英國皇家學會特刊：從細胞到社會“涌現”的全景探索

導語

當大量相似實體在微觀尺度上彼此交互、并與環境持續耦合時，更高時空尺度上可能自發涌現出意想不到的宏觀結果。這一非平凡現象被稱為涌現（emergence），它貫穿物理、生物與社會等多元復雜系統，常與集體行為緊密關聯。

涌現無處不在：從非生命系統（如特定條件下同步振蕩的耦合振子），到生命系統（如鳥群集結、魚群游弋）；從分子自組裝到城市交通流，從神經同步到文化演化。

2022年，英國皇家學會（The Royal Society ）推出特刊，聚焦“涌現”這一復雜系統科學的核心命題。16篇論文橫跨物理、生物、神經、生態與社會系統，這些論文試圖回答：整體為何大于部分之和？其中三篇關于因果涌現的研究，已在因果涌現讀書會第七季中進行了詳細的解讀。本文則將對該特刊中的全部文章作一份系統性的概覽。

關鍵詞：涌現，因果關系

郭瑞東丨作者

鄭鴻盛丨審校

特刊名稱：Theme issue ‘Emergent phenomena in complex physical and socio-technical systems: from cells to societies’ compiled and edited by Oriol Artime and Manlio De Domenico 特刊鏈接：https://royalsocietypublishing.org/rsta/issue/380/2227 發表日期：2022年7月11日 發表期刊：The Royal Society

1. 從生命起源到疫情蔓延：

復雜系統中的涌現現象

論文標題：From the origin of life to pandemics: emergent phenomena in complex systems 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200410/112192/From-the-origin-of-life-to-pandemics-emergent

當大量相似個體在微觀尺度上彼此交互，并與環境持續耦合時，高時空尺度上可能會自發涌現出意想不到的結果。這一非平凡現象被稱為涌現（emergence），它貫穿物理、生物和社會等各類復雜系統，并常與集體行為密切相關。涌現幾乎無處不在：從非生命實體（如在特定條件下同步振蕩的振子）到生命系統（如鳥群集結或魚群游動）。盡管已有大量現象學證據表明系統確實存在涌現性質，但涌現研究中仍有核心理論問題尚未解決，例如：尚無被廣泛接受的嚴格定義，以及支持涌現的基本物理條件尚未明確。本文提供了涌現現象的總體概述，并勾勒了當前與未來研究中面臨的挑戰。

2. 系統與觀測者的涌現及算法信息動力學

論文標題：Emergence and algorithmic information dynamics of systems and observers 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200429/112149/Emergence-and-algorithmic-information-dynamics-of

當我們說某個宏觀現象“涌現”于微觀規則之上時，究竟是誰在判斷？對于足球比賽，對新手不過是無序的群體運動，對足球分析師來說卻可還原為簡單的局部交互規則。涌現的判定是否依賴于觀測者的知識邊界？

Abrah?o與Zenil的這篇論文，正是對這一元問題的形式化回應。作者將“觀測”定義為兩個動力系統之間的相互擾動（mutual perturbations）：觀測者系統讀取被觀測系統的狀態，同時其讀取行為本身也會反向擾動被觀測系統。在此框架下，他們用算法信息動力學（Algorithmic Information Dynamics, AID）量化“不可約信息”的生成過程，進而區分ODE（觀察者依賴的涌現 Observer-Dependent Emergence）及AOIE（觀察者無關的涌現Asymptotically Observer-Independent Emergence）。

該研究使用算法信息含量（Algorithmic Information Content, Iac）證明ODE類涌現性雖然依賴觀測者的形式理論，但對其他主觀因素（如編程語言選擇、測量誤差、信息處理成本）具有魯棒性。換言之，“誰在看”會影響是否看到涌現，但“怎么看”的技術細節不會。而當系統涌現產生的信息以無界且足夠快的速率增長時，任何有限形式理論最終都會失效。這時無論觀測者具有何種先驗信息，其公理系統都無法長期預測該系統行為，這就是AOIE。

3. 信息分解視角下的因果涌現綜述

論文標題：Greater than the parts: a review of the information decomposition approach to causal emergence 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20210246/112189/Greater-than-the-parts-a-review-of-the-information

該文基于部分信息分解（Partial Information Decomposition, PID），發現若某個宏觀變量 V 對系統未來狀態的預測能力，無法由其微觀組分的獨立信息線性疊加所解釋，則 V 具有“因果涌現性”。

