数字时代的信息通信技术革命性地改变了人与人之间相互连接与互动交流的方式，彻底改变了人们的生产与生活，带来了根本性的社会变迁，也带来了丰富的复杂多维的社会生活数据。然而，传统建模方法在处理复杂数据和动态变化时存在显著局限，难以应对社会问题数字化的挑战。相比之下，数字化推动了数据驱动的研究范式发展，现有的自动建模方法能够高效处理海量数据，捕捉其中非线性关系，并实时调整以应对环境变化，从而模拟复杂社会，推演系统本质规律，为社会治理提供更准确的分析与决策支持。
「复杂系统自动建模」读书会第二季第六期将由清华大学电子系助理研究员王寰东与清华大学电子系博士二年级学生朴景华共同以“复杂社会建模与推演：城市应急管理与智能信息传播”为主题进行分享。首先，王寰东将讨论人工智能驱动的城市模拟推演技术如何赋能城市应急管理；然后，朴景华将分享如何采用复杂自适应系统视角来建模“人-智”交互关系，理解推荐系统信息茧房涌现规律。读书会将于10月17日（本周四）19:30-21:30进行，欢迎感兴趣的朋友参与讨论交流！
Part 1 面向城市安全与应急的城市模拟推演
本次分享将讨论人工智能驱动的城市模拟推演技术如何赋能城市应急管理，解决现有范式的痛点问题。具体将分享一些代表性的对自然灾害等事件冲击下城市中人类行为与设施运行态势进行模拟推演的工作，介绍其原理和性能后，进一步讨论其在城市应急响应中起到的作用。最后将展望随着低空经济、智能体技术等的发展，这一范式进一步的发展方向。
Part 2 复杂自适应系统视角下的推荐系统信息茧房涌现规律
随着新一代信息与智能技术的迅猛发展，个性化推荐算法已成为当今公众获取信息的最重要途径。然而，技术是一把双刃剑。推荐算法在应对“信息过载”现象的同时，构建同质内容和意见的“信息茧房”，加剧社会两极分化和不平等现象。本次分享将分享如何采用复杂自适应系统视角来建模“人-智”交互关系，理解推荐系统信息茧房涌现规律，进一步将讨论如何推广至更多智能社会场景以及未来发展方向。
Part 1 面向城市安全与应急的城市模拟推演
相关方法：神经常微分方程、语言大模型决策扮演、强化学习
总结展望：大模型技术与城市模拟推演技术协同的城市应急响应
Part 2 复杂自适应系统视角下的推荐系统信息茧房涌现规律
总结展望：复杂自适应系统理论在智能社会场景中的应用
Part 1 面向城市安全与应急的城市模拟推演
神经常微分方程（Neural Ordinary Differential Equations, Neural ODEs）
大语言模型（Large Language Models, LLM）
强化学习（Reinforcement Learning, RL）
Part 2 复杂自适应系统视角下的推荐系统信息茧房涌现规律
复杂自适应系统 (Complex Adaptive Systems, CAS)
“人-智”交互（Human-AI Interaction）
信息茧房（Information Cocoons）
社会极化 (Social Polarization)
王寰东，博士，清华大学电子系助理研究员。长期从事数据挖掘、人工智能、城市模拟等方面的研究工作。在国际顶尖的学术期刊和会议发表论文总计60余篇，其中CCF-A类论文33篇，包括数据挖掘与人工智能领域的顶级学术期刊/会议KDD、WWW、UbiComp、AAAI等。申请或授权专利20余项，同时获得多项软件著作权，谷歌学术引用1700余次。以项目负责人的身份主持国家自然科学基金面上项目、国家重点研发计划子课题等研究项目，同时入选第七届中国科协青年人才托举工程。
朴景华，清华大学电子系博士二年级学生，研究兴趣为数据挖掘和复杂系统，旨在通过数据驱动和复杂系统的方法建模智能社会系统中的复杂交互与动力学过程。曾作为第一作者在自然-机器智能（Nature Machine Intelligence）等高水平综合性期刊发表论文，并在WWW、CHI、CSCW等CCF A类会议与期刊发表论文。
Part 1 面向城市安全与应急的城市模拟推演
Li, Jiahao, Huandong Wang, and Xinlei Chen. “Physics-informed Neural ODE for Post-disaster Mobility Recovery.” Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. 2024.
Mao, Jinzhu, et al. “Detecting vulnerable nodes in urban infrastructure interdependent network.” Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. 2023.
Li, Weiyu, et al. “A spatiotemporal decay model of human mobility when facing large-scale crises.” Proceedings of the National Academy of Sciences 119.33 (2022): e2203042119.
Part 2 复杂自适应系统视角下的推荐系统信息茧房涌现规律
Piao, Jinghua, et al. “Human–AI adaptive dynamics drives the emergence of information cocoons.” Nature Machine Intelligence 5.11 (2023): 1214-1224.
Liu, Jiazhen, et al. “Emergence of polarization in coevolving networks.” Physical Review Letters 130.3 (2023): 037401.
Gao, Chen, et al. “S3: Social-network Simulation System with Large Language Model-Empowered Agents.” arXiv preprint arXiv:2307.14984 (2023).
时间：2024年10月17日（本周四） 19:30-21:30
斑图链接：https://pattern.swarma.org/study_group_issue/790?from=wechat
扫码参与「复杂系统自动建模」读书会第二季，加入群聊，获取系列读书会回看权限，加入复杂系统自动建模/AI4Science社区，与社区的一线科研工作者沟通交流，共同推动复杂系统自动建模这一前沿领域的发展。
“复杂世界，简单规则”。
集智俱乐部联合复旦大学智能复杂体系实验室青年研究员朱群喜、浙江大学百人计划研究员李樵风、清华大学电子工程系数据科学与智能实验室博士后研究员丁璟韬、美国东北大学物理系Albert-László Barabási指导的博士后高婷婷、北京大学博雅博士后曹文祺、复旦大学数学科学学院应用数学方向博士研究生赵伯林、北京师范大学系统科学学院博士研究生牟牧云，共同发起「复杂系统自动建模」读书会第二季。
读书会将于9月5日起每周四晚上20:00-22:00进行，探讨四个核心模块：数据驱动的复杂系统建模、复杂网络结构推断、具有可解释性的复杂系统推断（动力学+网络结构）、应用-超材料设计和城市系统，通过重点讨论75篇经典、前沿的重要文献，从黑盒（数据驱动）到白盒（可解释性），逐步捕捉系统的“本质”规律，帮助大家更好的认识、理解、预测、控制、设计复杂系统，为相关领域的研究和应用提供洞见。欢迎感兴趣的朋友报名参与！
复杂系统自动建模读书会：从数据驱动到可解释性，探索系统内在规律｜内附75篇领域必读文献
