万物互联时代的人机物三元计算的主流学派简介
随着大数据和智能科学的发展,计算技术进入了新的阶段:从充分利用各类网络资源的网络计算,到可对物理资源进行分布式虚拟化的云计算,到强调以人为中心随时随地获取信息服务的普适计算,再到就近利用网络和设备提供边缘服务的边缘计算,以及计算和环境融为一体的泛在计算。随着网络空间(cyberspace)、物理世界(physical world)、人类社会(human society)组成的人机物三元世界(ternary universe)的深度融合,人机物三元计算作为描述物联网的新型计算模型将计算技术引入新的阶段。在这一阶段,计算将不拘泥于设备,任何物体之间的智能交互均成为计算形态,人和设备作为智能部件存在于万物互联的计算系统中。
从云计算、泛在计算到人机物三元计算,其共同目的是让物理设备高效协同并融入到真实世界,从而为人类社会提供更优质的智能服务。2009年《中国科学院院刊》发布的《中国至2050年信息科技发展路线图》以及2017年发布的《从信息技术的发展态势看新经济》,明确了未来最具引领性的信息技术将是人机物三元计算。相关概念万物互联网(Internet of Everything,IoE)、无缝智能(Seamless Intelligence)、信息物理系统(Cyber-Physical Systems),以及“互联网+”等都可视为人机物三元世界的组成形态。
主流学派分析:
人机物三元计算核心思想用于构建由于万物互联而带来的物理世界、信息世界、人类世界深度融合所产生的新架构、新方法和新体系。它应用了已有的面向计算体系结构的分布式计算、云计算、物端计算,面向网络及终端结构的泛在计算、边缘计算、雾计算、分散计算,以及面向人类世界的普适计算、群智计算、众智计算的核心思想,并对现有多种计算模式形成互补和新的发展。计算模式从早期的以机为中心,逐步发展到以人为中心和以物为中心,进而演进到以任意人、机、物为中心的时代。
1. 分布式计算(Distributed Computing):面向计算体系结构的学派
分布式计算是研究通过在多个联网的软件和硬件设备上协同完成任务的计算方法。其研究重点在于如何对计算任务进行有效地分割和调度,如何对各种计算资源进行通信和协同,以及多任务协同工作时的故障处理与可靠性设计等。分布式计算为云计算提供了体系架构,其去中心化设计思路为新兴的区块链计算提供了理论基础。然而分布式计算的理论基础发展相对缓慢,还沿用以可用性C、一致性A、分区容错性P为核心的CAP理论,以及衍生出的基本可用BA、软状态S、最终一致性E为核心的BASE理论等。从分布式计算的理论基础对一致性计算的强调可以看出,相对于云计算解决大规模接入服务而言,分布式计算是解决大规模计算本质问题的学科。
2. 云计算(Cloud Computing):面向资源虚拟化服务的学派
在计算机发展过程中,很长一段时期都沿用大型超级计算机、中小型服务器和客户端的模式,由于设备昂贵,造成大量计算设备资源长期被机构或大型公司掌控,用户或中小型公司使用计算资源时面临高价格的门槛。云计算叫的出现改变了这一模式,通过软件服务平台将硬件和系统软件重新整合,各类用户可通过因特网接入服务的方式按需使用各种计算资源和数据资源,典型的服务平台包括基础设施即服务(Infrastructure as a Service,IaaS)、平台即服务(Platform as a Service,PaaS)、软件即服务(Software as a Service,SaaS)等。由于云计算需要整合各种软硬件资源,并以Web服务接口的方式提供给用户,软件服务平台的架构和资源虚拟化技术成为了核心问题。云计算为硬件软件化提供了成功的商用模式,虽然还停留在将设备硬件软件化和数据资源软件化的阶段,但这种软件化的思路对后续“软件定义一切”的架构产生了深远影响。
3.边缘计算(Edge Computing):面向边缘结构的学派
