智能手机技术生态系统演化研究

郝占刚,孙静林,毛荐其

(山东工商学院 工商管理学院,山东 烟台 264005)

经济管理研究

智能手机技术生态系统演化研究

郝占刚,孙静林,毛荐其

(山东工商学院 工商管理学院,山东 烟台 264005)

将技术生态理论融入社会演化算法中,提出了技术生态—社会演化算法,并使用该算法模拟了智能手机技术的演化。实验结果表明,技术生态—社会演化算法能较好地模拟智能手机技术的系统演化,具有良好的稳定性和收敛性,有望推广应用于其他复杂技术产品的演化研究中。

技术生态;社会演化算法;技术演化;智能手机技术

一、引言

随着移动互联网、云计算、大数据的高速发展,手机作为人机交互的枢纽愈显重要。仅限于打电话、发短信的功能机已不能满足人们日益增长的需求,手机的发展进入了智能时代。2017年1月22日,工信部发布2016年通信水平分省情况,全国移动电话普及率达96.2部/百人,已基本实现每人一部手机。智能手机集通讯、娱乐、购物、移动支付及各种智能服务于一体,与人们生活息息相关,已然成为人们生活中不可或缺的一部分。智能手机技术取得了空前发展,新技术层出不穷,对智能手机技术演化进行研究有着重要的现实意义。

智能手机涉及触控技术、感应技术、定位技术、WIFI技术等多项技术,在各项技术的协同作用下发挥智能功能。从技术生态视角看,智能手机是在触控技术等技术生态因子协同作用下形成的技术生态系统。然而,目前很少有研究从技术生态的视角研究智能手机技术的演化。本文将技术生态理论融入社会演化算法之中,提出了技术生态—社会演化算法,用于模拟智能手机技术进化,以解决当下智能手机发展所遇到的创新瓶颈,并为其技术研发提供方向引领。本文提出的技术生态-社会演化算法有望推广应用于其他复杂技术产品演化的研究中。

二、智能手机技术及其演化

1983年,全球第一款真正意义上的移动电话(获美国联邦通信委员会认可)诞生,摩托罗拉的Dynatac 8000x,重2磅,即当时在中国风靡一时的大哥大,手机技术的进化史至此揭开序幕。比如:处理器从单核到八核、显示屏从IPS到OLED、摄像头从30万到1 300万像素、屏幕尺寸从3.5到5.5寸、网络从数字模拟信号到4G、存储升级到128G等。早期的功能机只能用来打电话和发短信。智能手机是相对于功能手机而言的,它提供更先进的计算功能和更精准的连接,通常配备有摄像头、无线连接、具备独立的操作系统,可自由安装、卸载应用软件。

手机技术特别是智能手机技术的演化发展成为业界和学术界研究和关注的热点。智能手机在多种技术的协同作用下实现其功能,复杂技术产品中的某项重大技术变革在一定程度上影响产品与工艺之间的相互依存关系,就产品创新来说,核心子系统的技术变革不仅仅引起相关子系统的变化,也会对最终产品的形成产生重要影响[1]。这种情况在电子行业尤为显著[2],手机的演化伴随着一代又一代移动通信技术的进步,Yeo等从1G到4G无线技术的变化视角,深入分析了移动手机的演化[1]。陈璐等对手机形态的演变进行研究,指出伴随移动通信技术的发展,由砖头模拟信号手机到曲线数字手机,手机造型更优美、更富有人性化[3]。Faragó和Miklósi借鉴达尔文的生物进化论来探索手机演化,建立了手机系谱树,观察手机技术随时间的演变过程,发现了手机技术的演化趋势并与一般自然界生物进化过程进行比较[4]。Teacher 等对智能手机的生态进化进行了研究[5],发现智能手机及其应用程序可以替代手持传感器、计算器和数据存储设备,并确定智能手机在大量收集、分析和存储复杂信息方面有着潜在的应用。高继平和高翠玲[6]从技术縻母的视角下,研究技术进化,认为技术縻母是技术创新的核心,以智能手机技术为例,深刻剖析了智能手机领域的技术縻母和技术结构,认为智能手机技术是一个不断进化的知识生态系统。苏敬勤等认为智能手机技术是对传统手机技术的颠覆,并通过专利计量的方法模拟出以智能手机为代表的颠覆性技术的演化轨迹,且与传统手机的发展趋势进行了对比分析[7]。

