“在足球場上，對手的出現(xiàn)使得一切變得復(fù)雜起來。”法國哲學(xué)家讓-保羅·薩特（Jean-PaulSartre）的這句話適用于多個領(lǐng)域，無論是團體項目的戰(zhàn)術(shù)策略，還是微觀經(jīng)濟學(xué)中的博弈論模型，亦或是大規(guī)模爆發(fā)的機器人之戰(zhàn)。
Gliders2016榮獲2016年7月在德國萊比錫舉辦的2016機器人世界杯冠軍
來自澳大利亞的Gliders2016球隊的一記決勝進球
魚群，圖片來源geek.com
對手的出現(xiàn)讓一切都變得不同了：在相互對抗的局面下，再細致的準備都有被打亂陣腳的可能。
以上結(jié)論在多個領(lǐng)域其實都是適用的。無論是戰(zhàn)術(shù)策略的制定，還是繪制施工藍圖，中途一旦遇上未知的境況（例如對手重新調(diào)整的策略，或是自然災(zāi)害等不可抗力），無論之前的準備是多么細致入微，考慮的是多么周全，都有可能全部土崩瓦解。
因此，讓一個復(fù)雜系統(tǒng)具有應(yīng)對突變情況的能力有多重實現(xiàn)方法，其中一個可行的思路是賦予系統(tǒng)的每個組件以自適應(yīng)能力，即讓每個組件都能進行自我調(diào)整以應(yīng)對突發(fā)狀況。
而這么做的缺點也顯而易見，被孤立看待的每個組成部分都只會分析各自的行為模式，但這樣的分析是很難判斷整個系統(tǒng)的動向的。
那么能否找到方法，來預(yù)測不可知的突發(fā)狀況？這是研究復(fù)雜系統(tǒng)的科學(xué)家在設(shè)計系統(tǒng)抗干擾性和抗打擊性時所面臨的核心問題。
最早提出復(fù)雜系統(tǒng)這一概念的，是美國學(xué)者霍蘭。他提出“適應(yīng)性造就復(fù)雜性”，并于1994年引入了復(fù)雜適應(yīng)性系統(tǒng)（CAS:complex adaptive system）的概念。
復(fù)雜性系統(tǒng)的研究方法有別于傳統(tǒng)的理論研究，以計算機仿真作為主要研究工具。其主要特點有：
自適應(yīng)性／自組織性（self-adaptative/self-organization）
復(fù)雜系統(tǒng)能夠通過不斷學(xué)習，調(diào)整自身的結(jié)構(gòu)和行為，以適應(yīng)外部和內(nèi)部的變化。
而且各組件之間，以及組件與環(huán)境之間會發(fā)生各種交互作用。正是這種自主性和復(fù)雜性，使得復(fù)雜系統(tǒng)具備了不斷演化的動力。
演化能力（evolution）
復(fù)雜系統(tǒng)由簡單元素組合，通過對外界環(huán)境和狀態(tài)的預(yù)期—適應(yīng)—自組織過程，經(jīng)過不斷演化，實現(xiàn)了從功能到結(jié)構(gòu)的升級。
人工智能的演化
足球比賽就是一個演示復(fù)雜系統(tǒng)的很好的模型。機器人世界杯（RoboCup），顧名思義，是機器人的世界杯。這一比賽即將迎來20周年紀念日，最近的賽事吸引了來自超過45個國家的逾40，000選手和觀眾。
該賽事同時也是人工智能，機器人研發(fā)，以及多智能主體復(fù)雜系統(tǒng)（multi-agent complex systems）發(fā)展的的風向標。
2016年德國萊比錫機器人世界杯2D仿真組總決賽，2016年7月3日，紅隊是來自悉尼大學(xué)&CSIFO組成的澳大利亞隊Gliders2016，黃隊是來自福岡大學(xué)和大阪府立大學(xué)組成的日本隊HELIOS2016
一邊是實體組（physical robot leagues）戰(zhàn)得如火如荼叫好叫座，另一邊仿真組（simulationleague）則將精力集中在AI的升級迭代上。
在仿真組的比賽中，兩只球隊的各11名“隊員”均為程序自主控制，馳騁在一個二維的虛擬球場上，整個過程中“球員”無人工操作。20多年來，機器人世界杯社區(qū)為選手們提供開源模擬器以及可視化軟件，共計近百萬行代碼。
