武夷山老师在博文“ 美国社会科学亟待回答的 10 大问题 ”中介绍了 2011 年 2 月哈佛大学所公布的“ 社会科学最重大的 10 个问题 ”（ Jim Giles ， Social science lines up its biggest challenges, Nature, V470 (3 Feb. 2011): 18-19 ），对其中的两个问题（第五个问题与第六个问题）很感兴趣，这两个问题分别是： How can we aggregate information possessed by individuals to make the best decisions? 我们如何将个体所处理的信息集中起来，做出最佳决策？ How can we understand the human capacity to create and articulate knowledge? 我们如何认识理解人类创造和表述知识的能力？ 按照 timy 的观点，这两个问题都属于 交叉学科的问题，这一定程度上显示，社会计算仍然是未来研究热点 。武老师认为是 “机器帮助大脑”。而文明上一阶段的特征是“机器帮助四肢”。 我认为 这两个问题的理论核心还是“智能”问题，包括人工智能，人的智能，集体智能，社会智能等，在应用层面则体现在如何利用数据、信息和知识进行有效决策。
硬计算与软计算这两个术语首先由美国加州大学的 Zadeh 教授于 20 世纪 90 年代提出。 硬计算的主要特征：（ 1 ）易于建立问题的规范数学模型；（ 2 ）建立的数学模型易于求解，且能达到较高的精确度；（ 3 ）解具有较好的稳定性。 软计算的主要特征：（ 1 ）难于建立问题的规范数学模型；（ 2 ）难于得到问题的较高精度的解；（ 3 ）算法具有较好的适应性，能够适应动态环境。软计算中的核心方法主要包括模糊逻辑（ Fuzzy Logic ， FL ）、神经网络（ Neural Networks ， NN ）和遗传算法（ Genetic Algorithms ， GA ）以及这几种方法之间的不同组合形式。 混合计算是传统的硬计算与新兴的软计算的组合，混合计算可以获取各自所长，克服各自局限性。 一个合适的面向问题求解的计算策略的选择取决于问题的属性。 Soft computing differs from conventional (hard) computing in that, unlike hard computing, it is tolerant of imprecision, uncertainty, partial truth, and approximation. In effect, the role model for soft computing is the human mind. The guiding principle of soft computing is: Exploit the tolerance for imprecision, uncertainty, partial truth, and approximation to achieve tractability, robustness and low solution cost. （ http://www.soft-computing.de/def.html ） 参考文献： 1. Zadeh, Lotfi A., Fuzzy Logic, Neural Networks, and Soft Computing, Communications of the ACM, March 1994, 37 （ 3 ）： 77-84 2. D. K. Pratihar. Soft Computing, Narosa Publishing House, 2008( 王攀 等译. 软计算，科学出版社 , 2009) 3. Ovaska S. J., VanLandingham H. F., Kamiya A.. Fusion of soft computing and hard computing in industrial applications: an overview. IEEE Transactions on Systems, Man and Cybernetics. Part C, Applications and reviews, 2002,32(2):72-79
标签: 智能