除上述将智能手机作为一个整体开展研究的少数学者外,绝大数学者从单项技术或技术元入手研究手机技术演化的路径。移动通信网络对手机系统至关重要,从第一代移动通信技术到第四代移动通信技术,我们见证了其革命性的进步,其背后的历史和技术演化轨迹更是令人着迷[8]。米什拉[9]在《蜂窝网络高级规划与优化2G/2.5G/3G/…向4G的演进》一书中,详细介绍了蜂窝移动网络的演化进程;Singh等简述了无线通信技术的演化过程,并对3G和其他几代通信技术做了比较分析[10];时分同步码分多址(TD-SCDMA)是被广泛认可的3G标准技术,王锦山指出该技术的发展演变经历了TD-SCDMA、HsxPA、LTE三个时代,整个时分双工模式技术的演进,是一种平滑过渡的趋势[11,12];Bhat等指出由于无线移动设备和服务的激增,4G系统不能有效解决频谱危机和高耗能等问题[13],为了解决这些问题,全球无线网络正致力于5G的开发研究,到2020年有望迎来动态点对点无线网络和真正意义上的无线世界;符亚男和陈丽华也对第四代移动通信网络进行了研究[14],指出4G集3G网络系统和无线LAN技术于一体,简述了其发展现状,并进行了优劣分析。Goadrich等对Android和IOS操作系统的发展演变进行了比较分析[15];吴炜峰等提出智能手机Android与iOS操作平台演化的骨头模型,即演化前只有一个平台生态系统,随着时间的推移,新平台开始出现,演化过程中,新平台生态系统由于新策略、新技术开发等优势,逐渐赶上原优势平台,与其竞争共生[16]。滕蔓等对WIFI技术进行分析,研究表明该技术是智能手机的研究热点,并在未来较长时间内继续保持这一趋势;WIFI技术与通信相关技术协同发展,使用户的生活更加方便快捷[17]。Jos对手机功率放大器进行研究,研究发现技术开发加快了手机功率放大器到集成RF前端模块的演化步伐[18]。袁晓东和谢伟峰对手机触摸屏技术进行专利分析,描绘出该技术的演变发展趋势,指出在2008年多点触控技术问世后,呈现指数般增长趋势[19]。技术的发展具有可预测性,文献[20][21]对未来智能手机技术的发展趋势进行预测,认为无边框技术、可折叠屏幕将出现,可穿戴式传感器将普及,摄像头可实现瞬间定焦和对象跟踪、屏幕更是要达到4K级,硬件设备进一步升级,无缝WIFI无处不在等。此外,随着智能手机技术的不断发展演变,其服务和应用的领域也更深更广,此外分研究集中在智能手机的应用方面[22-25]。

通过文献回顾,我们发现从单项或技术元入手,对智能手机技术演化进行的研究偏多,以智能手机为技术生态系统的研究偏少;理论研究偏多,定量研究偏少。本文试图将技术生态理论融入社会演化算法(Social Evolutionary Programming,简称SEP)中,提出技术生态—社会演化算法(Technological Ecology-Social Evolutionary Programming,简称TE-SEP),对智能手机这一技术内生态系统的进化进行模拟研究。这是对SEP和标准遗传算法(SGA)等的突破,具有较高的效率和收敛稳定性。

三、智能手机技术演化的实验设计

SEP的建立基础是社会认知模型(Social Cognitive Model, 简称SCM),其组织结构以人类社会为参照。SEP由许多认知主体构成,就如构成人类社会的基本个体[26]。每个认知主体都具备一定学习、推理等认知能力,并能对可行解优劣进行判断分析。SEP建立的思想基础是库恩的范式转换理论,这一理论刷新了人们对科学发展史的传统认知,渗透到经济、管理、社会等各个领域,被人们广为接受。文献[27][28]均验证了该算法具有较高的计算效率和收敛稳定性,本文将用其模拟智能手机技术的演化。

