自然·機器智能：流動思維讓群體智能更輕更強

導語

從大腦神經網絡到蟻群覓食，從機器人群到無線傳感網絡，群體智能始終以兩種截然不同的形態存在：固定連接的靜態系統，與自由移動的流體系統。長期以來，二者因拓撲差異各自發展，少有深層對話。近日發表于Nature Machine Intelligence的研究，以流動思維打通靜態與流體的邊界，首次揭示移動單元的集體學習原理，證明移動性可以替代單元數量提升系統性能，并為神經網絡、群體機器人等領域提供跨界創新思路，重新定義了群體智能的研究與設計范式。

關鍵詞：群體智能（collective intelligence）、群體機器人（swarm robotics）、靜態拓撲、流體拓撲、神經網絡

王璇丨作者

趙思怡丨審校

論文題目：Fluid thinking about collective intelligence 論文鏈接：https://www.nature.com/articles/s42256-026-01211-1 發表時間：2026年4月26日 論文來源：Nature Machine Intelligence

引言：被割裂的群體智能世界

群體智能的魅力在于無數獨立單元交互后，整體涌現出遠超個體能力的行為。長期以來，研究者習慣在同類系統內部尋找類比：生物群體啟發人工群體設計，人工模型反哺自然機理探索。但一條隱形鴻溝始終橫亙其中：單元是否具備移動性，以及由此決定的網絡拓撲是靜態固定，還是流體動態。

靜態拓撲系統中，單元位置固定、鄰域關系長期穩定，比如大腦神經元、無線傳感器節點、傳統人工神經網絡。這類系統依托持久連接存儲信息、調整權重，支撐復雜抽象計算與高階信息表征，是當前人工智能與分布式計算的主流范式。流體拓撲系統則完全不同，螞蟻、魚群、移動機器人等單元不斷位移，鄰域隨機變化、連接轉瞬即逝，難以依賴固定連接實現長期記憶與復雜學習。

兩種拓撲的核心機制差異，導致群體智能研究長期分道揚鑣：靜態系統深耕結構與權重優化，流體系統聚焦動態協作與環境適應，跨領域思想流動極少。而哈佛大學Justin Werfel教授發表于Nature Machine Intelligence的這篇工作，以流動思維重新審視兩類群體智能系統，搭建起靜態與流體拓撲的對話橋梁，揭示移動單元的集體學習奧秘，又證明移動性可替代單元數量提升系統性能，更提出雙向借鑒的創新路徑。

流體群體如何學習：無固定連接的智能密碼

靜態系統依賴固定鄰域與可調連接權重實現學習，而流體系統沒有穩定連接，卻同樣能完成集體學習與協同決策。這項研究首次系統提煉出流體群體的三大核心學習機制，并與靜態系統形成原理對應，打通了跨拓撲的認知壁壘。

流體群體可通過個體內部可塑性自主調整狀態，無論是生物的社會學習還是機器人的強化學習，都能讓群體脫離固定連接實現協作，這一機制也讓靜態領域重新重視被長期忽略的神經元內部結構潛力。同時，瞬時空間結構讓動態單元在短暫相遇中形成臨時排布，支撐群體避險、達成共識，證明非固定連接也能完成信息處理，與靜態系統的持久鄰域邏輯形成互補。

最關鍵的是，流體群體可借助環境介導協作實現高效協同，也就是共識主動性（stigmergy），通過信息標記、物理結構線索和動態狀態交互，讓環境成為群體的外部存儲器與協調中心。這種環境介導的協作方式，不僅是流體智能的核心，也為靜態網絡引入外部元件、提升計算與協同能力提供了全新方向。

圖1 | 移動單元集群可采用的學習機制。

移動性替代數量：更少單元，更高性能

靜態系統提升性能通常依賴增加單元數量，更大的神經網絡、更多的傳感器節點雖能提升算力，但會急劇推高計算成本、能耗與硬件開銷。該論文的核心突破在于，嚴格證明了移動性可以等價替代單元數量，在入侵檢測、群體共識、圖像分類等任務中，只需提升單元移動速度或感知范圍，就能用更少單元實現同等性能。

