网络化与智能化是当今数字时代的两大主题,越来越多的研究表明,两者之间存在着极其紧密的联系。近年来,深度神经网络技术的快速发展,特别是Transformer架构体系的提出,促成了大模型生态,直接引爆了学术界和产业界。因此如何用网络化的思维去理解、设计、优化智能模型和系统已然成为迫切需要思考和解决的问题。
首先,智能的涌现有其生物学基础,前沿的神经科学技术和脑成像技术帮助我们了解各种生物体中的连接模式,并开始揭示从最简单的神经元网络到多层、多核哺乳动物大脑的进化步骤。如果没有顺畅运行的连接,大脑不过是一堆神经元,“每个神经元就是一座孤岛”。另外,大量的群居生物在行为的过程中,通过个体之间的网络化交互协同,也涌现了一定程度的“群体智能”,鉴于此,可以认为智能源于个体/子系统之间的复杂连接,因此,网络科学体系天然适合从理论上系统化地分析和理解生物智能的涌现。
其次,深度神经网络本身也是一种网络,优化其对应的图结构也会显著影响机器学习的效率和效果。与此同时,自主智能体如AutoGPT,能够根据人们通过自然语言提出的需求,自动执行任务并实现预期结果,该技术被认为是通向通用人工智能最有希望的道路。未来,AI智能体可能会更加自适应及多样化,能够处理更复杂的问题,与人类形成更紧密的合作和共生。随着AI智能体的广泛应用,大模型时代的人机交互也将升级人类与AI智能体的自动化合作体系。一个具备交流能力并能自主/自动执行任务的智能网络将会成为未来的互联网形态。鉴于此,网络科学同样适合作为人工智能模型设计及优化的理论基础。
进一步地,万物皆可网络,在人工智能应用于众多领域的过程中,需要自动化分析复杂系统架构,网络图作为一种数据描述方法,天然地成为了人工智能模型的其中一类输入。同时,大量的时间序列数据、图像视频数据、多传感器数据等都可以转换成网络图的形式,这促使了图神经网络技术的快速爆发。除了在输入端,网络图还可以用于描述神经网络处理信息过程中隐藏层特征之间的关系,赋能深度神经网络的可解释性等等。
针对网络科学与人工智能方向的概念理论创新、技术创新和应用创新等,《指挥与控制学报》拟组稿一期“网络科学赋能人工智能”专刊。专刊主旨是促进网络科学与人工智能两大领域的交叉融合,内容包括但不限于网络科学与人工智能的概念、原理、关键技术及工程实践等,重点突出网络科学在智能涌现、人工智能架构设计及优化,人工智能可解释及安全等领域的赋能等等。本期组稿可以是综述、技术研究、案例研究等,欢迎领域内专家和学者踊跃投稿。
一、专刊指导专家
杨小牛(中国工程院院士,中国电子科技集团公司第三十六研究所)
陈关荣(欧洲科学院院士,香港城市大学)
二、专刊责任专家
宣 琦(教授,浙江工业大学)
汪小帆(教授,上海应用技术大学)
虞文武(教授,东南大学)
王 震(教授,西北工业大学)
三、专刊研究组专家
严 钢(教授,同济大学)
李大庆(教授,北京航空航天大学)
林 云(教授,哈尔滨工程大学)
朱 承(研究员,国防科技大学)
石 川(教授,北京邮电大学)
吕琳媛(教授,中国科技大学)
许小可(教授,北京师范大学)
张海峰(教授,安徽大学)
吴晓群(教授,武汉大学)
李澄清(教授,湘潭大学)
刘建国(教授,上海财经大学)
四、特邀组稿/评审专家
廖 好(研究员,深圳大学)
顾长贵(教授,上海理工大学)
夏承遗(教授,天津工业大学)
唐 明(教授,华东师范大学)
吴 晔(教授,北京师范大学)
闵 勇(教授,北京师范大学)
王 巍(研究员,中国电子科技集团公司第三十六研究所)
荣智海(教授,东华大学)
董高高(教授,江苏大学)
刘润然(教授,杭州师范大学)
韩筱璞(教授,杭州师范大学)
刘 闯(教授,杭州师范大学)
许新建(教授,上海大学)
刘小洋(教授,江苏师范大学)
李 平(研究员,西南石油大学)
夏永祥(教授,杭州电子科技大学)
胡鸿翔(教授,杭州电子科技大学)
孔祥杰(教授,浙江工业大学)
陈晋音(教授,浙江工业大学)
温震宇(教授,浙江工业大学)
马 晨(研究员,浙江工业大学)
张清鹏(副教授,香港大学)
范正平(副教授,中山大学)
吴嘉婧(副教授,中山大学)
王劲毅(副教授,深圳大学)
冯旻昱(副教授,西南大学)
曲存全(副研究员,山东大学)
贾 强(副教授,江苏大学)
朱培灿(副教授,西北工业大学)
王晓玲(副教授,南京邮电大学)
蒋路茸(副教授,浙江理工大学)
詹秀秀(副教授,杭州师范大学)
俞山青(副教授,浙江工业大学)
徐东伟(副教授,浙江工业大学)
阮中远(副教授,浙江工业大学)
朱俊威(副教授,浙江工业大学)
1.复杂网络解释智能的涌现
2.神经网络架构的网络图映射方法
3.网络科学赋能神经网络架构分析
4.网络科学赋能生物神经网络分析
5.深度学习/神经网络的生物学理论
6.网络科学赋能智能推荐系统/排名系统
7.网络科学赋能神经网络剪枝
8.网络科学赋能可信/鲁棒人工智能
9.网络科学赋能可解释人工智能
10.网络科学赋能因果学习
11.网络科学赋能分布式人工智能
12.网络科学建模输入样本间的复杂关系
13.图像视频/时间序列转网络图算法设计
14.网络科学理解和预测大语言模型的涌现能力
15.网络科学赋能AI智能体集群设计
16.网络科学赋能集群智能
六、重要日期
2024年6月1日——投稿截止日期
2024年8月1日——录用通知日期
2024年12月25日——网络刊出日期
2025年10月25日——纸刊出版日期
七、投稿须知
注意:投稿时请在“投稿栏目”中选择“网络科学赋能人工智能”。
八、联系方式
《指挥与控制学报》编辑部副主任 刘玉晓
电话:13810421995
《指挥与控制学报》编辑部
二〇二四年一月二十二日