智能手機技術生態系統演化研究

郝占剛,孫靜林,毛薦其

(山東工商學院 工商管理學院,山東 煙臺 264005)

經濟管理研究

智能手機技術生態系統演化研究

郝占剛,孫靜林,毛薦其

(山東工商學院 工商管理學院,山東 煙臺 264005)

將技術生態理論融入社會演化算法中,提出了技術生態—社會演化算法,并使用該算法模擬了智能手機技術的演化。實驗結果表明,技術生態—社會演化算法能較好地模擬智能手機技術的系統演化,具有良好的穩定性和收斂性,有望推廣應用于其他復雜技術產品的演化研究中。

技術生態;社會演化算法;技術演化;智能手機技術

一、引言

隨著移動互聯網、云計算、大數據的高速發展,手機作為人機交互的樞紐愈顯重要。僅限于打電話、發短信的功能機已不能滿足人們日益增長的需求,手機的發展進入了智能時代。2017年1月22日,工信部發布2016年通信水平分省情況,全國移動電話普及率達96.2部/百人,已基本實現每人一部手機。智能手機集通訊、娛樂、購物、移動支付及各種智能服務于一體,與人們生活息息相關,已然成為人們生活中不可或缺的一部分。智能手機技術取得了空前發展,新技術層出不窮,對智能手機技術演化進行研究有著重要的現實意義。

智能手機涉及觸控技術、感應技術、定位技術、WIFI技術等多項技術,在各項技術的協同作用下發揮智能功能。從技術生態視角看,智能手機是在觸控技術等技術生態因子協同作用下形成的技術生態系統。然而,目前很少有研究從技術生態的視角研究智能手機技術的演化。本文將技術生態理論融入社會演化算法之中,提出了技術生態—社會演化算法,用于模擬智能手機技術進化,以解決當下智能手機發展所遇到的創新瓶頸,并為其技術研發提供方向引領。本文提出的技術生態-社會演化算法有望推廣應用于其他復雜技術產品演化的研究中。

二、智能手機技術及其演化

1983年,全球第一款真正意義上的移動電話(獲美國聯邦通信委員會認可)誕生,摩托羅拉的Dynatac 8000x,重2磅,即當時在中國風靡一時的大哥大,手機技術的進化史至此揭開序幕。比如:處理器從單核到八核、顯示屏從IPS到OLED、攝像頭從30萬到1 300萬像素、屏幕尺寸從3.5到5.5寸、網絡從數字模擬信號到4G、存儲升級到128G等。早期的功能機只能用來打電話和發短信。智能手機是相對于功能手機而言的,它提供更先進的計算功能和更精準的連接,通常配備有攝像頭、無線連接、具備獨立的操作系統,可自由安裝、卸載應用軟件。

手機技術特別是智能手機技術的演化發展成為業界和學術界研究和關注的熱點。智能手機在多種技術的協同作用下實現其功能,復雜技術產品中的某項重大技術變革在一定程度上影響產品與工藝之間的相互依存關系,就產品創新來說,核心子系統的技術變革不僅僅引起相關子系統的變化,也會對最終產品的形成產生重要影響[1]。這種情況在電子行業尤為顯著[2],手機的演化伴隨著一代又一代移動通信技術的進步,Yeo等從1G到4G無線技術的變化視角,深入分析了移動手機的演化[1]。陳璐等對手機形態的演變進行研究,指出伴隨移動通信技術的發展,由磚頭模擬信號手機到曲線數字手機,手機造型更優美、更富有人性化[3]。Faragó和Miklósi借鑒達爾文的生物進化論來探索手機演化,建立了手機系譜樹,觀察手機技術隨時間的演變過程,發現了手機技術的演化趨勢并與一般自然界生物進化過程進行比較[4]。Teacher 等對智能手機的生態進化進行了研究[5],發現智能手機及其應用程序可以替代手持傳感器、計算器和數據存儲設備,并確定智能手機在大量收集、分析和存儲復雜信息方面有著潛在的應用。高繼平和高翠玲[6]從技術縻母的視角下,研究技術進化,認為技術縻母是技術創新的核心,以智能手機技術為例,深刻剖析了智能手機領域的技術縻母和技術結構,認為智能手機技術是一個不斷進化的知識生態系統。蘇敬勤等認為智能手機技術是對傳統手機技術的顛覆,并通過專利計量的方法模擬出以智能手機為代表的顛覆性技術的演化軌跡,且與傳統手機的發展趨勢進行了對比分析[7]。