(一)认知主体的推理过程

在自然界中,生物群落之间、生物群落与无机环境之间相互依存,相互制约,并在一定时空中处于动态平衡状态,即我们所谓的生态系统。同样,技术与技术、技术与环境之间也存在有组织与机能的“技术生态系统”。有学者把技术生态分为外生态和内生态两部分[29],外生态是技术所处的外部环境,内生态即技术系统本身,各种技术相互匹配、耦合形成一个统一的整体。毛荐其等认为技术生态是相关技术、技术生态因子、技术生境因子之间的共生关系[30]。实际上,智能手机本身就是一个技术生态系统,由各种核心技术和其所处的外部环境相互作用而成。内因决定事物的发展和本质,本文主要从内生态或者说技术生态因子角度研究智能手机这一技术生态系统的协同演化。已有研究验证了新技术涌现是底层因子,即技术生态因子知识、信息、技术元、智因等共同作用的结果[31, 32]。

技术如同生物一样,具有进化性。从层次上分类,生物可分为生物群落、生物种群、生物物种、基因;同样,技术内生态也可分为技术群落、技术种群、技术个体、技术元。智能手机作为一个技术生态系统,可看作由若干技术个体组成,每个技术个体又由若干技术元组成。在生物学领域,遗传信息要依靠活的载体而继续存在。但是,技术的产生不以实体产品为条件,且进化可在相互分离的状态下独立实现。所谓技术元就是这种不依附产品实体而实现独立进化的技术,是技术的构成单元。技术种群是特定技术个体的集合,技术个体的确定标准不一样就会形成不同的技术种群[33]。在总结文献[34][35]和研究分析部分智能手机规格参数的基础上,最终确定智能手机这一技术生态系统由8大技术个体、24个技术元组成,具体见表1。

由以上确定的智能手机技术生态系统,随机生成原始初始种群,即每个技术基因由24条染色体组成。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代表被选中,0代表未被选中,即某个随机生成的智能手机由所有的1所在的技术元(基因位)而组成。随机生成初始种群后,继而进行个体优劣的判断。

表1 智能手机技术生态系统表

本文用逼近理想解法(TOPSIS)实现认知主体的推理过程,即对技术种群优劣进行判断。具体推理过程如下:

首先,计算决策矩阵。本文通过整理文献和参照智能手机规格参数确定出技术元和理想解、负理想解,并以此作为可供选择的方案集X={x1,x2,…,xn},其中xn表示第n个认知主体,设n个认知主体在m种属性(技术元)下所作出的选择(可行解)为aij(i=1,2,3,…,n;j=1,2,3,…,m),用矩阵可表示为:

简记为A=(aij)n×m。

设决策矩阵为X,定义决策变量xij(i=1,2,3,…,n;j=1,2,3,…,m)为布尔变量,即当xij=1,表示aij被选中;当xij=0,表示aij未被选中。从而形成一个0-1矩阵,规范化后如下:

然后,构建加权规范矩阵。我们设定智能手机技术生态系统,由m个技术元组成,它们之间的重要程度相当,故它们的权向量为W=(w1,w2,…,wm)T=(1/m,1/m,…,1/m)T,则加权规范矩阵Z=(zy)n×m,其中,zij=wj*xij,i=1,2,…,n.j=1,2,…,m.

这样,认知主体通过TOPSIS算法实现智能手机技术可行解优劣的判断,得到相对较优的最终初始种群。

(二)基于“范式学习与更新”的进化寻优过程

1.智能手机技术范式的确立与更新

在TE-SEP中,范式代表由TOPSIS得到的可行解,用F来表示,范式个数为M,F[i]表示第i个智能手机技术(i=1,2,…,M)。其目标函数为f(F[i]),计算这M个技术范式的目标函数值,然后从低到高排列,即f(F[1])≤f(F[2])≤…f(F[M])。TOPSIS每得到一个新的可行解F[l],若它的目标函数值f(F[l])小于某个已有可行解的目标函数值,则将该可行解替代已有可行解,即对于j∈(1,M),若f(F[j-1])

2.认知主体对范式的学习

在TE-SEP中,认知主体有着很强的学习行为。智能手机技术始终处于动态更新状态,第k代的认知主体,其需根据k-1代的技术范式生成一个新的相对更优智能手机技术范式,本文采取“轮盘赌”的方式进行范式选择。

3.最优范式的强化和衰减

对于一个算法,既要强调全局寻优能力又要重视局部寻优能力。如何增强局部寻优能力而不降低全局寻优能力呢?

