目前智慧物流大热，但是智慧物流的智慧是如何产生？却很少有人研究论述，至少我至今还没有看到一篇对此作出解释的研究文章。智慧物流是我2009年正式提出来的，凭什么根据物联网技术应用提出智慧物流概念？智慧物流的智慧到底体现在哪里？是如何产生的？智慧物流的智慧是如何产生的，结合物流发展史，捋一捋现代物流发展与变革的方向与动力。
一、“信息连接”是推动物流发展的根本动力
人类社会是一个基于社群连接的组织系统，人类智慧也在连接中产生与进化。我们人类语言、视觉、感知都是用于人与人之间的信息连接和建立组织，为了连接的便利性我们发明了城市，城市才是人类最伟大的发明”，道路是人类另一个最伟大的发明。城市是连接的节点，道路是连接的线路，道路与城市链接了人类，创造了人类的辉煌。几千年来人类的文明与进步无不与道路与城市的发展相关。
人类文明的发展离不开物质消费，把物质连接起来的系统是物流。现代物流一边连着制造业，一边连着消费者，是推动人类文明进步的重要产业。由于物流的连接特点，使得“信息的连接”成为了推动物流发展变革的核心动力。
在古代信息不通的时代，没有现代物流理念，只有割裂的物流功能作业。因为缺乏信息手段的沟通，货物生产、采购与保管、货物运输、库存数量等等信息是互相割裂的，信息需要人与人见面后才能连接，因此在当时想把物流系统的各功能作业环节统筹考虑，系统控制和综合分析是不可能的，缺少了物流系统化，也自然就不会有现代物流。
20世纪30年代，电报与电话的普及，信息技术的发展，通讯手段的完善，让我们就可以在运输过程中沟通库存信息和流通信息、在库存环节了解运输信息和补货信息，系统的统筹考虑和控制直接带来现代物流的产生，这是现代物流的第一次大变革，系统思想的引入催生了现代物流。这就是物流1.0时代。
物流理念随信息化技术发展的不断演进，到20世纪80年代以来，信息技术又获得了巨大发展与变革，特别是电子数据交换技术（EDI）开始在国际贸易和商品流通中普遍应用，使得原料、在制品、制成品从供应到消费地的运动和储存的相关活动信息可以通过许多手段进行更方便地连接与沟通，现代物流各环节可以统一考虑，系统运筹。使得企业可以在研究客户需求信息的基础上，对物流作业各功能性环节的活动进行高效而经济的计划、执行和控制，从而再次引发了现代物流理念的变革，现代物流进入到了进入了一体化物流（logistics）时代，这是现代物流的第二次变革，物流进入2.0时代。
中国开始引入现代物流概念是在上世纪八十年代，当时现代物流理念已经进入一体化物流时代，“物流”英文此时已经是“Logistics”，不是PD了。它是以满足消费者的需求为目标，把制造，运输，销售等市场情况统一起来思考的一种战略措施。是继劳动，资源之后的第三个利润的源泉。
目前，随着移动互联网的发展，产业互联网大潮的推动，云计算、大数据、物联网与物流自动化等技术的成熟，正推动者现代物流业走向互联网化，必将带来了物流业的新一轮革命，随着物联网技术在物流业大规模应用，物流业即将进入物流互联网时代，即进入物流4.0的时代，这是智慧物流全面发展的时代。
物流互联网时代，人类、生产、生活、消费已经全面的建立了网络化连接，互联网成为社会基础设施，物品借助物联网技术也连接在一起，供应链将升级为立体的、无边界的、网络化的供需网。2009年，我基于物联网的链接技术提出智慧物流理念，智慧物流下的定义是：智慧物流，指的是基于物联网技术应用，实现互联网向物理世界延伸，互联网与物流实体网络融合创新，实现物流系统的状态感知、实时分析、精准执行，进一步达到自主决策和学习提升，拥有一定智慧能力的现代物流体系。
物联网的技术架构
那么，物联网技术在物流业应用真的会产生智慧物流吗？信息的连接从人类向物理世界延伸会产生物流的智慧？智慧物流的智慧是如何产生的？这一直是一个很有趣的话题？
