霧計算—這個名詞我也是在肆月份的時候才接觸到。當時剛到現在這家公司，了解到兩位波士較早提出了這麼壹個概念，但是壹直沒有時間好好整理成文字。正好我這個玩過壹段時間文字的傢伙來了，就拉著我狠狠普及了壹下他們的想法。當時正逢科技日報的記者要採訪波士，採訪結束後需要給他們壹份類似新聞稿的概念性介紹內容，所以我就花了兩叁天時間惡了壹些相關知識，並成文壹篇。

最後這篇文章除了發給科技日報的美女記者做報導參考外，還發給了 黑太一 等幾位同學看過，此外就沒有公開出現過。覺得可惜，所以就把它貼到這裏來供大家參考。

提請注意！！本文只是根據鄙廠兩位波士的想法結合網絡資料整理的總結性文稿，雖然做了壹些潤色，但並非由我本人提出的概念或設想。如果對霧計算概念感興趣，或是有什麼疑惑，你可以告訴我，深入探討可以找鄙廠波士。

以下為全文：

人的一生由无数的选择判断组成，每一个选择判断的过程我们都可认为是一次决策过程，而所谓的人工智能，很大一部分研究是在想办法让机器来帮助人做决策。从这个层面来看，人工智能技术已经深度介入我们的生活。例如搜索引擎的搜索过程就是帮你做决策的过程，哪些该（先）看、哪些不该（后）看，它通过关键词来帮你判断；个性化阅读应用为你推荐内容的过程也是帮你做决策的过程，你可能对哪些感兴趣、哪些不感兴趣，它利用众多的标签来帮你筛选。这样一来，我们可以根据目前的使用体验，很直观地总结出类似“人工智能系统”的这些特点：云端化、标签化、仍“很傻”。

智能系统一般都需要大量的硬件资源作支撑，并且这些资源对具体的使用者来说是一种不可见的集群，因此可以将其抽象为在云端的服务。所谓标签化则是指在智能系统中所有的人、事物或行为动作都是以关键词的形式描述，每一个关键词就是一个标签，所有标签组成的词库即是真实世界在该智能系统中的映射。理论上来说，标签越多、词库越大，真实世界到虚拟世界的映射就可能越准确。然而这些标签都是由少数人创建，并不能准确反映所有人对世界，乃至对某个人、某个行为、某种事物的判断。因此在具体的使用场景中，多数“智能系统”仍然显得“很傻”。

仍以搜索与个性化阅读推荐为例。在相同时间段用相同的关键词让Google搜索，不管你是A、B、C、D，还是甲、乙、丙、丁，大家得到的搜索结果完全相同。这时候大家所想并不相同，每个人都期望获得与自己想法对应的搜索结果，而不是机器自作主张判断后的匹配列表。对其中一些用户来说，当结果与期望出现偏差时，自然会认为这个智能系统很不智能。

同样，几乎所有的个性化阅读推荐应用，都采用从社交网络或操作行为中提取关键字的方式将用户标签化。然后云端的分析系统再利用这些标签帮你做内容过滤决策，能匹配到标签库的，就认定是你喜欢的，否则就过滤掉。可能在某段时间里，这种自动过滤的机制确能够带来一些方便，但从长期使用的角度来看，这种系统却忽视了人性中嬗变、探索、好奇、求知等本能的一些东西。今天我可能因为好奇浏览了有关老罗锤子手机ROM的一些新闻，其实我并不是真正的关心，所以明天我就不想看了，但是接下来的一周你都给我推送锤子ROM的消息，这时我除了觉得这个推荐系统“很傻”之外，还会觉得“很烦”。

当前的人工智能系统也好，数据挖掘系统也罢，大多都是基于标签式关键词在运作。与真实世界以及人的变化速度相比，这些关键词库变动得实在太慢，因此“以不变应对瞬息万变”几乎成了所有这类系统的软肋。要解决这个问题，当然有办法。我们可以生产无数的传感器，让每个人身份揣一批，再在世界的每个角落里都放上一批，然后我们就有了物联网和更多即时的大数据，于是就可以进行即时的大数据挖掘了… 那时候的人和世界都是什么样，现在无法想像，只是被格式化的世界也许不会真的那么美好。

如果我们回归初衷，站在出发点看目的地，就能发现其实还有一条更简洁优雅的路可走。

人类个体及其构成的人类社会本身就是一个天然的复杂智能系统，如果将人工智能系统与这个天然智能系统连接，原本复杂的问题将会变得简单。每个人每天都要做出各种判断与选择，这些行为都是动态、即时的决策。个人的决策并不会影响整个系统，但却可以累加为群体智慧，进而影响整个人类社会系统的运作。在人类社会关系映射出的计算系统中，适当引入人类个体的智力决策，再加上合理的规则，这个虚拟社会系统将会按照更人性化的模式运转，并且实现一些超越现实社会的功能。譬如全球范围内的无障碍沟通、促进知识加速传播与协作产生等。

这种把“人”作为逻辑单元引入计算系统的思维方式，我们称之为『雾计算』。『雾计算』在本质上与近几年兴起的”社会计算（Social Computing）”靠得很近，只是社会计算是以计算思维研究社会学，而『雾计算』是将已经应用到社会学中的计算思维接入数字计算系统。

『雾计算』的命名则是根据其特点对照“云计算”概念所得。云和雾都由细小的微粒组成，但是云高高在上，对用户来说只是遥远且可描述轮廓和形状的整体；而雾就在身边，我们身处其中，虽然不能描述外形，但是却可以触控和感知具体的组成微粒。不过『雾计算』与云计算之间并没有非此即彼的互斥关系。在云计算系统中，主要的逻辑判断和决策都由云端服务器以及在其中运行的软件系统完成；在雾计算系统中，主要业务逻辑判断都是用户的自然操作，服务器和软件系统只是提供业务支撑。

当然，云计算系统也可以在客户端提供用户逻辑入口，而复杂的雾计算系统也需要云端计算、存储资源的支持。当前流行的个性化推荐服务便是前者的应用呈现，这种系统在客户端提供的用户逻辑入口主要功能是采集用户数据，而业务逻辑判断还是由云端处理数据后完成，所以它本质上仍是基于云计算的数据挖掘类服务。在雾计算应用系统中，用户本身的操作就完成了主要的业务逻辑判断，客户端的功能是记录判断结果，这时云端的主要作用就变成了保存用户的“计算”结果。

除此之外，基于『雾计算』和基于云端数据挖掘的智能系统相比，响应反馈的对象和时效性也不同。一个用户针对其他用户的操作或行为产生自己的判断，然后再作出相应的动作，这是在『雾计算』系统中的一个反馈过程。这个过程完成的时间取决为用户作出判断的时间。在基于云端数据挖掘的智能系统中，用户的每次操作都由客户端记录下来并传到云端，然后云端按照预告设定的算法对数据进行分析并得出结果。这一结果将在客户端下次连接云端时推送给用户。

在理想的雾计算体系中，每个人都可以对自己进行自由定义和随时更改定义，把最全面、最及时的自己呈现给他人。自定义页面可以有与自己相关的任何内容，并且相互关联。在查看某用户的自定义内容，或者在雾计算平台与其交流之后，每个人会对其有自己的认识和判断，并会将其体现在相应的社交过程。雾计算平台需要做的，就是完整地呈现用户自我描述和社交行为，同时满足人的探求欲、好奇心之类的本能需求。