分享内容简介

在 Erik Hoel 首次提出因果涌现理论的论文里，已经列举了通过使用不同的粗粒化方式，如空间粗粒化、时间粗粒化以及时空粗粒化，对一些人为构建的简单系统都能产生因果涌现的例子。然而，真实系统往往很复杂而且也更为重要，从离散系统到连续系统，系统的节点规模动辄成千上万，系统的动力学也包括从周期到混沌等，同时真实系统中往往也包含很多噪音。因此，我们关心基于有效信息的因果涌现理论能否应用到这些复杂的真实系统中，降低系统的不确定性，从而识别出那些信息更加丰富的尺度。

作为集智俱乐部因果涌现第三季读书会的第二次分享，我们首先讲解复杂网络中的因果涌现，然后系统性地梳理因果涌现在各个领域的应用，包括：蛋白质交互、基因调控、蚁群任务分配等生物网络，元胞自动机以及 Rossler 系统等连续系统。

内容大纲

• 生物系统：包括蛋白质交互、基因调控以及蚁群的任务分配
• 元胞自动机

• Rossler系统

  
  

  
  

核心概念

• 有效信息
• 因果涌现与因果退化
• 复杂网络

• 粗粒化方法

主讲人简介

王志鹏，北京师范大学在读博士，师从张江教授，研究兴趣包括复杂系统多尺度建模、因果涌现以及图上的组合优化等。

直播信息

时间：2023年7月18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

1. Klein B., Hoel E.. The Emergence of Informative Higher Scales in Complex Networks. Complexity, 2020, 2020: 12.

2.Ross Griebenow, Brennan Klein, Erik Hoel. Finding the right scale of a network: Efficient identification of causal emergence through spectral clustering. arXiv:1908.07565, 2022.

参看解读文章：如何通过因果涌现找到复杂网络的合适尺度？

3.Klein Brennan. Evolution and emergence: higher order information structure in protein interactomes across the tree of life, 2021, 13(12): 283–294.

4.Hoel Erik, Levin Michael. Emergence of Informative Higher Scales in Biological Systems: A Computational Toolkit for Optimal Prediction and Control. Communicative & Integrative Biology, 2020, 13(1): 108–18.

5.Klein Brennan, Swain Anshuman, Byrum Travis, et al. Exploring Noise, Degeneracy and Determinism in Biological Networks with the Einet Package, 2022, 13(4): 799–804.

6.Anshuman Swain, Sara D. Williams, Louisa J. Di Felice, et al. Interactions and information: exploring task allocation in ant colonies using network analysis. animal behaviour, 2022, 189: 69-81.

7.Thomas F. Varley. Causal Emergence in Discrete and Continuous Dynamical Systems. arXiv:2003.13075, 2020.

图1. 生物系统中的宏微观建模

图2. 基因调控网络中的粗粒化

图3. Rossler 系统中确定性、简并性以及有效系数随着参数的变化

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

如何从一个复杂系统的原始数据中发现错综复杂的因果结构并识别因果涌现？如何利用因果机制推断系统未来的状态和演化？机器学习、互信息分解、因果推断等新兴技术将为我们提供新的解决方案。由北京师范大学系统科学学院张江教授、清华大学计算机科学学院崔鹏副教授、瑞典卡罗琳斯卡医学院高级研究员 Hector Zenil 合作在 Entropy 杂志发起的“因果与复杂系统”（Causality and Complex Systems）特刊正在征稿中，截止日期 2023年11月7日，欢迎对相关话题感兴趣的研究者投稿。

详情请见：张江、崔鹏 & Zenil 联合发起：Entropy 因果与复杂系统特刊征稿中