二、“连接进化”是推动智慧物流变革的根本原因
人工智能已经有了60多年的发展史，在人工智能发展历史上，共有三大门派，一是逻辑主义，也常被成为符号主义，核心是符号推理与机器推理，用符号表达的方式来研究智能；二是连接主义，核心是神经元网络与深度学习，仿造人的神经系统，把人的神经系统的模型用计算的方式呈现，用它来仿造智能，目前人工智能的热潮实际上是连接主义的胜利。也可以说连接进化产生了智慧。三是行为主义，推崇控制、自适应与进化计算。
人工智能从1956年开始以后几起几落，现在人工智能已经是第三波浪潮了。第一波浪潮实际上是从1956年-1976年，核心的是逻辑主义，主要是用机器证明的办法去证明和推理一些知识，早期的计算机人工智能都是沿着这条路在走，所以当时我们有很多专家系统，比如医学专家系统。第一个浪潮当中逻辑主义是完全占上风的，连接主义那时候不太吃香。然而逻辑主义最后没有实现目标，逻辑主义的人工智能慢慢进入低潮。
第二个浪潮是连接主义。在70年代末，整个神经元网络、模型有突飞猛进的成绩，最重要的是有一个叫BP网络，这个模型能够解决神经元网络的学习。很多模式识别的领域、手写汉字的识别、字符识别、简单的人脸识别才开始慢慢用起来，这个领域一下就热起来。连接主义持续了十几年，但是由于连接缺乏深度进化，神经元网络解决单一问题可以，解决复杂问题不行，训练学习的时候，数据量太大，有很多结果到一定程度就不再往上升了。慢慢这一热潮也走下坡路了。
但是，随着互联网、物联网、大数据云计算发展，随着计算机硬件的技术进步，连接在不断的进化，卷积神经网络模型与参数训练技巧也在不断进步，机器深度学习取得突破，人工智能进入第三次浪潮。这一轮浪潮的核心还是基于神经网络的连接主义，可以说是连接产生了智慧，最近阿法狗和深度学习的热络，推动人工智能火遍了全球，就是；连接主义的胜利，也可以说连接的深化激活了智慧。
连接为什么会产生智慧呢？
从生物角度看神经网络是复杂的，生物学家注重细节和功能，我们要理解网络，就要去解剖， 做电生理实验， 做各种神经成像。 首先我们关注神经细胞之间的具体链接，然后我们关注这些连接实现的载体-突触的性质。研究细胞之间通讯的关键，神经递质。 神经递质又是有一定的DNA编码的，最后我们又回到了遗传学。跑完一圈我们得到从感知，到决策，从而心理现象的生物解释。尽管生物学家特别重视细节的， 其研究思维也是一个一个搞清楚网络的连接，搞清哪个细胞是输入，哪个是输出。有人认为如果能绘制一个神经元之间互相连接的精密地图，我们就搞清楚了大脑是怎么回事。
生物对神经网络解释最有意思的现象是连接与学习，神经细胞之间的连接-神经突触是随时间不停变化，如果一个细胞经常和另一个细胞一起放电，他们的联系就加强，因而他们所代表的信息就连接起来，这就是学习的基础。可以说生物学家的工作是整个人工智能学科的脊梁，尤其是有关神经活动成像的工具。没有光遗传这些生物技术的开发，人不能直接看清大脑网络里到底在干什么的，我们对神经网络的思考就只能是一种猜想， 人工智能也难以有更长远的发展。
基于生物学角度对神经网络的研究，再从物理角度对大脑神经网络进行模拟，竟然就真的让计算机产生了智慧？这太过神奇和不可思议了吧。但事实就只如此，人类研究人工智能的进展表明，就是简单地连接，和连接的不断的进化与深化，才产生了智慧。
从物理系统角度模拟生物的神经网络，物理学家把神经网络看成无数神经细胞相互作用组成的一个整体。虽然单个神经细胞只有一个简单的作用，就是把接收到的信号转化为一定的输出。 但是这样一个简单的东西通过大量加和的网络效应却可以产生智能这种十分复杂的现象，这正是物理中说的涌现性。所谓简单的东西堆在一起足够多，量变发生质变，突然之间产生了一个更加复杂和高级的现象，这种由于尺度跨越造成的飞跃性变化，物理学认为是自然界各种复杂的东西形成秘密之所在。
