王飞跃｜平行决策智能的历史回顾与未来展望：从ISDOS之影到平行剧场之能

自古至今，谁来决策？如何决策？本质上，这些问题的回答造就了人类世界的治理、正义、秩序、战争与和平之历程。在中国古代的《孙子兵法》中，军事决策活动主要围绕“策之而知得失之计，候之而知动静之理，形之而知死生之地，角之而知有余不足之处”，并且“知己知彼，百战不殆”。而西方军事经典《战争论》认为：“指挥员的决策必须源自计算与直觉的融合（the commander's decision must spring from a blend of calculation and intuition）”，而且“情报越多，决策越难（the more intelligence one has, the harder the decision becomes）”。在近代科学体系中，决策科学是关于“选择（choices）”的智力工作之学科，而“人生就是你所有选择的总和（life is the sum of all your choices）”。由此，决策科学的研究涉及数学、心理学、经济学、政治学、社会学、数据科学、以及各类工程与技术科学，特别是目前以AI为代表的智能科学与技术。

然而，决策制定（decision making）作为一个科学术语出现还不到百年，最初由切斯特·巴纳德（chester barnard）于1938年提出，是针对管理的社会科学术语，主要功能是取代更狭义的“资源分配（resource allocation）”和“政策制定（policy making）”等专业术语[10-11]。因为这些术语在实际中往往预示着无尽的讨论，无限的资源，从而使作为人类活动合作系统（systems for collaboration of human activities）的企业或组织无法满足长期生存的“双E（effective/efficient）”必要条件，即“以正确的方式，做正常的事情（do the right thing, in the right way）”，结果一般企业都是“短命(short-lived)”组织；而“决策”意味着协商的结束，行动的开始（decision implies the end of deliberation and the beginning of action），以此希望组织可以具身“双E”之能，改变命运，繁荣长存。

今天，决策理论和决策科学已发展成为十分复杂和成熟的科学方法体系[12-13]。但在“AI for Science”的浪潮之下，“AI for Decision Science”，或准确地说DI4DS，意味着什么？意义何在？应包含着什么新方法与新技术？

实际上，“决策智能”这一术语的出现更晚，由詹姆斯·马奇（James G. March）于1994年首次提出，旨在为商业运营和管理活动提供智能决策支持。这一概念基于系统思维和学习型组织的理念，源于传统的决策科学与工程[14]。自那时以来，尤其是近年随着人工智能的快速发展，许多人（特别是咨询行业的专家）尝试重新定义决策智能，并将人工智能融入其方法和应用之中。谷歌在重新定义决策智能为一门新学科方面的努力，便是一个典型例证，该公司通过将数据科学与人工智能、神经科学、心理学、经济学和管理科学相结合，用来系统地训练其员工，以便其作出正确且更好的决策[15]。

80多年前，当计算机技术和信息系统（information systems）概念刚刚出现，就出现了一批开拓者试图把它们引入企业和各种组织的决策过程。代表工作是信息系统设计与优化系统（information system design and optimization system, ISDOS）及问题陈述语言/问题陈述分析器（problem statement language/problem statement analyzer, PSL/PSA）及其衍生工作（见图1）[16]，历时近60年，或许是全球有史以来最大的公共研究项目。考察ISDOS（PSL/PSA）及其相关项目的演化，可为本文的讨论提供有益的借鉴[17-18]。

为什么？因为今天的算力系统和大模型生成式AI, 恰似当年革了人类决策行为和决策制定之命的计算机和信息系统，我们禁不住要问：正在涌现的新算力机器和新AI系统，又将如何革计算机革命后的现行决策系统与决策流程之命？以史为鉴，利用平行智能，在人工世界中化未来决策为决策历史，重新定义决策智能，科学地引导智能决策的发展，确保人类命运共同体的安全健康可持续发展，将是一项很有意义的研发工作。

