它能够生存和发展所解决的问题或利用它遇到的机遇 - 而这，而不需要外界的方向。它通过其（大体上隐含的）价值体系认识到这些挑战，认识到某些条件有益（例如教育，住房，饮用水，和平等）和其他有害的（例如飓风，污染，犯罪，发展。 它解决这些挑战，分析，解释和评估情况，并采取行动处理它（例如净化水，建设房屋，治愈人们从疾病，预防犯罪，...）。 这意味着社会有一个隐含的知识存储和智能，通过做出必要的推断，最终做出关于正确的行动的决定来应用知识。

这种智能并不局限于一个中央执行机构，例如总统或政府，它将指挥和控制整个社会制度。 它分布在数十亿的人，组织，包含专门知识和法规的文件，计算机程序和执行行动的机器。因此，社会的智力类似于大脑，其中知识和推论过程分布在数以亿计的神经元及其连接突触。 但是，这种洞察力还不足以理解这个社会智力是如何运作的，如何改进它，或者它如何可能进一步发展。 因此，让我们继续在功能层面进行分析，而不是在执行这些功能的物理组件的层面。

1.2匹配的供给和需求

窗体顶端

社会的目标和价值观使自己成为更好条件的集体需求（Heylighen，1997）。每当注意到一些缺陷或者有可能改进的时候，一些个人或集体代理人将表达出获得这样的改进。 这种愿望的最着名的实例是对特定类型的商品（例如汽车或苹果），服务（例如房子清洁或医疗）或专业人员（例如工程师或翻译）的经济需求。但是，经济意义上的需要纯粹是由代理商愿意为他们想要衡量的东西付出代价。 这忽视了缺乏钱人的愿望，或者他们不能买东西-----例如友谊，清洁空气或民主的愿望。

一个运作良好的社会应该能够满足其所有成员的基本愿望。 唯一的限制是，欲望不应该是相互不一致的 - 就像两个人想要拥有相同的财产，或者有一些愿望把一片森林变成农田，而另一些人想要保护那个补丁上的物种。 智能的一部分功能是通过确定价值之间的良好权衡来解决在任何复杂价值体系中出现的不可避免的不一致，或者甚至更好地找到满足所有复杂价值系统的双赢解决方案。

我们可以通过添加请求或查询来将需求包括在我们的生产系统智能表示中。 查询是一个生产规则，其输入条件（规则的左侧）或其一部分保持未指定：？→b

这可以被理解为“需要什么来实现条件b”。规则的强度对应于需求的重要性，即其相对于其他查询的值。

如果找到查询的答案，则需求将满足。 该回答具有潜在提议的形式，即可以在系统中的某处产生的条件a，并且将通过一个或多个中间生产规则导致期望的条件b，例如：

a→b; 要么
a→x c;
x u→y;
y→b：

窗体底端

窗体顶端

当供给立即可用时，其用作机会或供应，即仅需要被识别和利用的现有资源。 例如，寻找日期的人可能仅需要检查在网站上表达他们对约会兴趣的人的资料，并选择最有前途的人。在最一般的情况下，满足需求将需要一些动作来实现必要的条件。 例如，一个正在寻找一个聚会的日期的人将需要与不同的潜在候选人聊天，以说服一个人去约会。在这种情况下，解决方案的供应仅仅是潜在的，因为将需要通过执行将动员所需资源的适当动作来实现附加条件。

窗体顶端

在任一情况下，通过匹配供给和需求来满足需求。这是一个需要智力的推理过程：它需要寻找并理解能满足需求的所有不同的实际和潜在条件，然后找到最短的路线，要求最小的行动努力，这将导致将当前条件改变为期望条件。在AI中使用的生产系统中，该过程通常由推理引擎执行，推理引擎使用各种启发式算法来使用最小搜索找到最佳匹配。

窗体底端

窗体顶端

也许最简单的启发式是反向链接。 这里，参数引擎从查询开始（要满足的最后条件）。 然后搜索一个或多个将产生条件的生产规则。如果这些规则的初始条件没有得到满足，它重复搜索先前的生产规则，其结束条件将匹配第一批规则的开始条件。这种移动“向后”到先前，预备规则继续，直到它确定一个规则的初始条件已经满足（即在系统中存在产生这种条件的提议）。

窗体底端

窗体顶端

让我们用约会的例子说明这个策略。提出你正在寻找一个约会，但不知道任何人可用。这确定了初始查询。你问你的朋友Carl 他是否知道一个可能的候选人，如果他能带你接触一个良好的约会则问题解决。但Carl 可能不知道任何人，因此他咨询他的朋友Lisa。Lisa反过来可能会咨询她的朋友Peter, Tom和Beth，其中一个可能最终提出一个很好的匹配您的查询。因此，你的查询必须向后移动，越来越远离你现在的需求，直到它遇到一个匹配。

窗体底端

窗体顶端

窗体底端

窗体顶端

另一个策略是前向链。这里，系统从现有条件（供给）开始并应用生产规则，直到其产生需求的条件。例如，在不知道您的查询的情况下，Beth把她的一个朋友介绍给Lisa，Lisa把他介绍给Ca

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[27723]，资料为PDF文档或Word文档，PDF文档可免费转换为Word