例如在康威生命游戲（Conway's Game of Life）中的粒子碰撞事件，微觀上需追蹤數百細胞狀態，宏觀上僅需幾個“粒子參數”即可預測碰撞結果。PID分析顯示，宏觀描述在協同信息占比上顯著優于微觀，驗證了“粗?；稍鰪娨蚬ЯΑ薄４送?，鳥群模型（Vicsek Model）及人腦fMRI數據也可應用PID框架。該文在在因果涌現讀書會第七季進行了詳細解讀，具體可參考讀書會對相關內容的詳細講解。

4. 涌現即信息轉換：一個統一理論

論文標題：Emergence as the conversion of information: a unifying theory 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20210150/112156/Emergence-as-the-conversion-of-information-a

涌現的一大特征是“整體大于部分之和”，但當我們對系統進行粗?；╟oarse-graining）時，信息的特征是否會發生變化。這就像問：把一張高清照片縮小成縮略圖，丟失的只是像素細節，還是連“畫面意境”也一起丟掉了？

該研究使用信息論中的部分信息分解（PID）框架，將多個變量對目標的預測貢獻拆成冗余信息（Redundancy），獨特信息（Uniqueness）和協同信息（Synergy）三類。而粗?；赡馨盐⒂^尺度的冗余信息，“轉化”為宏觀尺度的協同信息。粗?；屜到y呈現出微觀層面看不見的因果結構。這就像站在山頂看城市：你看不清每輛車的牌照，卻能一眼認出交通流的瓶頸與脈絡。

圖1：宏觀，微觀及介觀下的系統

該研究指出，觀察復雜系統的最優尺度，可能是協同信息密度最高的那個。不是越細越好，也不是越粗越省，而是“剛剛好能捕捉功能”（圖1）。微觀規則當然重要，但宏觀表征并非“次等近似”——當協同信息在高層涌現時，宏觀變量就獲得了微觀描述所不具備的因果效力?？茖W理論作為宏觀尺度模型，一般會涉及將冗余信息轉換為協同和獨特的信息。使這種宏尺度對于實驗者來說，不僅在信息壓縮程度上，而且在實驗設計上都具有用處。

5. 功能信息如何從“關聯”中涌現？

論文標題：Emergence of functional information from multivariate correlations 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20210250/112234/Emergence-of-functional-information-from

“功能信息”一詞是指在特定環境中預測符號序列功能所必需且足夠的信息。通常，該序列可以是核酸或氨基酸，但也可以是神經元放電的序列，甚至是特定字母表中字母的串。這些符號序列的功能，究竟如何量化？傳統的方法是看在所有可能序列中，能達到功能閾值θ的序列占比F的負對數。但信息是集合屬性，無法賦予單個序列。我們無法回答“這條特定DNA序列的功能強度是多少”。

該研究提出一種模型無關的評估方法，適用于任意字母表的符號序列，包括（但不限于）神經元脈沖序列、核酸序列或氨基酸序列。該方法僅基于訓練集的多變量相關性，即可為任意單個序列計算“信息評分”或“能量評分”，并據此預測其功能水平。該方法可用訓練集的統計結構，為未見序列賦予可解釋的功能評分。這意味著功能信息并非“突然出現”，而是隨相關性階數提升逐步收斂，模型復雜度需與數據量匹配，小樣本時高階模型易過擬合意味著此時不存在真實的功能涌現，這為“涌現的連續性”提供實證支撐。

6. 熱力學第二定律的“升級版”：

當復雜系統有了“依賴約束”

論文標題：Strengthened second law for multi-dimensional systems coupled to multiple thermodynamic reservoirs 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200428/112176/Strengthened-second-law-for-multi-dimensional

經典熱力學第二定律告訴我們：任何馬爾可夫過程的熵產生（entropy production, EP）非負。而該研究指出當我們對系統的動力學結構擁有先驗知識時，第二定律可以被“強化”——熵產生的下界可以比零更高，且這個新下界僅依賴于系統的依賴約束（dependency constraints）與初末態分布。

該研究定義了一個新的信息泛函——in-ex信息（in-ex information），衡量“在給定依賴約束下，系統狀態中不可被局部動力學解釋的協同結構”。對于滿足依賴約束的任意馬爾可夫過程，強化的熱力學第二定律（SSL）規定熵產生滿足