具体操作如下:假设第k代智能手机技术范式为F[l], 则第k+1代认知主体产生时,设F[l]被学习的概率为p1,P1∈(0,1),其他范式被学习的概率Pi(i=2,3,…,M)为

(1)

设定第k+2代到第k+l代认知主体产生时,pi依次为:

(2)

(2)式中,i∈(2,3,…,t),μ∈(1,3)用来调节衰减速率,即随μ值的减小而降低,增加而提高。Pi的值也由公式(2)计算得出。

4.认知主体对范式的背叛

设认知主体变异概率阈值α、行为变异概率阈值β,前者用来判定某个认知主体是否具有叛逆性格,后者指具体的叛逆行为。具体操作如下:

第一步,认知主体在进行范式寻优之前,生成一个均匀分布的随机数,将之与主体变异概率阈值α相比,若小于等于α,则判定该认知主体不具叛逆性格,进行范式寻优;反之,具有叛逆性格,进入第二步。

第二步,将具有叛逆性格的认知主体,再生成一个均匀分布的随机数,然后与行为变异概率阈值β相比,若小于等于β,则不具叛逆行为,进入范式寻优;反之,属叛逆行为,则返回产生新的认知主体,进行比较。

四、实验结果及分析

(一)算法参数设定

对于本文的实验来讲,首先确定了最理想的智能手机即正理想解和最不理想的智能手机即负理想解。然后按照智能主体的认知行为产生一系列的范式,即智能手机的解决方案,本文生成20个范式,构成一个进化的初始种群。利用本文所提的算法使得该种群不断进化,在经过若干代后可以进化出比较理想的智能手机。为了衡量本算法的效率,设定了如下指标:

ISR=ES/IS .

(3)

其中ISR(Ideal Solution Ratio)为理想解率,指达到理想解的比率,理想解率越大则说明算法效果越好,如果为1,则说明可以完全进化到理想解;如果为0,则说明算法完全无效。

ES(Evolution Solution)为进化解,指算法进化后获得的解。IS(Ideal Solution)为理想解。

本文对算法所涉及的参数进行了设定:对于最优范式的学习概率在算法进化前期增大为原来的1.5倍,在后期增大为原来的3倍;认知主体变异概率阈值α和行为变异概率阈值β,在算法进化前期设为0.1,在算法进化后期设为0.01。这主要是考虑在进化前期种群需要更多的多样性,从而增大对空间的搜索范围;而在进化后期,尽量保留较优的个体,减少被破坏的概率。本文假定手机的所有技术个体的重要性相同,因此所有的权重值相同。

(二)算法运行结果分析与比较

本文把TE-SEP算法运行10次,计算其平均理想解率值。为体现算法性能,把TE-SEP算法和标准遗传算法(Standard Genetic Algorithm, SGA)、知识遗传算法(Knowledge-based Genetic Algorithm, KGA)进行了比较,其计算结果如表2所示。

表2 理想解率比较表

从表2可以看出,TE-SEP算法的理想解率达到了0.947 1,说明通过该算法可较好地模拟智能手机技术的演化,从技术内生态角度实现产品进化和新技术涌现。结果显示,TE-SEP算法的理想解率值高于SGA和KGA。其中, SGA的效果最差,只能达到0.745 6,而经过改进后的KGA可以达到0.838 3,比SGA的效果要好。尽管TE-SEP算法的模拟效果总体良好,但在某几个技术主体上的效果并不理想,比如“显示” “娱乐功能”,这也是算法以后可以改进的方面。

(三)不同初始种群进化的分析与比较

为了验证不同初始种群对进化效果的影响,本文设定了两种初始种群:第一类种群(简称一群)采取限制生成,其中的个体所代表都是技术、功能非常简单的手机,例如20世纪90年代的手机;第二类种群(简称二群)的生成并没有限制,其中可能有简单的手机,也可能会有比较先进的手机。

本文通过实验来验证对于不同的种群本算法是否都能进化出理想的结果。其进化结果如表3所示。

可以看出,由于第一类种群都是比较差的初始值,在进化初期,第二类种群的效果要好于第一类种群;但在500代之后,两类种群的进化开始趋于一致,并最终都可以获得较为理想的进化效果。从进化代数来看,两类种群都呈现相同的特点,在进化初期,进化速度较快;当进入500代之后,进化速度都开始下降,并逐渐趋于稳定。也就是说,对于TE-SEP算法,初始种群质量的好坏并不影响最终的进化效果,即都能实现比较理想的进化。这也验证了该算法有比较好的稳定性和收敛性。