道格拉斯·莱纳特（Douglas Lenat）在20世纪80年代的CYC项目（是AI历史上极有争议的一项知识工程项目，是知识图谱和LLMs之先驱，核心是常识的形式化，名字取自enCYClopedia，是1984年由美国微电子与计算机技术公司MCC开启，1994年由项目开创者莱纳特创立Cycorp持续开发至今。莱纳特生前的信念之一就是“智能就是一千条知识规则”）与当前的LLMs运动之间的历史联系为许多人所熟知。然而，较少人意识到LLMs与丹尼尔·泰克罗（Daniel Teichroew）在20 世纪60 年代至20 世纪90 年代的ISDOS（PSL/PSA）项目之间存在更深刻且更为重要的联系。该项目在学术影响、基金支持和知识转移方面具有显著的实质性及专业与社会影响，曾被认为全球最大的“公共”研究项目之一。ISDOS于1967年在Case理工学院（现凯斯西储大学）启动，但自1968年以来主要在密西根大学开发[17]。随着技术的不断成熟，1983年，ISDOS项目由密西根大学主导，孵化成为信息系统开发公司（Information Systems Development Inc.），后因运营资金严重不足而重组为Meta Systems公司。1991年，英国公司LBMS收购了Meta Systems，导致ISDOS项目的实质性停止。根据泰克罗的记录，ISDOS（PSL/PSA）在其巅峰时期曾模拟包含14 000个对象和65 000个关系的大型工业系统。

1992年，起步于Case理工学院的泰克罗教授荣获“J.D. Warnier奖”，还被誉为“CASE之父”，这里，CASE是专业术语Computer-Aided Software Engineering的缩写。

图1   数字剧场技术与决策智能发展简史

Fig. 1   A brief history of decision intelligence and digital theatrical technologies

泰克罗对ISDOS（PSL/PSA）的愿景源自他在国民现金出纳机公司（现名为美国计算机服务公司，纽约证券交易所股票代码为NCR）担任系统需求和规范（requirement & specification）工程师（1955—1957），以及在斯坦福大学担任统计与管理教授（1957—1964）期间应用计算机管理复杂过程的专业经验。他的目标是构建计算机系统，将知识工作自动化，帮助分析师应对复杂的工业过程中的规格分析和系统开发。PSL/PSA启发了全球范围内CASE工具的发展，并在1990年代初达到顶峰。遗憾的是，对他个人研发而言，峰顶即谷底，自1992年以来，PSL/PSA就不再向新用户开放。在此期间，许多其他的替代方案相继出现。其中，影响最广泛的就是统一建模语言（unified modeling language，UML）。然而，UML并没有解决过去20年里PSL/PSA真正想要解决的问题。

显然，泰克罗在ISDOS（PSL/PSA）中的许多思想和概念在今天的LLMs中仍然可见，ISDOS的核心原则应被扩展，并为未来LLMs和系统工程的发展提供极有价值的经验和认识。当然，鉴于今天的计算能力和LLMs的能力，如果ISDOS项目存活至今， 其历程及命运必然会受到显著影响和改进。

UML包受到工业界追捧基于模型的系统工程（model based systems engineering，MBSE），只是面向系统工程师的工具。而在ISDOS项目和LLMs的启发下，新一代的系统设计工具应能直接采用自然语言与用户交互，从而让设计人员能够专注于系统的业务逻辑而不必过多地顾及形式化建模细节。更进一步，通过生成式人工智能和场景工程，能够在系统设计、管理、运维等各类人员的自然语言指导下，实现各种决策场景、认知决策模型的自动构建，打通需求分析、场景设计、建模实现、测试验证、部署运维的全自动化流程。

泰克罗在20世纪60年代初对显示设备和控制室的思考在今天依然具有前瞻性。尽管大数据和LLMs现在已能为指挥官和管理者所用，但利用从数据到显示的飞跃来强化决策智能系统的设想之实现依然有待时日。20年后，根据这一想法，亚利桑那大学的杰伊·努纳梅克（Jay Nunamaker，泰克罗当时在Case理工的5位项目人员之一）开启了电子会议系统（Electronic Meeting Systems, EMS）的研发，利用个人机的小屏幕显示，极大地推进了结构化环境中集体决策过程的自动化和智能化[19-20]。

20世纪80年代，开发支持会议和其他群体活动的计算机信息系统（包括群体决策支持系统和计算机支持的协作工作）有着与今天采用图形处理单元（graphics processing unit，GPU）和LLMs构建智能系统极为相似的热潮。然而，努纳梅克的EMS，从1985年开始的PLEXSYS研究项目，到1989年的商业软件产品GroupSystems，再到2006年的ThinkTank，该系统在2021年被埃森哲收购并整合到其myConcerto统筹协调智能平台之中，成为学术和商业上最成功的故事之一。