SSL適用于無熱力學解釋的馬爾可夫模型（如經濟網絡、意見動力學），極大拓展了熱力學第二定律的應用邊界。在麥克斯韋妖場景中，若“測量-反饋”回路存在依賴約束（如記憶子系統只能讀取特定傳感器），SSL可給出更緊的可提取功上界，此時結構性約束會“消耗”一部分信息增益，降低熱力學收益。

在生態或文化演化模型中，若某一物種的適應度更新只依賴鄰居物種，SSL可量化網絡拓撲如何約束整體不可逆性，這為“結構-功能-熱力學”的跨尺度關聯提供了新工具。傳統隨機熱力學處理“單向影響”（如A影響B但B不影響A）時需近似，SSL則可給出精確估計，非互惠相互作用的精確分析為活性物質、神經網絡等非平衡系統提供嚴格框架。

SSL指出，當我們知道“誰可以影響誰”時，我們能更緊地約束其不可逆性。這相當于在“信息-熱力學”的交叉地帶，為“結構知識如何轉化為熱力學約束”提供了精確的數學表述。

7. 量子多體系統中的自相似糾纏

論文標題：Emergent entanglement structures and self-similarity in quantum spin chains 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200421/112225/Emergent-entanglement-structures-and-self

多體量子系統的狀態空間隨粒子數指數增長，這既是量子計算的優勢，也是理論分析的困境。傳統方法（如關聯函數、糾纏熵）往往依賴平移對稱性或特定序參量，難以刻畫非均勻、非局域的糾纏組織模式。

該研究將每個量子比特當作“社交個體”，把它們之間的糾纏強度當作“關系親密度”，能否用社交網絡分析的工具，發現量子態中隱藏的“社群結構”？

作者將三類復雜網絡分析方法（社區檢測，度分布分析及自相似性檢驗）遷移至量子場景，社區檢測發現自旋自發聚集成空間局域的糾纏模塊，當系統趨近臨界點時，糾纏網絡的模塊度（modularity）出現劇烈漲落，而社區劃分結果對微小參數擾動高度敏感，呈現“拓撲相變”特征。

對糾纏鄰接矩陣進行重排后，發現塊狀重復模式：大尺度社區內部嵌套著結構相似的小尺度子社區。這種自相似性在熱力學極限下保持，且周期與系統尺寸呈有理數關系。研究發現量子態的自相似拓撲指紋為“量子臨界性是否具有分形結構”提供了支持證據。

該研究的方法，將量子力學中抽象的希爾伯特空間，翻譯成直觀的圖論結構；把難以捉摸的多體關聯，轉化為可計算、可可視化、可干預的網絡指標，用圖論語言解剖糾纏的“拓撲語法”。

8. 原始代謝：非平衡態化學中的“能量引擎”

論文標題：Protometabolism as out-of-equilibrium chemistry 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200423/112217/Protometabolism-as-out-of-equilibrium

這篇觀點文章質疑大量關于生命起源的研究聚焦于非酶促反應能否合成現代代謝的中間產物（如糖酵解、檸檬酸循環的分子），卻忽視了代謝的本質是能量流的定向耗散與耦合。這相當于研究煤炭燃燒產生的分子，而非能量如何驅動活塞運動，無法理解火車為何能跑。

圖2：早期生命創新時間線的比較

相比圖2a熱液噴口場景中能量與物質通過多孔巖石中的恒定能量和物質流，維持前生物代謝類似物。隨著時間推移，系統逐漸演化，生成生物聚合物和其他分子機器。最終發生“逃逸事件”（escape event），導致這些分子系統被脂質囊泡包裹。

而作者推崇的圖2b，生命的基本構建模塊（如核苷酸、氨基酸）在地表環境中通過獨立化學反應積累。這些構建模塊優先在脂質囊泡內組裝，囊泡提供了空間隔離，施加了選擇性壓力導致由內部化學支撐的原始細胞出現，而原始代謝系統在原始細胞形成之后才出現。

該研究指出生命起源，人工生命的研究，與其關注哪些分子能合成，需要考察“何種反應拓撲能在持續能源下維持動態穩態”，因為原始代謝的“涌現”，可能始于某種前生物化學系統偶然實現了類似的能量耦合拓撲，而非先有完整反應網絡，同時能量來源的多樣性要求我們放棄“單一場景”思維，轉而關注“何種化學拓撲能在多種能源下維持耗散”。

自催化網絡：生命的“分子化石”

論文標題：Small-molecule autocatalytic networks are universal metabolic fossils 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20210244/112169/Small-molecule-autocatalytic-networks-are