除上述將智能手機作為一個整體開展研究的少數學者外,絕大數學者從單項技術或技術元入手研究手機技術演化的路徑。移動通信網絡對手機系統至關重要,從第一代移動通信技術到第四代移動通信技術,我們見證了其革命性的進步,其背后的歷史和技術演化軌跡更是令人著迷[8]。米什拉[9]在《蜂窩網絡高級規劃與優化2G/2.5G/3G/…向4G的演進》一書中,詳細介紹了蜂窩移動網絡的演化進程;Singh等簡述了無線通信技術的演化過程,并對3G和其他幾代通信技術做了比較分析[10];時分同步碼分多址(TD-SCDMA)是被廣泛認可的3G標準技術,王錦山指出該技術的發展演變經歷了TD-SCDMA、HsxPA、LTE三個時代,整個時分雙工模式技術的演進,是一種平滑過渡的趨勢[11,12];Bhat等指出由于無線移動設備和服務的激增,4G系統不能有效解決頻譜危機和高耗能等問題[13],為了解決這些問題,全球無線網絡正致力于5G的開發研究,到2020年有望迎來動態點對點無線網絡和真正意義上的無線世界;符亞男和陳麗華也對第四代移動通信網絡進行了研究[14],指出4G集3G網絡系統和無線LAN技術于一體,簡述了其發展現狀,并進行了優劣分析。Goadrich等對Android和IOS操作系統的發展演變進行了比較分析[15];吳煒峰等提出智能手機Android與iOS操作平臺演化的骨頭模型,即演化前只有一個平臺生態系統,隨著時間的推移,新平臺開始出現,演化過程中,新平臺生態系統由于新策略、新技術開發等優勢,逐漸趕上原優勢平臺,與其競爭共生[16]。滕蔓等對WIFI技術進行分析,研究表明該技術是智能手機的研究熱點,并在未來較長時間內繼續保持這一趨勢;WIFI技術與通信相關技術協同發展,使用戶的生活更加方便快捷[17]。Jos對手機功率放大器進行研究,研究發現技術開發加快了手機功率放大器到集成RF前端模塊的演化步伐[18]。袁曉東和謝偉峰對手機觸摸屏技術進行專利分析,描繪出該技術的演變發展趨勢,指出在2008年多點觸控技術問世后,呈現指數般增長趨勢[19]。技術的發展具有可預測性,文獻[20][21]對未來智能手機技術的發展趨勢進行預測,認為無邊框技術、可折疊屏幕將出現,可穿戴式傳感器將普及,攝像頭可實現瞬間定焦和對象跟蹤、屏幕更是要達到4K級,硬件設備進一步升級,無縫WIFI無處不在等。此外,隨著智能手機技術的不斷發展演變,其服務和應用的領域也更深更廣,此外分研究集中在智能手機的應用方面[22-25]。

通過文獻回顧,我們發現從單項或技術元入手,對智能手機技術演化進行的研究偏多,以智能手機為技術生態系統的研究偏少;理論研究偏多,定量研究偏少。本文試圖將技術生態理論融入社會演化算法(Social Evolutionary Programming,簡稱SEP)中,提出技術生態—社會演化算法(Technological Ecology-Social Evolutionary Programming,簡稱TE-SEP),對智能手機這一技術內生態系統的進化進行模擬研究。這是對SEP和標準遺傳算法(SGA)等的突破,具有較高的效率和收斂穩定性。

三、智能手機技術演化的實驗設計

SEP的建立基礎是社會認知模型(Social Cognitive Model, 簡稱SCM),其組織結構以人類社會為參照。SEP由許多認知主體構成,就如構成人類社會的基本個體[26]。每個認知主體都具備一定學習、推理等認知能力,并能對可行解優劣進行判斷分析。SEP建立的思想基礎是庫恩的范式轉換理論,這一理論刷新了人們對科學發展史的傳統認知,滲透到經濟、管理、社會等各個領域,被人們廣為接受。文獻[27][28]均驗證了該算法具有較高的計算效率和收斂穩定性,本文將用其模擬智能手機技術的演化。