表3 两类种群进化比较表

五、结论与展望

智能手机发展到今天,已犹如人体的“智能器官”,融入生活的各个方面,不可或缺。本文把智能手机视为一个技术生态系统,并提出了TE-SEP算法验证智能手机在技术生态因子的作用下实现系统进化。从实验结果可以发现,主体、网络、存储和感应器的ISR值达到0.99以上,表明通过进化,可最大程度接近理想技术和实现新技术涌现,因此,要加大对这些技术个体的研发力度。当下智能手机市场进入参数竞争阶段,更大的显示屏,更高的摄像头像素和屏幕分辨率,更好的音质等,产品严重同质,创新进入瓶颈期。苹果为什么能占据智能手机的制高点,引领时代潮流?找准智能手机技术创新痛点,才能有制胜把握。参数竞争已触及天花板,体验归位当是王道。因此,要在体验至上的前提下,加强智能手机技术元的研发,如在输入方式等方面提高触控灵敏度,改善语音输入的精准度;在网络性能方面保证更长的在网时间和更高的网速;在存储方面让手机远离卡慢顿等现象;在感应技术方面实现精准定位等。

整体智能手机ISR值为0.947 1,算法总体模拟效果良好。且无论初始种群有无生成限制,都能实现理想进化,证实了TE-SEP算法的稳定性和收敛性。当然该算法仍有未尽之处,比如进化过程中各个技术元的不均衡进化等,我们将在后续研究中进行完善。本文将TE-SEP算法用于智能手机,对其他复杂产品的演化,如平板电脑、汽车等同样适用,这也是后续研究的一个重要方面。

[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]陈璐,吴琼,张福昌.手机形态的演变[J].江南大学学报(自然科学版),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]高继平,高翠玲.技术縻母视角下的技术进化过程研究[J].科学学研究,2015,33(7):967-974.

[7]苏敬勤,刘建华,王智琦,等.颠覆性技术的演化轨迹及早期识别:以智能手机等技术为例[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. 蜂窝网络高级规划与优化 2G/2.5G/3G/…向4G的演进[M].北京:机械工业出版社,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]王锦山.TD-SCDMA技术演进及终端基带芯片设计[J].移动通信,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]符亚男,陈丽华.4G时代中国移动SWOT分析及战略选择[J].中国管理科学,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]吴炜峰,杨蕙馨.新产业生态系统竞争:兼对智能手机和智能汽车新产业生态系统图的绘制[J].经济社会体制比较,2015,(6):157-166.

[17]滕蔓,王昊,杨慧波. 基于 DII 检索数据的智能手机Wifi 技术专利分析[J].情报杂志,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]袁晓东,谢伟峰.智能手机触摸屏专利分析[J].情报杂志,2014,33(7):57-62.

[20]吴茂林.创新至上:2015 年智能手机技术趋势预测[J].通信世界,2015,(3): 13.

[21]王颖奕,龚伟英.智能手机新趋势[J].英语世界,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]陈龙彪,李石坚,潘纲. 智能手机:普适感知与应用[J].计算机学报,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,余贻鑫,张弘鹏.社会演化算法在机组组合中的应用[J].中国电机工程学报,2004,24(4):12-17.

[28]郝占刚,王正欧. 基于社会演化算法的聚类新算法[J].情报杂志,2006,25(5):5-6.

[29]张丽萍,吕乃基.生态学视野下的技术[J].科学技术与辩证法,2002,19(1):55-57.

[30]毛荐其,刘娜.技术生态视野下的新技术涌现机理探析[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]毛荐其,辛德强,郝占刚. 产品研发中技术演化底层因子作用机理研究[J].研究与发展管理,2011,23(4):75-82.

[33]毛荐其.技术创新为何进化?:一个原动力追问[J].自然辩证法研究,2006,22(2):60-62.

[34]史艾娜.基于多主体遗传算法的移动电话技术演化研究[D].北京:北京工业大学,2014.

[35]缪敬,杨占永.智能手机技术发展及展望[J].中兴通讯技术,2012,(3):35-38.

[责任编辑:陈宇涵]

10.3969/j.issn.1672-5956.2017.05.008

TN929.53

A

1672-5956(2017)05006308

20170519

国家自然科学基金“技术会聚涌现机理、演变过程与测度”(71172086)

郝占刚,1976年生,男,河北邢台人,山东工商学院副教授,博士,研究方向为产品研发、数据挖掘,(电 话)0535-6903582。