近年来随着物联网(Internet of Things,IoT)技术的发展,具有通信能力的智能设备数量快速增长,预计到2021年将有超过262亿台物联网智能设备涌现,由人、机器和物联网设备产生的数据将达到847 ZB,然而那时全球云数据中心的流量将仅为19.5 ZB。由此,数据计算和通信将产生很大的鸿沟,传统云计算无法承载由网络边缘侧产生的大量数据,边缘计算因成为弥补这一鸿沟的解决方案。
边缘计算通过对边缘侧各类可用资源评估之后进行调度、协同和计算,对于难以承载的计算则上传至云端处理,因此边缘计算对减轻云端的通信和计算负荷起到重要作用。边缘计算由于涉及包括云计算和网络领域(如内容分发网络)等的共性问题,因此经历了较长的技术储备阶段,期间很多研究机构都提出了早期的原型思想,包括1999年把应用程序和Web页面动态分发到网络边缘设备来加速Web性能的Akamai系统,以及能降低边缘负载的虚拟机模型,2008年在微软研究院召开的学术会议之后开展了更多的讨论。然而直到2013年美国太平洋西北国家实验室(PNNL)正式提出边缘计算,以及2016年边缘计算逐渐被清晰地定义为在网络边缘侧开展的计算,具有数据处理、存储、缓存以及接入云的能力的边缘设备研究才成为重点。近年来的研究集中于如何增强边缘节点的计算能力,以将更多云端计算下沉至边缘节点完成。典型的应用包括分别解决计算和通信能力的移动边缘云、边缘视频服务叫等。在中国,尤其由华为等公司和机构发起的边缘计算产业联盟(Edge Computing Consortium),对边缘计算的发展起到积极作用。
4. 雾计算(Fog Computing):连接云和边缘节点的学派
雾计算设计之初是为了解决云计算中的数据负载问题。随着由思科、英特尔、微软、ARM、戴尔、普林斯顿大学等共同发起了雾计算联盟(OpenFog Consortium),雾计算在国外发展迅猛。雾计算被明确定义为“系统级水平架构,在从云到物联网的任何地方分配计算、存储、控制和网络的资源与服务”。雾计算和边缘计算从定义到核心问题都非常接近,很多文献将两者等同。然而,相对于边缘计算,雾计算不止明确了在网络边缘处节点计算方面的改进,更强调了对存储和通过接入云提供网络服务方面的内容。除了发起机构和参与机构的区别,两者在技术方面的区别在于,雾计算更侧重解决边缘节点到云端的问题,而边缘计算更侧重解决边缘节点的问题。因此雾计算将计算、通信、控制、存储的架构在云端和物端之间做了有效补充,成为连接云和物更为可行的解决方案。
5. 物端计算(Things Computing):面向边缘终端体系结构的学派
物联网技术提供了将物理世界的各种设备接入到计算世界的桥梁,在物联网框架下,任何物体通过具有通信和计算能力的组件均可实现信息交换、数据处理以及计算。早期物联网侧重解决设备发现和设备间互联互通的问题,研究热点为具有识别功能的传感器技术,低复杂度通信能力的射频识别(RFID)技术,以及多设备互联形成的体系结构。随着设备间互联合作等核心技术的发展,万物互联网(Internet of Everything,IoE)的出现引发了新的研究热潮。由于万物互联网侧重解决由人引入和互联过程带来的复杂系统问题,被称为物联网的扩展架构,并将成为人机物三元世界中万物互联的核心桥梁。然而,在万物互联网开展复杂计算非常具有挑战,设备尺寸、接入能力、计算能力和功耗等都严重受限,在服务器开展的机器学习等复杂方法难以移植到小型设备,因此,物端计算作为解决万物互联网核心计算瓶颈的技术成为新焦点。
物端计算侧重解决在计算资源约束的设备中开展基于Web的智能化计算。据统计,2018年符合“things”定义的小型设备已达50亿台。然而这些设备采用不同的硬件设计架构,导致开展Web互联互通应用在实际中变得很困难。因此,物端计算致力于用软件的思想设计硬件,将物端设备设计成可重塑、可定制、可扩展、可连接的新型网络硬件架构。由于对终端体系结构进行了重新定义,并提供Web化支持,Web型物端计算(Web of Things,WoT)正在引领终端体系结构的新热潮。