(一)認知主體的推理過程

在自然界中,生物群落之間、生物群落與無機環境之間相互依存,相互制約,并在一定時空中處于動態平衡狀態,即我們所謂的生態系統。同樣,技術與技術、技術與環境之間也存在有組織與機能的“技術生態系統”。有學者把技術生態分為外生態和內生態兩部分[29],外生態是技術所處的外部環境,內生態即技術系統本身,各種技術相互匹配、耦合形成一個統一的整體。毛薦其等認為技術生態是相關技術、技術生態因子、技術生境因子之間的共生關系[30]。實際上,智能手機本身就是一個技術生態系統,由各種核心技術和其所處的外部環境相互作用而成。內因決定事物的發展和本質,本文主要從內生態或者說技術生態因子角度研究智能手機這一技術生態系統的協同演化。已有研究驗證了新技術涌現是底層因子,即技術生態因子知識、信息、技術元、智因等共同作用的結果[31, 32]。

技術如同生物一樣,具有進化性。從層次上分類,生物可分為生物群落、生物種群、生物物種、基因;同樣,技術內生態也可分為技術群落、技術種群、技術個體、技術元。智能手機作為一個技術生態系統,可看作由若干技術個體組成,每個技術個體又由若干技術元組成。在生物學領域,遺傳信息要依靠活的載體而繼續存在。但是,技術的產生不以實體產品為條件,且進化可在相互分離的狀態下獨立實現。所謂技術元就是這種不依附產品實體而實現獨立進化的技術,是技術的構成單元。技術種群是特定技術個體的集合,技術個體的確定標準不一樣就會形成不同的技術種群[33]。在總結文獻[34][35]和研究分析部分智能手機規格參數的基礎上,最終確定智能手機這一技術生態系統由8大技術個體、24個技術元組成,具體見表1。

由以上確定的智能手機技術生態系統,隨機生成原始初始種群,即每個技術基因由24條染色體組成。如X=(1 1 0 1 0 0 1 1 0 1 1 0 0 1 1 1 0 0 0 0 1 1 1 0),1代表被選中,0代表未被選中,即某個隨機生成的智能手機由所有的1所在的技術元(基因位)而組成。隨機生成初始種群后,繼而進行個體優劣的判斷。

表1 智能手機技術生態系統表

本文用逼近理想解法(TOPSIS)實現認知主體的推理過程,即對技術種群優劣進行判斷。具體推理過程如下:

首先,計算決策矩陣。本文通過整理文獻和參照智能手機規格參數確定出技術元和理想解、負理想解,并以此作為可供選擇的方案集X={x1,x2,…,xn},其中xn表示第n個認知主體,設n個認知主體在m種屬性(技術元)下所作出的選擇(可行解)為aij(i=1,2,3,…,n;j=1,2,3,…,m),用矩陣可表示為:

簡記為A=(aij)n×m。

設決策矩陣為X,定義決策變量xij(i=1,2,3,…,n;j=1,2,3,…,m)為布爾變量,即當xij=1,表示aij被選中;當xij=0,表示aij未被選中。從而形成一個0-1矩陣,規范化后如下:

然后,構建加權規范矩陣。我們設定智能手機技術生態系統,由m個技術元組成,它們之間的重要程度相當,故它們的權向量為W=(w1,w2,…,wm)T=(1/m,1/m,…,1/m)T,則加權規范矩陣Z=(zy)n×m,其中,zij=wj*xij,i=1,2,…,n.j=1,2,…,m.

這樣,認知主體通過TOPSIS算法實現智能手機技術可行解優劣的判斷,得到相對較優的最終初始種群。

(二)基于“范式學習與更新”的進化尋優過程

1.智能手機技術范式的確立與更新

在TE-SEP中,范式代表由TOPSIS得到的可行解,用F來表示,范式個數為M,F[i]表示第i個智能手機技術(i=1,2,…,M)。其目標函數為f(F[i]),計算這M個技術范式的目標函數值,然后從低到高排列,即f(F[1])≤f(F[2])≤…f(F[M])。TOPSIS每得到一個新的可行解F[l],若它的目標函數值f(F[l])小于某個已有可行解的目標函數值,則將該可行解替代已有可行解,即對于j∈(1,M),若f(F[j-1])

2.認知主體對范式的學習

在TE-SEP中,認知主體有著很強的學習行為。智能手機技術始終處于動態更新狀態,第k代的認知主體,其需根據k-1代的技術范式生成一個新的相對更優智能手機技術范式,本文采取“輪盤賭”的方式進行范式選擇。

3.最優范式的強化和衰減

對于一個算法,既要強調全局尋優能力又要重視局部尋優能力。如何增強局部尋優能力而不降低全局尋優能力呢?