每個虛擬“球員”都具備虛擬的全方位視覺，聽覺以及觸覺，能夠“感知”周遭發(fā)生的一切。與此同時，每一位“球員”還具備基本的行動能力，如跑動，轉(zhuǎn)身，踢球。
最大的挑戰(zhàn)是，如何推演出可行的最佳策略，來應(yīng)付對手突如其來的干擾性動作。
每走一步耗時十分之一秒，在此期間，所有的感官馬達全權(quán)負責一個“球員”的信息鏈，將接受到的新的環(huán)境信息進行處理，在約100，000個選項之中權(quán)衡利弊，然后將敲定的指令傳達給該“球員”。
“球員”思路示意圖
2016年7月，來自澳大利亞的Gliders2016榮獲冠軍，這是悉尼大學(xué)Mikhail Prokopenko教授以及Victor Jauregui教授，聯(lián)合CSIFO的Peter Wang,OliverObst教授通力合作的成果。
Gliders2016榮獲2016年7月在德國萊比錫舉辦的2016機器人世界杯冠軍
為了最大化的提升球隊的實力，科學(xué)家使用了基于人類演化的計算策略。以迭代的方式進行創(chuàng)新，展開測試，檢驗場上動作，提高比賽表現(xiàn)。
若干個超級計算機群每天執(zhí)行成千上萬次的路徑演算，用以檢測評估“球員”的實力。
路徑總數(shù)接近一千萬。
高屋建瓴
在測試中，不僅需要考察每個“球員”的實力，評估整個“球隊”的表現(xiàn)，還需要高屋建瓴地進行戰(zhàn)略考量。
從研究對手戰(zhàn)術(shù)的復(fù)雜程度著手，考察我方“隊員”的場上靈活性，戰(zhàn)術(shù)延展性以及戰(zhàn)略適應(yīng)性。
與此同時，還要考慮到對手接下來有可能走出的奇招怪局，以及我方“隊員”是否能夠在局勢不利的情況下力挽狂瀾。
來自澳大利亞的Gliders2016球隊的一記決勝進球
前文所述，牽涉到復(fù)雜系統(tǒng)的一般性問題。因此必須考慮到初始條件的細微變化，諸如傳球中的“冒險系數(shù)”的增加對比賽結(jié)果的影響。
另一個研究重點集中在，系統(tǒng)在運行過程中，是否會傾向于重復(fù)的特定軌跡，及隨機算法的效用。因此，必須考慮模擬器中隱藏變量的建模。
一言以蔽之，就是在復(fù)雜系統(tǒng)下，一個冠軍隊伍所必需具備的素質(zhì)。
來自大自然的啟示
自然界的魚群和鳥群如何躲避捕食者體現(xiàn)了生物群落的復(fù)雜性?？蒲袌F隊從觀察中獲取靈感，并將靈感應(yīng)用在戰(zhàn)術(shù)中。
魚群，圖片來源geek.com
面對捕食者，魚群迅速形成復(fù)雜的空間聚合，如此一來，即便是小小的擾動也能以極快的速度傳遍整個群體，傳達性命攸關(guān)的警示。
回到機器人世界杯上。同樣的道理，場上的“球員”能夠在以很高的連貫性“跑動”的同時，根據(jù)場上情況不斷調(diào)整自身位置，以便策應(yīng)隊友／堵截對手。而且，這樣的移動不是突然的、毫無預(yù)示的，而是連貫的，協(xié)調(diào)的。
針對不同對手，需要不同的戰(zhàn)術(shù)。行動路徑越復(fù)雜，“球隊”的作戰(zhàn)能力以及防御能力越強。
借助信息理論，定量和預(yù)測系統(tǒng)中的“信息流”而不是“數(shù)據(jù)流”，來評估“球隊”場上表現(xiàn)。不同于“數(shù)據(jù)流”，信息流突出了相關(guān)性和可行性最高的動作。
機器人世界杯的復(fù)雜性會隨著時間的推移而增加，比賽將面臨新的挑戰(zhàn)，解決新的問題，科技也會不斷進步。
機器人世界杯第二個二十年的旅程，將會由全新一代的科學(xué)家來主導(dǎo)。
到那時，復(fù)雜系統(tǒng)作為一塊研究領(lǐng)域，很可能主導(dǎo)全球的教育，會結(jié)合信息科技的新元素，以及物理，生物，和數(shù)學(xué)，引領(lǐng)未來的工程，科學(xué)和商業(yè)人才。
