32、GResilience：协作式人工智能系统绿色性与恢复力的权衡

GResilience：协作式人工智能系统绿色性与恢复力的权衡

1. 引言

协作式人工智能系统（CAIS）作为一种网络物理系统，与人类在共享环境中共同协作以实现共同目标。然而，人类与AI组件的协作给CAIS的恢复力带来了特殊挑战，因为干扰事件可能由人类引发或对人类产生影响。

恢复策略通常包括检测性能下降、定义缓解措施以及将系统恢复到可接受的性能状态。但从干扰事件中恢复可能需要额外的能源消耗，从而增加CAIS的能源负面影响，如二氧化碳足迹。高效使用能源并尽量减少负面影响被称为绿色性。

本文提出了GResilience方法，旨在自动评估CAIS的恢复行动，以找到绿色性和恢复力之间的最佳权衡。该方法从两个角度解决问题：一是通过优化的单智能体决策，二是通过博弈论的多智能体决策。

为实现这一目标，本文提出了以下研究问题：
- RQ1：优化模型是否是自动化决策过程的有效解决方案，以在CAIS中找到绿色性和恢复力之间的权衡？
- RQ2：博弈论模型是否是自动化决策过程的有效解决方案，以在CAIS中找到绿色性和恢复力之间的权衡？
- RQ3：优化模型和博弈论模型解决方案之间的主要区别是什么？

2. 相关工作

与本文相关的主题包括恢复力、绿色性、多目标优化和博弈论。
- 恢复力 ：研究分为两类，一类是定量模型，讨论基于结构的模型并定义计算指标；另一类是定性研究，更关注概念框架。
- 绿色性 ：研究从技术和非技术两个方面分析绿色性。技术方面如使谷歌张量处理单元在低电压操作下具有弹性，以减少能源负面影响；非技术方面