穆雷·图罗夫（Murray Turoff）在1970年提出的德尔菲会议系统（Delphi Conferencing）提供了另一条EMS发展的线路[21]。他的概念起源于兰德公司的德尔菲项目（Project Delphi），并在美国总统尼克松的应急准备办公室的紧急管理信息系统和参考索引（EMISARI）系统中实现，成功用于管理20 世纪70年代的美国国家危机，如商品短缺和劳资冲突。从20 世纪70 年代到20 世纪90 年代，图罗夫被称为“Computer Conferencing之父”，继续沿着德尔菲会议系统的线路，开发了EIES和EIES-2（电子信息交换系统），作为异步群体通信的开创性平台，促进了集体决策、远程学习和协作研究。由于缺乏资金，EIES的发展在20 世纪90 年代后期停止，并于2000年正式关闭，标志着德尔菲会议系统的结束。图罗夫的最终职业遗产是是危机响应和管理信息系统（ISCRAM）即一个国际专业社区，致力于智能系统在危机响应和应急管理中的研究、开发、评估、验证、验证和应用，延续了德尔菲会议系统的原始精神。

泰克罗的ISDOS、努纳梅克的EMS、图罗夫的德尔菲会议系统，以及许多其他先驱的创新重新定义了人类在复杂情境中的集体商议、共享情报和协调方式，导致了从传统的集中决策行为向分布式、技术介导的协作范式转变，为今天广泛应用的数字会议工具，如Zoom、微软Teams、腾讯VooV和谷歌Meet奠定了基础。这场革命已成为当今的新传统。疑问是：在新兴的LLMs、AI代理等新型人工智能的背景下，今天的新传统将会迎来怎样的新革命？对未来决策智能的新思维又意味着什么？

一句话：新AI技术的出现是否迫使我们把革过的命再革一遍？

中国航天工程与系统工程的奠基人钱学森教授，在一封致其助手和同事王守云的私人信件中提出了“综合集成方法”的构想，旨在弥补定量方法与定性方法之间的鸿沟，并推动相应的整合与融合解决方案之研究。自1999年以来，中国科学院自动化研究所复杂系统管理与控制国家重点实验室（SKL-MCSS）戴汝为院士团队致力于相关研发工作，力图将这一构想变成工程系统——即“综合集成研讨厅体系（hall for workshop of metasynthetic engineering，HWME）”，以解决开放复杂巨系统中的决策难题。HWME的目标是整合专家知识、计算模型和人机协作机制，从而创建一个以人为中心的网络物理交互环境，以支持多源信息融合、集体认知推理和决策过程。HWME已广泛应用于宏观经济管理、战略分析和危机响应等领域[22]。

1994年，为解决构建外空太空高自主智能系统（以支持月球/火星工厂及其操作的原位材料利用，In Situ Material Utilization）所面临的数据稀缺问题，王飞跃提出了“影子系统（shadow systems）”的概念，利用隐性/启发式知识以及解析/数学方程产生数据，生成人工系统，进行嵌套与嵌入的伴生仿真（co-simulation），并与实际物理系统平行[23]。在今天的术语中，影子系统几乎与数字孪生的概念完全相同，但王飞跃的构想主要受到柏拉图（Plato）的形式（Form/Ideal）、普罗提诺（Plotinus）的智性（Nous, Shadows of The ONE）、卡尔·波普尔（Karl Popper）的三个世界现实模型（即物理世界一、心理世界二和人工世界三）、赫伯特·西蒙（Herbert Simon）的《人工的科学》一书，以及兰德公司对人工社会的研究的启发[24]。在1991年至1993年之间，王飞跃曾多次试用亚利桑那大学埃勒（Eller）商学院协同管理实验室的GroupSystems系统，对其影子系统概念的产生或许有一定的影响。