生命起源面臨“先有雞還是先有蛋”的問題？考夫曼曾提出自催化假說，指出在遺傳系統出現之前，小分子集體自催化網絡可能已經實現了“分子層面的自我維持”。這類網絡中，每個反應都被網絡內某個分子催化，所有分子都可從外部“食物”合成——形成閉合的因果循環。

該研究用RAF（Reflexively Autocatalytic Food-generated network）掃描原核代謝網。RAF需滿足自催化性（網絡中每個反應至少被一個網絡內分子催化）及食物生成性（所有網絡分子可從外部“食物集”經網絡反應合成）。例如

若A+B→C被D催化，而D可由A+E→D合成，且A、E來自食物集，則{A,B,C,D,E}構成RAF子網絡。

研究掃描了6683個原核生物的代謝組，發現每一個生物都包含至少一個RAF，這意味著自催化是代謝的“普遍語法”。300個最常見RAF反應出現于2732個原核生物中，這些RAF中的反應多具有化學自發性或礦物催化可行性，符合前生物狀態下的合理需求。該研究系統性的證實了自催化猜想，指出自催化網絡不是特例，而是原核代謝的普遍嵌入結構，支持“代謝優先”假說的普適性。

RAF分析還以為人工生命的設計提供指導。通過預測哪些小分子組合最可能自發形成自催化循環，在試管中重現生命前的自催化網絡。在天體生物學中，RAF可作為非遺傳生命的檢測指標，用以評估地外原始生命。合成生物學可用RAF提供“功能閉合”的拓撲藍圖設計最小自維持化學系統。

10. 復雜分子功能，可以“簡單涌現”

論文標題：The simple emergence of complex molecular function 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200422/112157/The-simple-emergence-of-complex-molecular

傳統分子進化觀認為：功能序列之間必須存在“修飾-遺傳”的連續譜系。但Manrubia的這篇研究指出復雜分子功能可以相對容易地de novo（從頭）涌現，無需漫長的漸進優化。

以RNA為例，序列到二級結構的映射呈現對數正態分布，極少數“熱門”結構（如莖環、發夾）被海量序列映射，絕大多數結構僅由極少數序列實現，對進化“不可見”。隨機聚合的RNA鏈，默認就會折疊成少數幾種簡單結構，其中一些恰好具備連接、切割等原始催化活性。序列、結構、功能的映射關系的高度冗余，使得“試錯”成本極低。

分子生態競爭 + 自然選擇，能從隨機序列中篩選并強化有用功能，這些功能模塊再通過重組、水平基因轉移及靈活聯盟實現層級躍遷，只要生態位空缺，de novo涌現就可能發生。復雜功能不必來自“單一分子的漸進優化”，而可通過模塊的組合探索實現。這為理解病毒、轉座子、甚至de novo基因的起源提供了統一框架。

文中寫道：進化在如此長的時間尺度上運作，以至于即使對現在進行的詳細觀測也難以發現足以指導我們對可能的復雜分子組織多樣性以及對潛在其機制的直覺認識。進化路徑常常被忽視，因為我們從未認為它們是可能的，也從未尋找過它們的產物。但進化是如此強大。它會以非常通用的方式使用任何可用、低成本且建設性的機制。 它利用了從表型冗余到基因組合的任何東西。當所有這些元素都被考慮在內時，一個困難的問題是想象一個沒有分子復雜性的世界。一旦各種部件到位，自發的協作組合可以產生新的復雜程度。

11. 腦狀態的動力學地圖：

從全腦建模到意識譜系

論文標題：Understanding brain states across spacetime informed by whole-brain modelling 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20210247/112240/Understanding-brain-states-across-spacetime

大腦如何在穩定與靈活之間取得平衡？該研究給出的回答是健康腦功能的本質，是在時空維度上維持“有序”與“無序”的動態平衡，即足夠穩定以支持連貫認知，又足夠靈活以響應環境變化。

圖3：全腦建模框架：從結構連接組到涌現的腦狀態

該研究基于結構連接組（Structural Connectome），節點動力學（Local Dynamics）及耦合機制（Global Coupling），整合多尺度指標刻畫腦狀態，這些指標可跨模態（fMRI/MEG/EEG）、跨狀態（清醒/麻醉/疾病）比較，為“意識譜系”提供統一度量。具體可通過非侵入性成像和全腦建模來實現，這些成像和建?？梢杂成浜湍M大腦豐富的空間-時間動力學。