具體操作如下:假設第k代智能手機技術范式為F[l], 則第k+1代認知主體產生時,設F[l]被學習的概率為p1,P1∈(0,1),其他范式被學習的概率Pi(i=2,3,…,M)為

(1)

設定第k+2代到第k+l代認知主體產生時,pi依次為:

(2)

(2)式中,i∈(2,3,…,t),μ∈(1,3)用來調節衰減速率,即隨μ值的減小而降低,增加而提高。Pi的值也由公式(2)計算得出。

4.認知主體對范式的背叛

設認知主體變異概率閾值α、行為變異概率閾值β,前者用來判定某個認知主體是否具有叛逆性格,后者指具體的叛逆行為。具體操作如下:

第一步,認知主體在進行范式尋優之前,生成一個均勻分布的隨機數,將之與主體變異概率閾值α相比,若小于等于α,則判定該認知主體不具叛逆性格,進行范式尋優;反之,具有叛逆性格,進入第二步。

第二步,將具有叛逆性格的認知主體,再生成一個均勻分布的隨機數,然后與行為變異概率閾值β相比,若小于等于β,則不具叛逆行為,進入范式尋優;反之,屬叛逆行為,則返回產生新的認知主體,進行比較。

四、實驗結果及分析

(一)算法參數設定

對于本文的實驗來講,首先確定了最理想的智能手機即正理想解和最不理想的智能手機即負理想解。然后按照智能主體的認知行為產生一系列的范式,即智能手機的解決方案,本文生成20個范式,構成一個進化的初始種群。利用本文所提的算法使得該種群不斷進化,在經過若干代后可以進化出比較理想的智能手機。為了衡量本算法的效率,設定了如下指標:

ISR=ES/IS .

(3)

其中ISR(Ideal Solution Ratio)為理想解率,指達到理想解的比率,理想解率越大則說明算法效果越好,如果為1,則說明可以完全進化到理想解;如果為0,則說明算法完全無效。

ES(Evolution Solution)為進化解,指算法進化后獲得的解。IS(Ideal Solution)為理想解。

本文對算法所涉及的參數進行了設定:對于最優范式的學習概率在算法進化前期增大為原來的1.5倍,在后期增大為原來的3倍;認知主體變異概率閾值α和行為變異概率閾值β,在算法進化前期設為0.1,在算法進化后期設為0.01。這主要是考慮在進化前期種群需要更多的多樣性,從而增大對空間的搜索范圍;而在進化后期,盡量保留較優的個體,減少被破壞的概率。本文假定手機的所有技術個體的重要性相同,因此所有的權重值相同。

(二)算法運行結果分析與比較

本文把TE-SEP算法運行10次,計算其平均理想解率值。為體現算法性能,把TE-SEP算法和標準遺傳算法(Standard Genetic Algorithm, SGA)、知識遺傳算法(Knowledge-based Genetic Algorithm, KGA)進行了比較,其計算結果如表2所示。

表2 理想解率比較表

從表2可以看出,TE-SEP算法的理想解率達到了0.947 1,說明通過該算法可較好地模擬智能手機技術的演化,從技術內生態角度實現產品進化和新技術涌現。結果顯示,TE-SEP算法的理想解率值高于SGA和KGA。其中, SGA的效果最差,只能達到0.745 6,而經過改進后的KGA可以達到0.838 3,比SGA的效果要好。盡管TE-SEP算法的模擬效果總體良好,但在某幾個技術主體上的效果并不理想,比如“顯示” “娛樂功能”,這也是算法以后可以改進的方面。