基于波普尔的三个世界理论，王飞跃进一步提出了“赛博物理社会系统” （cyber physical social systems，CPSS），最初为“网络社会物理系统”的概念[25]，以实现人类、机器或机器人及代理或数字人之间的互动与整合，促进组织、协调与执行活动的有效进行，并为全球智能交通和物流开创了一种新的研究方法和应用途径，即平行驾驶与平行交通[26-27]。影子系统和CPSS 为“ 小知识、大数据和深智能（small knowledge，big data，deep intelligence，SBD）的循环”提供初步基础，这一循环能够为LLMs提供创新数据和高效结构，进而为决策智能提供AI Agents。

从20世纪90年代后期到2003年，王飞跃在亚利桑那大学的先进交通与物流算法与系统（advancedtraffic and logistics algorithms and systems，ATLAS）研究中心发起了人工与平行交通系统的研究与开发。美国交通领域中，由于法律和立法问题的复杂性所产生的交通数据稀缺问题的严重性，令王飞跃感到惊讶，也促使他重新思考波普尔的人工世界的重要性，以及其所提出的三个世界之平行性的重要和普遍。2004年，王飞跃将其影子系统扩展为基于ACP（人工社会、计算实验、平行执行）方法的平行系统和平行智能[28]，旨在通过实际与人工的交互以及CPSS中的实时虚实闭环反馈来建模和表示、测试和评估以及管理与控制。在平行系统和平行智能的首个10年研发中，城市交通和高速铁路系统成为其最活跃的研发领域[26，29-30]。

与此同时，继亚利桑那大学（UA）努纳梅克的GroupSystems，亚利桑那州立大学学（Arizona State University，ASU）又开发了决策剧场（decision theaters），将显示系统从PC机的小屏幕扩大到剧场的大屏幕，而且是740 m2可视化环境中的260度大屏幕，进一步的坐实了当年泰克罗从数据驱动到显示驱动的技术愿景。

    在2023年，倪清桦等将平行智能和决策剧场整合为平行剧场[16]，如图2所示，其中，实际剧场（TheaterACT）代表现实行为的物理剧场，而人工剧场（TheaterART）则指计算模拟或计算实验的虚拟剧场。平行剧场将成为落实DI4DS的有力工具，使决策过程可计算、可执行、可验证。为此，图3给出相应的平行决策剧场之参考框架[16]。在该框架内，实际决策系统（DecisionACT）用于现实行动，而人工决策系统（DecisionART）则用于测试、分析、评估、验证、确认，并通过模拟、模仿、仿真或计算实验等手段，提供实时的虚实反馈，以支持通过实际与人工的交互，完成虚实闭环决策。

图 2 平行剧场参考框架

Fig.2   The reference framework for parallel theaters

平行决策剧场主要有3种操作模式：

1）训练与演练：此模式中，DecisionART发挥主要作用。在新一代通用与专用决策LLMs及AI Agents的支持下，决策者、政策制定者及决策执行者双方可通过演练或教育项目，依托多样化沉浸式环境，从各决策流程及相关实施执行环节中系统地学习决策科学中的各种各类的解析性知识与隐性知识。

图 3 平行决策剧场参考框架

Fig. 3   The reference framework of parallel decision theaters

2）验证与确认：此模式下，DecisionART和DecisionACT将协同运行。通过二者的独立运行或协同交互，采用仿真、模拟、计算实验等技术手段，对决策或政策的预期目标进行测试评估、优化验证及有效性检验。

3）指挥与控制：DecisionACT在此模式中发挥关键作用。所选择的决策或政策将通过平行反馈与闭环机制执行——即实际决策系统与人工决策系统之间的实时闭环反馈。算法智能（algorithmic intelligence）、代理智能（agentic intelligence）和自主智能（autonomous intelligence）以及平行强化学习（parallel reinforcement learning）和强化决策制定（reinforcement decision making）将被引入此模式的运行。

平行决策剧场中此3种模式间的平行驱动和平行执行，将有助于实现以下决策智能的循环强化过程：

1）小知识：通常是由于人力资源有限而产生的少量隐性知识，一般由DecisionART表示；

2）大数据：从小知识出发，由计算实验生成的海量数据；

3）深智能：嵌入并内化在DecisionACT中，并在已有深智能的基础上，生成新的小知识，实现循环强化再生。

基于以上描述，特别是随着智能科技和人工智能技术的迅猛发展，决策科学将进入一个快速演变和快速迭代的新阶段，进入决策5.0，如图4所示：从基于算法智能(Algorithmic Intelligence)的决策1.0，生成智能(Generative Intelligence)的决策2.0，代理智能(Agentic Intelligence)的决策3.0，自主智能(Autonomous Intelligence)的决策4.0到平行智能(Parallel Intelligence)的决策5.0。