人們假設最佳清醒狀態具有持續的穩定性，同時有利于靈活的重新組織。 研究考察了不同狀態下的腦的意識譜系特征。結果發現致幻劑可能通過降低全局耦合強度或擾動局部動力學參數，使神經系統從“深吸引子”轉向“淺景觀”，從而擴大可訪問狀態空間。抑郁可能是全局耦合過強或局部噪聲過低，導致系統“卡”在少數高穩定性吸引子中，難以響應外部擾動。

該研究指出涌現視角下，應當關注全腦網絡的時空協同模式如何偏離最優平衡，而不是孤立看待某個腦區的“異常”，理解腦狀態需要追蹤其動力學演化。若抑郁是“耦合過強”，致幻是“耦合過弱”，那么治療策略可聚焦于精準調控全局/局部動力學參數，而非單純抑制/激活特定區域。

12. 臨界邊緣的“延展性”

如何塑造腦網絡的靈活與穩健

論文標題：The broad edge of synchronization: Griffiths effects and collective phenomena in brain networks 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200424/112210/The-broad-edge-of-synchronization-Griffiths

該研究指出大腦無需“精確調諧”到臨界點，即異質網絡中的局部臨界區域耦合，就可自發產生“延展臨界性”（Griffiths phase）。在這種狀態下，高連接度/高興奮性子圖率先達到局部同步形成“活性島”，在亞臨界全局參數下即可激發。異質分布的網絡會導致某些區域具有極端參數值，而這些“稀有區域”可長時間維持亞穩態活動。同時局部簇通過弱連接相互激發，產生長時程、長程關聯的“級聯響應”。這三點讓臨界行為從“一個點”擴展為“一片區域”。這意味著生物系統就無需在參數空間中走鋼絲，在噪聲、發育、學習等擾動下維持臨界性帶來的，在認知上平衡穩定性與敏感性。

從方法論上，該研究提供的策略可用于探索功能和瞬時同步的新興集體可變性問題。它包括考慮單個節點（通過底層網絡連接耦合在一起）的神經活動的簡單結構網絡和最小動力學模型，其目標是系統地檢查同步水平隨時間和網絡尺度的可變性，以及它如何取決于結構和動力學的兩個關鍵特征。這種以模型為導向的系統方法將有助于揭示維持實際大腦功能的豐富集體動力學模式，彌合結構與動力學涌現的高級功能之間的差距。

13. 時滯如何重塑生態穩定性？

論文標題：Effect of delay on the emergent stability patterns in generalized Lotka–Volterra ecological dynamics 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20210245/112177/Effect-of-delay-on-the-emergent-stability-patterns

在生態學理論模型中，捕食、競爭、繁殖等生態過程是瞬時響應的。但真實世界中，捕食者消化獵物需要時間；植物對氣候變化的生理響應存在滯后；種群密度反饋調節依賴代際傳遞。該研究考察存在時滯（time delay）時，生態系統會是怎樣。

研究發現時滯過長會破壞負反饋的“糾偏”能力，使系統從“阻尼回歸”轉為“持續振蕩”。同時時滯會帶來系統具有歷史依賴性，使系統當前狀態不僅取決于當前輸入，還“記憶”過去軌跡。這意味著遲滯現象（hysteresis）與初值敏感，即微小初始差異可能導致長期行為分岔。對應到現實中，這體現在生態系統可能在“看似安全”的參數下，因時滯記憶效應突然崩潰。

時滯不僅還能改變生態系統整體的拓撲結構，為系統動力學增添了“時間維度”的拓撲自由度，使穩定性分析從“標量判據”升級為“譜幾何”問題。在這種場景下，時滯既可通過相位抵消抑制共振而使生態系統穩定，也可通過反饋錯位放大波動使系統失穩，效果取決于網絡拓撲與時滯分布的匹配關系。這使得生態研究者需要量化“穩定區域在參數空間中的占比”與“臨界時滯的分布寬度”，為生態風險評估提供連續譜指標，而時滯差異通過網絡傳播，涌現為群落尺度的振蕩同步/去同步模式，可為“時滯-空間格局”關聯提供機制解釋。

14. 合作的遍歷性解：

當“自利”遇見“不確定性”

論文標題：The ergodicity solution of the cooperation puzzle 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200425/112185/The-ergodicity-solution-of-the-cooperation

當兩個實體通過共享資源進行合作時，一方將某種有價值的東西讓渡給另一方。這種表面上的利他行為在自然界中普遍存在。為什么？對此，之前理論給出的解釋是親緣選擇或互惠利他。而如果移除所有這些“特殊條件”，合作是否仍可能從純粹的“自利”中涌現？