6.分散计算(Dispersed Computing):面向分散控制的学派
由于现有网络体系结构在面向世界范围内接入亿级规模设备时,在可管可控的灵活性方面呈现不足,2016年起美国国防部高级研究计划署(DARPA)部署了全新的研究计划,即“对网络和计算的重新思考”以利用我们周围所有的计算资源,包括智能手机、电脑、车辆以及物联网等,组成一种新的架构,动态地完成复杂的任务,希望能替代现有网络结构,由此产生了分散计算(DCOMP)。分散计算对已经出现的云计算、边缘计算、雾计算以及分布式计算进一步扩展,在需要时从多个节点借用处理和通信资源,以完成用户提出的任何任务,是一种可处理动态任务的通信和网络。对目前相对静止的网络体系结构而言,分散计算的目标是要建立一个具有快速感知网络状态的全动态体系。
值得注意的是,随着人工智能在网络和计算领域的迅速发展,未来的网络架构极有可能具有自我意识能力。用于人类社会的经济学方法将在各种异构终端的计算、存储、通信资源的分配及控制方面,尤其是低延迟互联通信和高效的计算分析展现出优秀的能力。分散计算的设计思想为未来网络计算、架构和协议设计、资源通信和控制方法、内容分发和处理提供了更大的探索空间。
7. 泛在计算(Ubiquitous Computing):面向复杂互联结构的学派
马克·维瑟( Mark Weiser)最早对泛在计算(又译为“无处不在的计算”)给出明确定义:在物理环境中的众多计算机提供用户察觉不到的增强计算。泛在计算的关键核心在于:首先,将物理空间中的一切可用计算设备视为一种计算机,这样各类小型loT设备都融入到计算资源;其次,将人作为计算的主体,明确服务对象是用户,这点与云计决算以服务为中心和分布式计算以任务为中心的理念有所区别。因此,计算设备到人之间的交互和管理成为研究重点。早期研究侧重建立设备与人之间的桥梁,自然交互界面、情景感知、可穿戴计算以及环境设备的自动俘获与处理是研究重点。然而近年来的许多研究开始转向解决探索“当计算成为人类世界不可分割的组成时,计算设备将如何与人互联协作”,因此设备与人形成的复杂互联结构成为新热点,其中群体计算更被称为后维瑟时代的研究重点。
8. 普适计算(Pervasive Computing):面向人本计算的学派
普适计算源自马克·维瑟提出的泛在计算,后由IBM在1999年命名,是泛在计算的研究重点发生变化而衍生的新计算模式。普适计算聚焦于解决由人引入的以人为中心的计算问题。因此与人关联的社会感知计算技术、群智感知计算技术、人机一体化及人机共生技术以及智能时代的各种人机交互技术成为新的研究焦点。
9. 群体计算(Collective Computing):面向群体智能感知的学派
为了提高机器的智能性,研究人员一直致力于利用多个远程计算机来完成大型计算任务,因此早期的群体计算思想源自分布式计算中的并行计算。格里高利·阿宝德(Gregory Abowd)提出将物理世界中的人类计算、机器计算和物端计算在数字化领域进行重新映射,从而对群体计算赋予了新的含义。此后,越来越多的研究人员开始重视人类计算在计算设备中的作用。
10. 众智计算(Crowd Computing):面向众体智能计算的学派
众智计算是研究如何将人类智能和机器的人工智能有效结合,从而改变人类社会生活和管理方式的新型计算方法。众智计算从诞生之初就强调人类在计算科学中的重要性,例如研究如何通过人类的群体计算的互操作,来完成计算机系统难以独立完成的复杂任务。众智计算初期的研究重点在于解决小规模在线用户如何与计算系统有效互动,从而将人类智能融入机器智能的问题,因此,各种人机互动软件,包括校对、选择、问答系统等有助于人机协作工作的接口研发占据主流。近年来,众智计算侧重内部机制的研究,包括人类群体智慧如何影响和管理各种设备构成的计算系统,从而快速解决计算系统或人类系统难以独立解决的复杂任务,以及由人类-机器-软件组成的异构系统如何协作以达到最优控制的机理圆。