在决策5.0中，平行智能的引入将为构建人工世界、心理世界与物理世界之间的交互作用提供新的可能性，特别是强化决策制定的可行性：使现实世界的“吃一堑，长一智”成为平行世界的“虚拟吃亿堑，实际长一智”，通过人工世界的万万一次，甚至万万亿次的“大堑”，换来物理世界的一次“深智”，这就是平行决策及相应决策智能的真正目标。

图4 从决策1.0到决策5.0：智能科技与决策形态演化

Fig. 4   From decision 1.0 to decision 5.0: evolution of decisionmaking with intelligent technologies

    然而，这一目标的实现需要新的决策基础设施的支撑。图5所示的云边端智能（cloudedgend intelligence）基础模型框架[31]，以及图6所示的平行深度大模型基本框架[32]，就是这些智能的基础设施之一。

图5 云边端智能（Cloudedgend Intelligence）基础模型框架

Fig. 5   Infrastructure model of cloudedgend intelligence

图6 平行深度大模型的基本框架

Fig 6.   The reference framework of parallel deep models

在决策5.0的平行决策中，根据帕累托原理，将采用“三个世界，三种人类，三类决策”的模式，如图7所示。生物决策者是指人类决策者，占比不超过5%，他们凭借自身的经验、知识和直觉参与决策过程。这种人类决策者能够在复杂情境中灵活应对，利用其情感和社会认知能力识别潜在风险与机遇。机器决策者即机器人决策者，指物理形式的非生物决策者，占比不超过15%，是指执行最终决策的物理智能系统。数字决策者即数字人决策者，占比80%以上，如基于LLMs的数字形式AI Agents，其决策通常依赖于大量的实时数据和信息处理，能够快速分析和提取有价值的见解。这种多元化的决策参与方式为应对复杂问题提供了更全面的视角和解决途径，可在动态变化的环境中做出科学且有效的决策。

图7 平行决策：三个世界，三种人类，三类决策

Fig. 7   Parallel decision: three worlds, three humans,three decisions

未来必须构建专用的“小问题、大模型”决策LLMs和AI Agents，并将其嵌入平行决策剧场中，同时结合区块链、智能合约和去中心化自治组织(DAOs)，支撑决策5.0，使其能有效应对极端紧急情况下的复杂任务，如文献[33]所描述的极端场景，以强化决策制定的方式，实现开放决策(Open Decision)，不断提升智能决策的效率。

泰克罗从Case理工起步，成为“CASE之父”，甚至“Meta之祖”，由努纳梅克EMS的小显示到ASU决策剧场的大显示，直到今天元宇宙Metaverse大而无形的MetaDisplay，催生并完成了其由数据到显示的愿景，成为未来智能决策的核心技术之一。

决策的难点就是克劳塞维茨所言的“决策必须源自计算与直觉的融合”，就是钱学森“综合集成研讨”试图弥补的“定量方法与定性方法之间的鸿沟”，而最成功的定量与定性结合的方法之一就是德尔菲法。令人欣慰的是，图罗夫的德尔菲会议系统，不但源自兰德的德尔菲法，还成就了今天广泛应用的支撑人类协作之数字会议系统，间接推动了定量过程与定性行为深度且自然的融合。德尔菲法必将与DAOs和CPSS结合，形成面向决策问题的新DAOs,即基于合约的Decentralized Agentic Organizations .

