2012年我们提出《论地理系统模拟基本模型》（GSBM）[1]论题时，感觉这些观点已经比较综合前沿了。经过几年的探究，我们团队基本解决了其中涉及的关键技术难点,包括GIS+CA+SD的地块单元级的深度融合、GIS+CA+SD+Agent及其规则优化等，实现了基本模型的研制和试用[2,3]。同时还延伸出另外的成果：多级空间系统动力学模型[4]和超参数优化的空间分析方法，这样的一个问题经过不断的优化和提升，已经达到可以进行区域地理系统模拟研究的决策支持了。但是，这样的想法已经被人工智能新浪潮盖过。

2016年AlphaGo的横空出世，让人工智能成为全世界科技界关注的热点。AlphaGo采用了很多新理论和新技术，在监督学习模式中向前推进了一大步。2017年AlphaGo Zero的再次“网红”，给人们带来了一个全新的思维视角。AlphaGo Zero已经不再采用监督学习，不再依靠人类的经验来进行学习，而是在简单的规则指引下开始没有人类参与的自我训练和学习，结果不仅发现了人类所有已经发现的定式，还发了人类没有发现的新定式。在这样的一个框架下，人工智能真正进入一个新阶段。这一新阶段，标志着人类的知识积累到一定程度会实现一个飞跃，这个飞跃就是从弱人工智能迈上了中人工智能，正在向强人工智能发展。

这样的研究曾经有关于元胞自动机（CA）的全样本研究成果。Worfram对元胞自动机的一维最简形式进行了更深入的研究，把一维CA的256中变化全部进行了计算，发现规则110从一个极度简单的确定性系统产生了无法预测的复杂行为[5]。后来有了《A new kind of science》[6]。

关于出Worfram和元胞自动机的故事的延伸阅读：

https://www.wired.com/2017/05/a-new-kind-of-science-a-15-year-view/ 

注：

[1]郑新奇.论地理系统模拟基本模型[J].自然杂志,2012, 34(3):143-149.

[2]Liu,D.,Zheng,X.,Wang,H.,Zhang,C.,Li,J.,Lv,Y.. Interoperable scenario simulation of land-use policy for Beijing–Tianjin–Hebei region, China[J].Land Use Policy,2018,75:155-165.

[3]Liu,D.,Zheng,X.,Zhang,C.,Wang,H..A new temporal–spatial dynamics method of simulating land-use change[J]. Ecological Modelling,2017,350:1–10.

[4]Qing Huang,Xinqi Zheng, Fei Liu, Yecui Hu, Yuqiang Zuo.Dynamic analysis method to open the “black box” of urban metabolism[J]Resources, Conservation & Recycling, 2018,139:377-386.

[5]Wolfram, S.Cellular automata as models of complexity[J]. Nature,1984,311:419-424.

[6]Wolfram, S.A new kind of science[M].Wolfram Media Inc,2002.