(三)不同初始種群進化的分析與比較

為了驗證不同初始種群對進化效果的影響,本文設定了兩種初始種群:第一類種群(簡稱一群)采取限制生成,其中的個體所代表都是技術、功能非常簡單的手機,例如20世紀90年代的手機;第二類種群(簡稱二群)的生成并沒有限制,其中可能有簡單的手機,也可能會有比較先進的手機。

本文通過實驗來驗證對于不同的種群本算法是否都能進化出理想的結果。其進化結果如表3所示。

可以看出,由于第一類種群都是比較差的初始值,在進化初期,第二類種群的效果要好于第一類種群;但在500代之后,兩類種群的進化開始趨于一致,并最終都可以獲得較為理想的進化效果。從進化代數來看,兩類種群都呈現相同的特點,在進化初期,進化速度較快;當進入500代之后,進化速度都開始下降,并逐漸趨于穩定。也就是說,對于TE-SEP算法,初始種群質量的好壞并不影響最終的進化效果,即都能實現比較理想的進化。這也驗證了該算法有比較好的穩定性和收斂性。

表3 兩類種群進化比較表

五、結論與展望

智能手機發展到今天,已猶如人體的“智能器官”,融入生活的各個方面,不可或缺。本文把智能手機視為一個技術生態系統,并提出了TE-SEP算法驗證智能手機在技術生態因子的作用下實現系統進化。從實驗結果可以發現,主體、網絡、存儲和感應器的ISR值達到0.99以上,表明通過進化,可最大程度接近理想技術和實現新技術涌現,因此,要加大對這些技術個體的研發力度。當下智能手機市場進入參數競爭階段,更大的顯示屏,更高的攝像頭像素和屏幕分辨率,更好的音質等,產品嚴重同質,創新進入瓶頸期。蘋果為什么能占據智能手機的制高點,引領時代潮流?找準智能手機技術創新痛點,才能有制勝把握。參數競爭已觸及天花板,體驗歸位當是王道。因此,要在體驗至上的前提下,加強智能手機技術元的研發,如在輸入方式等方面提高觸控靈敏度,改善語音輸入的精準度;在網絡性能方面保證更長的在網時間和更高的網速;在存儲方面讓手機遠離卡慢頓等現象;在感應技術方面實現精準定位等。

整體智能手機ISR值為0.947 1,算法總體模擬效果良好。且無論初始種群有無生成限制,都能實現理想進化,證實了TE-SEP算法的穩定性和收斂性。當然該算法仍有未盡之處,比如進化過程中各個技術元的不均衡進化等,我們將在后續研究中進行完善。本文將TE-SEP算法用于智能手機,對其他復雜產品的演化,如平板電腦、汽車等同樣適用,這也是后續研究的一個重要方面。

[1] Yeo W,et al. A bibliometric method for measuring the degree of technological innovation[J]. Technological Forecasting and Social Change, 2015, 95: 152-162.

[2]Abernathy W J, Utterback J M. Patterns of industrial innovation[J]. Technology review, 1978, 64: 254-228.

[3]陳璐,吳瓊,張福昌.手機形態的演變[J].江南大學學報(自然科學版),2003,2(1):87-90.

[4]Faragó T, Miklósi. Cellphone evolution-applying evolution theory to an info-communication system[C]. Kosice:2012 IEEE 3rd International Conference on IEEE, 2012: 763-768.

[5]Teacher A G, Griffiths D J, Hodgson D J, et al. Smartphones in ecology and evolution: a guide for the app-rehensive[J]. Ecology and evolution, 2013, 3(16): 5268-5278.

[6]高繼平,高翠玲.技術縻母視角下的技術進化過程研究[J].科學學研究,2015,33(7):967-974.

[7]蘇敬勤,劉建華,王智琦,等.顛覆性技術的演化軌跡及早期識別:以智能手機等技術為例[J].科研管理,2016,37(3):13-20.

[8]Zysman G I, Tarallo J A, Howard R E, et al. Technology evolution for mobile and personal communications[J]. Bell Labs Technical Journal, 2000, 5(1): 107-129.

[9]米什拉. 蜂窩網絡高級規劃與優化 2G/2.5G/3G/…向4G的演進[M].北京:機械工業出版社,2009.

[10]Singh K, Thakur S, Singh S. Comparison of 3G and LTE with other Generation[J]. International Journal of Computer Applications, 2015, 121(6): 42-47.