具体到未来的决策科学发展，特别是DI4DS的落实，应重点关注以下3个方面：1）需要深入探讨决策智能的基础理论及其与AI技术的结合，这将为决策科学的发展提供新的视角与框架；2）必须加强跨学科的合作，将心理学、经济学、社会学等领域的理论与方法化为“硬”科技，重新引入到决策智能的研究，推动多元化的决策模型的建立；3）针对决策科学的复杂性，开发后大模型时代的算法与工具，以应对更加不确定和多变的环境。

此外，借鉴ISDOS和决策剧场等相关技术的历史经验，构建开放的决策支持平台智能。这样的平台能够通过实时数据分析和智能推理，帮助决策者在复杂的军事环境中快速作出有效决策。同时，提高决策者对AI技术的理解与应用能力，将是确保“DI4DS”成功落地的关键。

希望《指挥与控制学报》积极促进决策智能与人工智能在决策制定与决策科学领域的研究与应用，推动学术研究与实践的深度融合，成为“AI for Decision Science” 或DI4DS变革的旗舰和引领学刊，为指挥与控制及灾害救援科学研究等工作的智能化转型提供理论支撑和技术引擎，迎接学报未来更加辉煌的新十年。

References

[1] 王飞跃. 指控5.0: 平行时代的智能指挥与控制体系[J].指挥与控制学报, 2015, 1（1）: 107-120.

WANG F Y. CC 5.0: intelligent command and control systems in the parallel age[J]. Journal of Command and Control,2015, 1（1）: 107-120.（in Chinese）

[2] 王飞跃. 情报5.0: 平行时代的平行情报体系[J].情报报, 2015, 34（6）: 563-574.

WANG F Y. Intelligence 5.0: parallel intelligence in parallel age[J]. Journal of the China Society for Scientific and Technical Information, 2015, 34（6）: 563−574.（in Chinese）

[3] 王飞跃. 从激光到激活: 钱学森的情报理念与平行情报体系[J].自动化学报, 2015, 41（6）: 1053-1061.

WANG F Y. H. S. Tsien’s concept for intelligence and parallel intelligence: from LASER to inspiritment[J]. Acta Automatica Sinica, 2015, 41（6）: 1053-1061.（in Chinese）

[4] YE P J, WANG X, ZHENG W B, et al. Parallel cognition: hybrid intelligence for human-machine interaction and management[J]. Frontiers of Information Technology & Electronic Engineering, 2022, 23（12）: 1765-1779.

[5] YE P J, WANG F Y. Personality shaping: a prescriptive approach based on virtual-real human interaction[J]. IEEE Transactions on Systems, Man and Cybernetics: Systems,2024, 54（12）: 7548-7557.

[6] QI H, HOU E G, YE P J. Cognitive reinforcement learning:an interpretable decision-making for virtual driver[J]. IEEE Journal of Radio Frequency Identification, 2024, 8: 627-631.

[7] WANG F Y. The emergence of intelligent enterprises: from CPS to CPSS[J]. IEEE Intelligent Systems, 2010, 25（4）: 85-88.

[8] 田永林, 陈苑文, 杨静, 等. 元宇宙与平行系统: 发展现状、对比及展望[J]. 智能科学与技术学报, 2023, 5（1）: 121-132.

TIAN Y L, CHEN Y W, YANG J, et al. Metaverses and parallel systems: the state of the art,comparisons and prospects[J]. Chinese Journal of Intelligent Science and Technology,2023, 5（1）: 121-132.（in Chinese）

[9] 王飞跃. 平行军事与平行战争: 智能时代智能军事的起源与目标[J]. 中国指挥与控制学会通讯, 2023（4）: 48-54.

WANG F Y. Parallel military and parallel war-fare: the origin and goal of intelligent military in the age of intelligence[J]. Communications of CICC, 2023（4）: 48-54.（in Chinese）

[10] BARNARD C I. The functions of the executive[M]. Cambridge: Harvard University Press,1938.

[11] BUCHANAN L, O' CONNELL A. A brief history of decision making[J]. Harvard Business Review, 2006, 84（1）: 32-41.

[12] PARMIGIANI G, INOUE L Y T, LOPES H F. Decision theory: principles and approaches[M]. Chichester:JohnWiley,2009.

[13] KLEINDORFER P R, KUNREUTHER H, SCHOEMAKER P J H. Decision sciences: an integrative perspective[M].Cambridge: Cambridge University Press, 1993.

[14] MARCH J G. Primer on decision making: how decisions happen[M]. New York: Simon and Schuster, 1994.

[15] BYRNE C. Why Google defined a new discipline to help humans make decisions[EB/OL].（2018-07-18）[2025-02-01].https://www.fastcompany.com/90203073/why-google-define d-a-new-discipline-to-help-humans-make-decisions.