在入侵檢測任務中，靜態單元的探測成功率僅隨數量增長，而移動單元的效率由數量與速度的乘積共同決定，提升速度與增加數量對性能的貢獻完全等價，讓資源受限系統也能完成高難度探測任務。在群體共識任務中，移動單元可通過隨機游走快速擴散信息，顯著提升收斂速度與成功率，僅靠提升移動速度就能突破小群體固有的性能瓶頸，完成靜態小網絡無法實現的全局決策。

該研究最具顛覆性的發現，是揭示了卷積操作本質上就是神經網絡的單元移動性。卷積核的權重共享與全局滑動掃描，相當于用動態移動替代大量靜態參數，以極小代價完成全局信息感知。實驗進一步證實，卷積核數量對應單元總數，掃描范圍對應移動速度，二者同樣滿足移動替代數量的核心規律。這一結論重新解釋了卷積網絡高效的根源，為輕量化模型設計提供了底層依據。

三類實驗共同指向一條核心定律：在空間感知與信息聚合類任務中，移動性是單元數量的完美替代品。這一規律不僅適用于群體機器人與無線傳感器網絡，更徹底革新了人工神經網絡的設計范式，為低資源設備部署、高效模型架構研發提供了關鍵理論支撐。

雙向借鑒：靜態與流體拓撲的協同創新

流動思維的核心價值，不只在于解開流體系統的學習機制、證實移動性的強大優勢，更在于搭建了靜態→流體、流體→靜態的雙向借鑒通道，讓兩種拓撲系統互相賦能、協同升級。

圖 2 | 利用靜態插曲與流體集合體。

流體系統可以主動借鑒靜態系統的優勢，通過臨時靜止或可預測運動，構建出短暫穩定的固定拓撲，從而借助靜態系統的計算能力完成復雜任務。在集體感知與導航場景中，機器人群遇到大范圍環境線索時會快速聚攏，形成臨時靜態結構，利用穩定鄰域拼接全局信息、完成精準判斷，再恢復移動狀態。這種動態移動 + 臨時靜止的雙模模式，讓流體群體同時擁有靈活機動性與高階計算力。

反之，靜態系統也能借鑒流體思維，用移動性壓縮網絡規模、降低資源消耗。無線傳感器網絡可用少量移動節點代替大量靜態節點，在提升覆蓋效率的同時大幅削減成本。人工神經網絡可借鑒卷積的動態掃描邏輯，用移動性替代冗余參數，實現模型輕量化。即便在生物大腦中，小膠質細胞的動態移動也在優化連接效率。這種跨界思路打破了 靜態就必須固定的傳統認知，讓靜態系統在性能與資源消耗之間找到最優平衡。

展望：流動思維開啟群體智能新范式

從自然蟻群到人工神經網絡，從群體機器人到分布式傳感器，流動思維讓看似無關的系統彼此呼應。未來，群體智能研究將不再局限于單一拓撲，而是跨越靜態與流體的邊界，融合生物啟發與工程設計，誕生更高效、更魯棒、更貼近自然的智能系統。“Nothing in collective intelligence makes sense except in the light of fluid thinking”--流動思維，終將照亮群體智能的全新時代。

群體智能讀書會

如果你對這些反直覺但極有用的現象感興趣——從蟻群搭橋、魚群同步、到無人機集群表演、集群機器人協作、群智優化與多智能體系統、網絡輿論建模研究等——歡迎加入「群體智能」讀書會：我們用動物—人類—機器三條線，希望把群體智能的涌現這件事講清楚、講透徹；用物理學、數理邏輯、多主體建模、計算傳播等多學科視角，去追問同一個核心：集群何以比個體更聰明？群體智能又在何時涌現？

集智俱樂部聯合北京師范大學系統科學學院韓戰鋼教授、暨南大學計算傳播研究中心趙甜芳副教授、新疆大學物理科學與技術學院玉素甫·艾比布拉副教授等來自11所高校的學者，共同發起本次，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會的集群行為、以及人工智能時代的多智能體與群智優化，放在同一張地圖上重新理解。讀書會自2026年1月17日開始，安排在每周六下午 14:00–16:00，歡迎所有對群體智能如何涌現、如何被理解、以及如何被設計，感興趣的朋友一起加入：帶著問題來，帶著更有趣的問題去。

詳情請見：

1.

2.

3.

4.

5.

6.

7.

8.

#速遞#群體智能