[11]王錦山.TD-SCDMA技術演進及終端基帶芯片設計[J].移動通信,2007,(8):49-51.

[12]G Liu J Z Y W. Evolution Map from TD-SCDMA to FuTURE B3G TDD[J]. Communications Magazine, 2006,44(3): 54-61.

[13]Bhat A, Gojanur V, Hegde R. 5G evolution and need: A study[C]. Visakhapatnam:2015 International Conference on IEEE, 2015: 1-4.

[14]符亞男,陳麗華.4G時代中國移動SWOT分析及戰略選擇[J].中國管理科學,2015,23:680-685.

[15]Goadrich M H,Rogers M P. Smart smartphone development: IOS versus Android[C]. New York: In Proceedings of the 42nd ACM technical symposium on Computer science education, 2011: 607-612.

[16]吳煒峰,楊蕙馨.新產業生態系統競爭:兼對智能手機和智能汽車新產業生態系統圖的繪制[J].經濟社會體制比較,2015,(6):157-166.

[17]滕蔓,王昊,楊慧波. 基于 DII 檢索數據的智能手機Wifi 技術專利分析[J].情報雜志,2013,32(1):33-36.

[18]Jos R. Technology developments driving an evolution of cellular phone power amplifiers to integrated RF front-end modules[J]. Solid-State Circuits, IEEE Journal of Solid-State Circuits, 2001, 36(9): 1382-1389.

[19]袁曉東,謝偉峰.智能手機觸摸屏專利分析[J].情報雜志,2014,33(7):57-62.

[20]吳茂林.創新至上:2015 年智能手機技術趨勢預測[J].通信世界,2015,(3): 13.

[21]王穎奕,龔偉英.智能手機新趨勢[J].英語世界,2015,34(7):31-36.

[22]Park Y,Chen J V. Acceptance and adoption of the innovative use of smartphone[J]. Industrial Management & Data Systems, 2007, 107(9): 1349-1365.

[23]Putzer G J,Park Y. The effects of innovation factors on smartphone adoption among nurses in community hospitals[J]. Perspectives in health information management/AHIMA, American Health Information Management Association, 2010, 7(1): 1-20.

[24]Ozdalga E,Ozdalga A,Ahuja N. The smartphone in medicine: a review of current and potential use among physicians and students[J]. Journal of medical Internet research, 2012, 14(5): 128.

[25]陳龍彪,李石堅,潘綱. 智能手機:普適感知與應用[J].計算機學報,2015,38(2):423-438.

[26]Yu Y X,Mang H P. A social cognition model applied to general combinatorial optimization problem[C]. Beijing:2002 International Conference on IEEE, 2002:1208-1213.

[27]王喆,余貽鑫,張弘鵬.社會演化算法在機組組合中的應用[J].中國電機工程學報,2004,24(4):12-17.

[28]郝占剛,王正歐. 基于社會演化算法的聚類新算法[J].情報雜志,2006,25(5):5-6.

[29]張麗萍,呂乃基.生態學視野下的技術[J].科學技術與辯證法,2002,19(1):55-57.

[30]毛薦其,劉娜.技術生態視野下的新技術涌現機理探析[J].管理世界,2011,(12):182-183.

[31]Mokyr J. Evolutionary phenomena in technological change[C]. Cambridge:Cambridge University Press, 2000: 52-65.

[32]毛薦其,辛德強,郝占剛. 產品研發中技術演化底層因子作用機理研究[J].研究與發展管理,2011,23(4):75-82.

[33]毛薦其.技術創新為何進化?:一個原動力追問[J].自然辯證法研究,2006,22(2):60-62.

[34]史艾娜.基于多主體遺傳算法的移動電話技術演化研究[D].北京:北京工業大學,2014.

[35]繆敬,楊占永.智能手機技術發展及展望[J].中興通訊技術,2012,(3):35-38.

[責任編輯:陳宇涵]

10.3969/j.issn.1672-5956.2017.05.008

TN929.53

A

1672-5956(2017)05006308

20170519

國家自然科學基金“技術會聚涌現機理、演變過程與測度”(71172086)

郝占剛,1976年生,男,河北邢臺人,山東工商學院副教授,博士,研究方向為產品研發、數據挖掘,(電 話)0535-6903582。