[16] NI Q, VIKTORIA B, LIN F, et al. Parallel theaters in CPSS:from shadows of ISDOS to intelligence of decision theaters[J]. IEEE/CAA Journal of Automatica Sinica, 2025, 6: 935-938.

[17] TEICHROEW D, SIBLEY E H. ISDOS-A research project to develop methodology for the automatic design and construction of information processing systems[EB/OL].（1967-08-11）[2025-02-01]. https://www. pslpsa. com/index. php/79-isdos-category.

[18] TEICHROEW D, HERSHEY E A. PSL/PSA: a computeraided technique for structured documentation and analysis of information processing systems[J]. IEEE Transactions on Software Engineering, 1977, SE-3（1）: 41-48.

[19] DENNIS A R, GEORGE J F, JESSUP L M, et al. Information technology to support electronic meetings[J]. MIS Quarterly,1988, 12（4）: 591-624.

[20] NUNAMAKER J F, DENNIS A R, VALACICH J S, et al.Electronic meeting systems[J].Communications of the ACM,1991, 34（7）: 40-61.

[21] TUROFF M. Delphi conferencing: computer-based conferencing with anonymity[J]. Technological Forecasting and Social Change, 1972, 3: 159-204.

[22] 王丹力, 郑楠, 刘成林. 综合集成研讨厅体系起源、发展现状与趋势[J]. 自动化学报, 2021, 47（8）: 1822-1839. WANG D L, ZHENG N, LIU C L. Hall for workshop of metasynthetic engineering: the origin, development status and future[J]. Acta Automatica Sinica, 2021, 47（8）: 1822-1839.（in Chinese）

[23] WANG F Y. Shadow systems: a new concept for nested and embedded co-simulation for intelligent systems[R]. Tucson,Arizona, USA: University of Arizona, 1994.

[24] WANG F Y. Forward to the past: CASTLab’s cyber-socialphysical approach for ITS in 1999 history and perspectives][J]. IEEE Intelligent Transportation Systems Magazine, 2023, 15（4）: 171-175.

[25] WANG F Y. CAST Lab: a cyber-social-physical approach for traffic control and transportation management[R]. Beijing: Intelligent Control and Systems Engineering Center in Chinese   Academy of Sciences, 1999.

[26] WANG X X, YANG J, LIU Y H, et al. Parallel intelligence in three decades: a historical review and future perspective on ACP and cyber-physical-social systems[J]. Artificial Intelligence Review, 2024, 57（9）: 255.

[27] WANG X, YANG J, WANG Y, et al. Steps to-ward industry 5.0: building“6S”parallel industries with cyber-physicalsocial intelligence[J]. IEEE/CAA Journal of Automatica Sinica,2023, 10（8）: 1692-1703.

[28] 王飞跃. 平行系统方法与复杂系统的管理和控制[J]. 控制与决策, 2004, 19（5）: 485-489.

WANG F Y. Parallel system methods for management and control of complex systems[J]. Control and Decision, 2004,19（5）: 485-489.（in Chinese）

[29] WANG F Y. Parallel control and management for intelligent transportation systems: concepts, architectures, and applications[J]. IEEE Transactions on Intelligent Transportation Systems,2010, 11（3）: 630-638.

[30] NING B, TANG T, DONG H R, et al. An introduction to parallel control and management for high-speed railway systems[J]. IEEE Transactions on Intelligent Transportation Systems,2011, 12（4）: 1473-1483.

[31] YANG J, TIAN Y, LIN F, et al. From RAG to ARG: agent reinforced generation for agentic intelligence[J]. International Journal of Intelligent Control and Systems, 2025, 5（2）:1-6.

[32] TIAN Y, LIN F, WANG C, et al. Parallel deep foundation models: a co-evolution framework for analogical imagination and embodied cognition of parallel intelligence[J]. International Journal of Intelligent Control and Systems, 2024（1）:1-8.

[33] LIN F, NI Q H, YANG J, et al. Securing the future after pagerbombs: lifecycle protection of smart devices via blockchain intelligence[J]. IEEE/CAA Journal of Automatica Sinica,2024, 11（12）: 2355-2358.

通信作者简介 王飞跃（1961— ）, 男, 浙江东阳人, 博士, 教授, 研究员