对羊群效应、时尚潮流、新闻传播等社会现象进行理论建模和分析一直以来都是社会科学、计算机科学、复杂系统科学等领域交叉研究中的重要问题，而群体认知一致的产生与调节也是群体智能研究中的关键问题。传统的贝叶斯社会学习模型主要通过贝叶斯公式对个体进行信念更新并研究共识达成的机制。受限于该模型理论分析的高度复杂性并得益于复杂网络理论的发展，非贝叶斯社会学习在近年来成为了热门研究话题。在非贝叶斯社会学习策略中，多智能体通过信息更新和交互来逐步学习世界潜在的真实状态并达成共识。现有的研究往往是通过交换贝叶斯更新和信念聚合步骤，或考虑不同的交互网络结构来实现新的算法。

近日，工研院甘中学教授课题组的复杂非线性系统团队（Complex Nonlinear Systems Lab）的最新研究成果“Tuning Convergence Rate via Non-Bayesian Social Learning: A Trade-Off between Internal Belief and External Information”被62nd IEEE Conference on Decision and Control（IEEE CDC 2023）接收为Regular Paper，将于年底赴新加坡参会并口头报告。考虑到现实世界中不同个体对新信息的接受程度各异，本工作提出了一种引入个体固执程度参数的非贝叶斯学习策略，称为参数化社会学习（Parametric Social Learning）。该参数的引入源于具有社会学意义的优化问题求解，通过调整参数的大小可以实现群体共识收敛速度的调节，这也与社会学上的直觉高度一致。

图：参数化社会学习模型与群体认知演化

该工作对参数化社会学习策略下的群体共识产生条件和收敛速度进行了理论探讨，给出了群体信念收敛的渐近和非渐近分析，并通过实验揭示了一些有趣的社会学现象，如开明的群体能够更快对真实状态达成共识、开明个体的社会影响力越大越有助于加快群体学习等。该工作对工程应用领域中的多智能体信息聚合、分布式参数识别、多机协同等和社会科学领域中的谣言传播机制、群体共识形成与调控等问题提供了有价值的解决方案。未来团队将继续探讨群体认知博弈、群体意见向善及其决定机制等群体社会发展中的重要理论问题。

甘中学教授、冷思阳青年研究员带领的复杂非线性系统团队多年来致力于复杂系统与人工智能等多学科交叉的创新性研究工作，重点发展和完善新一代人工智能的数学基础理论，开发具有工程实践意义的智能算法，为智能交通、智能控制、智能决策等现代应用领域提供理论支持，同时促进多学科共性数学理论和模型的发展。工研院2022级博士生隋东言为论文的第一作者，甘中学教授和冷思阳青年研究员为论文的通讯作者，智能复杂体系实验室林伟教授对本研究提供了重要的指导和建议。本研究得到了国家自然科学基金、上海市科学技术委员会的项目资助。

延伸阅读

IEEE国际决策与控制会议（IEEE Conference on Decision and Control，IEEE CDC）是由IEEE控制系统协会（IEEE CSS）主办的大型国际学术年会，致力于推进系统和控制的理论和实践，是决策与控制领域国际上公认的最有声望和最有影响力的国际会议之一。中国自动化学会推荐学术会议目录将IEEE CDC列为控制理论与控制工程领域A类会议。