分享内容简介

三条简单规则就能创造出变幻莫测的生命游戏；蚂蚁通过信息素的局部相互作用就能够找到从食物到巢穴的最短路径；阿米巴虫利用类似机制甚至能够设计出城市间不亚于人类设计的最优的交通输运网络；大型神经网络在提升参数量以后就可能产生意想不到的能力。所有这些现象都可以被称为涌现，这是复杂系统最重要、最神秘的现象之一。那么，究竟什么是涌现？涌现可以分成几种类型？涌现和因果是什么关系？我们又应该如何定量刻画涌现？又应该如何在数据中自动检测出涌现？

作为集智俱乐部因果涌现第三季读书会的第一次分享，我们将系统性地梳理这些概念包括：涌现、因果、因果涌现、涌现的分类、因果涌现的识别、涌现的探测、因果涌现，与隐空间机器学习、世界模型等人工智能算法之间的关系。

内容大纲

• 涌现、分类与因果

• 因果涌现与有效信息

• 因果涌现识别与人工智能

• 第三季读书会展望

核心概念

涌现

涌现分类

因果

因果涌现

因果涌现识别

涌现探测

主讲人简介

张江，北京师范大学系统科学学院教授，集智俱乐部、集智学园、集智科学研究中心的创始人，曾任腾讯研究院、华为战略研究院等特聘顾问。主要研究领域包括复杂系统分析与建模、规模理论等。

集智斑图个人主页：https://pattern.swarma.org/user/9

袁冰，集智科学研究中心技术与产品顾问。毕业于华中科技大学，研究兴趣包括因果推断、复杂科学，以及人工智能相关领域。曾于西门子，甲骨文，唯品会等公司研发部门任职。集智斑图个人主页：https://pattern.swarma.org/user/46173

直播信息

时间：2023年7月11日（本周二）晚19:00-21:00

扫码参与因果涌现读书会，加入群聊，获取系列读书会回看权限，加入因果涌现社区，与社区的一线科研工作者沟通交流，共同推动因果涌现这一前沿领域的发展。

参考文献

• Bedau, M. Downward causation and the autonomy of weak emergence. Principia: an international journal of epistemology 2002, 6, 5–50.

• Baas, N.A. Emergence, hierarchies, and hyperstructures. Artificial Life III, SFI Studies in the Science of Complexity, XVII 1994, pp. 515–537.

• Fromm, J. Types and forms of emergence. arXiv preprint nlin/0506028 2005.

  参看论文解读：涌现的种类与形式

• Hoel, E.P.; Albantakis, L.; Tononi, G. Quantifying causal emergence shows that macro can beat micro. Proceedings of the National Academy of Sciences 2013, 110, 19790–19795.

  参看论文解读：量化因果涌现表明：宏观可以战胜微观

• Klein, B.; Hoel, E. The emergence of informative higher scales in complex networks. Complexity 2020, 2020, 1–12.

• Comolatti, R.; Hoel, E. Causal emergence is widespread across measures of causation. arXiv preprint arXiv:2202.01854 2022.

  参看论文解读：Erik Hoel：因果涌现理论怎样连通复杂系统的宏观与微观

• Rosas, F.E.; Mediano, P.A.; Jensen, H.J.; Seth, A.K.; Barrett, A.B.; Carhart-Harris, R.L.; Bor, D.Reconciling emergences: An information-theoretic approach to identify causal emergence in multivariate data. PLoS computational biology 2020, 16, e1008289.

  参看论文解读：量化涌现：信息论方法识别多变量数据中的因果涌现

• Williams, P.L.; Beer, R.D. Nonnegative decomposition of multivariate information. arXiv preprint arXiv:1004.2515 2010.

  参看论文解读：互信息的“微积分”

• Zhang, J.; Liu, K. Neural information squeezer for causal emergence. Entropy 2022, 25, 26.

• Schölkopf, B.; Locatello, F.; Bauer, S.; Ke, N.R.; Kalchbrenner, N.; Goyal, A.; Bengio, Y. Toward causal representation learning. Proceedings of the IEEE 2021, 109, 612–634.

  参看论文解读：CausalML：如何将因果推断与机器学习结合？

• Beckers, S.; Eberhardt, F.; Halpern, J.Y. Approximate causal abstractions. In Proceedings of the Uncertainty in Artificial Intelligence. PMLR, 2020, pp. 606–615.

• Ha, D.; Schmidhuber, J. World models. arXiv preprint arXiv:1803.10122 2018.

• Yann Lecun: A Path Towards Autonomous Machine Intelligence, https://openreview.net/pdf?id=BZ5a1r-kVsf

自1956年“人工智能”诞生于达特茅斯会议以来，已经经历了从早期的以符号推理为主体的第一代人工智能，和以深度神经网络、机器学习为主体的第二代人工智能。ChatGPT的横空出世、生成式AI的普及、AI for Science等新领域的突破，标志着第三代人工智能的呼之欲出。可微分编程、神经微分方程、自监督学习、生成式模型、Transformer、基于图网络的学习与推理、因果表征与因果推断，基于世界模型的强化学习……，所有这些脱胎于前两代人工智能的技术要素很有可能将构成第三代人工智能的理论与技术的基础。

跨尺度、跨层次的涌现是复杂系统研究的关键问题，生命起源和意识起源这两座仰之弥高的大山是其代表。而因果涌现理论、机器学习重整化技术、信息论或信息分解等近年来新兴的理论与工具，有望破解复杂系统的涌现规律。而新兴的因果表征学习、量子因果等领域也将为因果涌现研究注入新鲜血液。

集智俱乐部因果涌现读书会目前已经进行了两季。第一季读书会系统地梳理了因果涌现的概念，以及它与Sloopy Model、复杂性阈值、自指等概念之间的联系，也探讨了因果涌现理论在复杂网络、机器学习中的应用。参看：因果涌现读书会启动：连接因果、涌现与自指——跨尺度动力学与因果规律的探索。第二季读书会探讨了涌现、因果科学和机器学习三大主题的融合，包括信息论拓展、因果涌现理论、因果表示学习、多尺度机器学习动力学建模。参看：因果、涌现与机器学习：因果涌现读书会第二季启动。

此次因果涌现读书会第三季，将进一步围绕因果涌现的核心问题「因果涌现的定义」以及「因果涌现的辨识」进行深入学习和讨论，对 Erik Hoel 提出的 Causal Emergence，Causal Geometry 等因果涌现的核心理论进行探讨和剖析，并详细梳理其中涉及到的方法论，包括从动力学约简、隐空间动力学学习等其他领域中学习和借鉴相关的研究思路，最后探讨因果涌现的应用，包括基于生物网络、脑网络或者涌现探测等问题展开扩展，发掘更多的实际应用场景。

因果涌现社区聚集了500+成员，积累了大量论文解读资料。欢迎感兴趣的朋友报名，加入因果涌现社区，并解锁对应录播权限。

本季读书会详情与报名方式请参考：

因果涌现读书会第三季启动：深入多尺度复杂系统核心，探索因果涌现理论应用