21世纪科技生态面临第三次全球标准

数学算法俱乐部

日期：2020年10月27日

正文共：1867字2图

预计阅读时间：5分钟

来源：战略前沿技术

刘锋 远望智库超级智能实验室主任

前言：本文2020年9月29日发表与“中国社会科学报”，原文标题"科技生态面临新全球标准”（略有修改）。2007年以来，我们对21世纪前沿科技生态发展的规律进行研究。提出互联网从网状发展成为类脑架构是本世纪诸多前沿科技爆发的根源，通过互联网大脑模型的绘制，进一步提出世界范围的人，机、AI系统实现融合与协同决策，面临着科技生态的第三次全球标准规范。这一机制的实现将使得互联网大脑模型与人类社会进一步深入结合，从企业大脑到城市大脑，最终形成统一的世界神经系统，为人类社会的协同发展奠定技术和管理基础。

正文

1969年互联网诞生后，TCP/IP与万维网两个重要标准的制定，有力推动了信息科技的全球化发展与科技生态繁荣。21世纪以来，随着前沿科技的爆发和类脑智能巨系统的兴起，人类社会面临着第三次信息科技生态全球性标准的制定。

一.1974年：第一次信息科技生态全球标准

在互联网产生之初，大部分联网的计算机相互之间并不兼容。在一台计算机上完成的工作，很难拿到另一台计算机上去用。

1974年，美国科学家卡恩（Robert Elliot Kahn）与瑟夫（Vint Cerf）共同开发了TCP/IP协议，这个协议为每一台运行在互联网的设备制定了访问地址，同时为不同的计算机，甚至不同类型的网络间传送信息包制定了统一的标准。

所有连接在网络上的计算机，只要各自遵照这两个协议，都能够进行通信和交互。TCP/IP的产生也为21世纪之后传感器、机器人、无人机、智能汽车等智能设备平滑、无障碍地进入互联网奠定了基础，为物联网、边缘计算、云机器人、工业互联网的产生提供了技术保障。

二.1989年：第二次信息科技生态全球标准

20世纪80年代，经过近10年的发展，互联网已成长为世界科技、军事、政府机构中信息共享的巨大网络，但由于技术架构的问题，互联网的信息像被锁在一个个箱子里一样，获取时需要密码和钥匙，箱子之间的信息也无法相互获得。

1989年，在欧洲核物理实验室工作的物理学家伯纳斯-李（Tim Berners-Lee）选择了超文本链接标示语言（HTML）作为实现互联网信息共享的钥匙。当互联网信息用互相链接的超文本格式编写时，就可以与其他服务器的信息进行相互引用和共享。

与此同时，伯纳斯-李创造了世界上第一台Web服务器。所有更新的信息只在Web服务器上修改，其他几千万的客户端计算机不保留或保留很少的信息，更多通过访问服务器获得需要的信息数据，这种结构也常被称为互联网的B/S架构。

万维网标准的制定对后续的科技生态产生了巨大影响，包括21世纪出现的云计算、大数据等都与万维网有关，甚至区块链的产生在某种程度上也可以说是为对抗万维网引发的互联网中心化趋势。

三.2010年以后：第三次信息科技生态全球标准的需求产生

21世纪以来，前沿科技出现爆发式增长，出现了大量新的技术和概念，从社交网络、云计算、物联网、3G、大数据等，到人工智能、5G、云机器人、边缘计算、数字孪生等。种种迹象表明，互联网架构发生了重大变化，正在从网状结构演化为大脑模型，连接的元素也从计算机扩展到人、智能机器和AI系统。

互联网架构的变化使各类科技脑系统不断涌现。如谷歌大脑，百度大脑，阿里大脑，360安全大脑，城市大脑，城市智能体，城市神经网络等。其中，城市大脑获得了政府机构、科技行业的重点关注，比如我国已有几百个城市启动了城市大脑的规划和建设。

目前，无论是物联网、社交网络、智能驾驶还是城市大脑，行业大脑，它们在建设中尚存在一个关键问题没有解决。就是人、机器和系统间还没有实现无障碍地连接在一起。与前两次科技生态全球标准面临的问题一样，由于互联网新连接的要素相互割裂，客观需要一个统一的全球性标准对世界范围内人、机器和系统之间的信息交互进行规范，从而实现其作为整体对人类社会的需求进行反应和处理。

人、机器和系统之间的互联互通还仅仅是第一步，后续还包括第二步如何规划人、机器、AI系统在整个系统中的权限和角色的问题。第三步如何实现人、机器、AI系统协同决策机制，共同解决人类社会的各种需求问题。

应该说，城市大脑是互联网大脑模型的形成并与智慧城市建设结合的产物，既是互联网大脑架构的子集，也是重要组成部分，当各个国家的城市大脑走向成熟和连接后，世界范围的城市大脑最终会形成基于互联网大脑模型的世界神经系统框架。

如何为这个世界神经系统制定运转规则，需要解决的不仅是城市大脑的建设标准问题，更重要的是第三次信息科技生态的全球标准。这个标准的产生将促进各种前沿科技形成一个统一的整体，为人类协同发展提供支撑，并对智能产业、城市建设、科技与经济等领域产生重要影响。

— THE END —

☞生活中处处的贝叶斯

☞数理学界著名的三胡

☞如何解读决策树和随机森林的内部工作机制？

☞机器学习中需要了解的 5 种采样方法

☞北大读博手记：怎样完成自己的博士生涯？非常具有指导性！

☞谁是“唯一值得全世界知晓的数学家”？