与神经网络最接近的物理模型是易辛模型。易辛模型说的是在一个网络里，每个单元都只受到自己邻居的影响。大家在一个集体里，每个个体都有与周围人连接并做类似行为的趋势，同时也受到各种随机性的影响来破坏这种趋同效应， 最终整个网络的状态是这两种力量平衡的结果。易辛模型解释了大规模宏观秩序是如何从自由散漫的群体中涌现的。
再从相变的角度看神经网络，我们可以理解很多我们常常百思不得其解的问题， 如我们是如何睡觉的，从醒着到睡觉，人脑会发生一个剧烈的变化， 这个变化其实跟物理里面水结冰的现象很像，是从自由的状态，到极为有序的状态。如果你观察从醒着到睡着的脑电波变化，你会发现波形变化过程与相变是非常相似。我们人类从睡眠，冥想，爱上一个人， 或许都可以看做这种大量神经单元在某种条件下从一个整体状态跳到另一个整体状态的相变。
多种多样的脑电波反应大脑的宏观状态
物理学角度对神经网络的贡献当然不止于相变和涌现性，更主要的贡献是非线性动力学。非线性动力学的方程式甚至精准的预测了神经细胞放电这个极为复杂的理化过程。对于神经网络的动力学解释主要基于物理的混沌理论，因为神经网络作为一个高维系统， 它的行为正好符合混沌的框架，你去扰动任何一个神经元，则产生的后果不可预料， 符合南美洲的蝴蝶扇扇翅膀引来北美的飓风这个比喻。
我们都知道生物的神经网络可以极为精准而稳定的决定动物的各种行为，这样一个混沌充满随机性，看似不可控的网络，是如何给出那么精准确定的行为的？ 这就与物理学中降维的思想暗自相通。高维度的网络系统在完成某个任务的时候，可以被化解到更低的维度里用动力学完全解释，这个过程暗自通向人工智能的核心，解释了为什么连接的不断进化会产生智慧。
最后我们从连接的信息学的角度来分析，神经网络这个东西就非常类似互联网，是整合各种信息的工具。我们人类进化出神经网络，是因为我们所面临的信息错综复杂，如何把不同的信息整合在一起， 判断谁是猎物、什么是天地、什么时候该走、什么时候该留，都事关生死，此时整合信息是第一要务。其分析方法可以用贝叶斯分析，把新增加的证据和之前形成的信念不停进行综合，来做当下的决断。要做这种综合，一要能够不停收集新的信息，二要储存和调用之前信息，三要根据前两者对未来做出预测并行动，最后要能够根据之前信息改变现有网络的状态，这三种分别对应感知，记忆，行为和学习，这正是物联网系统的基本特征，也是我基于物联网理论提出智慧物流的根本原因，目前的智慧物流也正沿着这一路径不断发展：通过物流系统的状态感知（感知）、实时分析（记忆）、精准执行（行为），进一步达到自主决策和学习提升（学习），让现代物流体系出现智慧。
想象一下，我们在人海中通过精准感知到一个美女信息，神经网络就会把之前的经验和现在感知的信息结合起来预测未来，如果你根据以往的经验美女难追，但是这一次美女特别热情，所以你就预测她和之前美女不同，根据这个预测你就进行有效的行动，并根据反馈进行学习，如果是失败了或者被骗了钱，那就加固你的信仰美女难追；如果成功了，你就会修改之前的信仰，存入美女也是可以追的信息。这样一个精美的框架不仅给生物神经网络的运转提供了天衣无缝的解释，而且也与机器学习里的统计学习理论不谋而合。用这个框架我们可以很好的推测大脑是如何把所谓视觉听觉嗅觉信号综合在一起的，我们为什么要思考要理解世界，我们为什么既关注过去也关注未来。
把这一原理应用于物流互联网系统，就可以完美解释智慧物流的智慧是如何产生的，也证明连接进化是推动智慧物流变革的根本原因，链接从智慧的人类和虚拟的网络延伸到线下物品，就让货物觉醒，让物流世界产生了智慧物流。