對此，該研究采用幾何布朗運動（Geometric Brownian Motion, GBM）作為資源增長的“零模型”?？疾旆潜闅v性下的資源共享如何改變增長合作網絡的動力學。結果顯示合作是“自利”在不確定性下的最優策略。一旦部分個體開始合作，其增長優勢會隨時間放大，這是由于資源增長需具有乘性（multiplicative），即“富者更易富”，這意味著在演化博弈框架下，合作策略可自發擴散，無需外部獎勵或懲罰機制。

該研究不再依賴“利他偏好”或“社會規范”等心理假設，而是從不確定性下的增長優化推導出合作帶來的進化優勢。證明個體層面的隨機波動，可通過遍歷性分析轉化為群體層面的策略選擇，為“微觀-宏觀”橋接提供新工具。研究中用到的框架可無縫遷移至生態學（種群動態）、經濟學（財富分配）、流行病學（病毒傳播）等領域，促進“合作”概念的普適化理解。

15. 社會規范的“涌現”與“變遷”

論文標題：A research agenda for the study of social norm change 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200411/112152/A-research-agenda-for-the-study-of-social-norm

面對氣候變化、疫苗猶豫、公共衛生等集體行動困境，政策制定者常寄希望于“改變社會規范”。然而該綜述指出如果我們連“什么是社會規范”“如何測量其因果效應”“變遷的臨界條件是什么”都無法精確回答，那么“用規范解決規范問題”就只是循環論證。對此該文指出社會規范既可促進合作，也可固化有害行為——理解其邊界，比盲目推崇更重要。

文中采用Bicchieri (2006) 的對社會規范的操作化定義，將社會規范視為個體因社會期望而遵守的行為規則，其依從性條件于經驗期望和規范期望。社會規范的“涌現”，本質上是個體期望通過互動達成協調的集體結果。文中提出研究社會規范時，需要使用實證校準的計算模型，納入文化異質性。對于臨界點，現有臨界點模型多針對“慣例”（僅需經驗期望），對真正社會規范（需規范期望+制裁）的適用性仍需驗證。

16. 人機文化傳承中的混合社會學習

論文標題：Hybrid social learning in human-algorithm cultural transmission 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200426/112206/Hybrid-social-learning-in-human-algorithm-cultural

當算法展現出與人類互補的問題解決策略，例如AlphaGo在與李世石的棋局中走出人類從未想過的第37手這種“異質性智慧”能否通過社會學習融入人類文化，并產生持久的性能提升？

該研究采用Huys等人(2012)的經典任務變體，通過大規模行為研究和基于主體的模擬，發現人類從機器中的學習確實在發生，而算法的“反直覺策略”確實幫人類跳出了局部最優。即使控制獎勵大小，算法方案的復制率仍顯著低于人類方案，人類傾向于復制“符合自身認知偏好”的策略，而非“客觀更優”的策略。若希望算法智慧被人類長期采納，需提升方案的可解釋性；增加接觸頻率并設計“認知橋接”界面。

算法可短期提升人類表現，但若方案不符合人類認知偏好，可能無法融入文化演化——這解釋了為何許多“AI建議”被用戶忽略。相比“來源偏好”（是否信任算法），“方案特征偏好”（是否符合直覺）可能是混合學習成敗的更深層決定因素。作者推測一個能夠傳達解決方案背后推理的算法可能會復制得更快，并且允許人類玩家更好地批判性地評估他們現有的信念。

17. 不同風險感知下保護行為的涌現動力學

論文標題：Emergence of protective behaviour under different risk perceptions to disease spreading 論文鏈接：https://royalsocietypublishing.org/rsta/article/380/2227/20200412/112230/Emergence-of-protective-behaviour-under-different

面對同一場疫情，為何個體行為差異如此之大？是信息不對稱、認知偏差，還是理性計算的必然結果？對此該文的回答是當謹慎者比例超過臨界值時，系統可自發實現行為群體免疫，而搭便車者演化博弈的均衡策略——理解其動力學條件，比道德譴責更有效。而風險溝通存在“臨界劑量”——低于閾值無效，超過閾值可能引發“恐慌性過度防護”，最優策略是精準抵達臨界點。

該研究不再將人群簡化為“平均個體”，而是顯式建模風險感知的分布結構，使模型更貼合真實社會的認知多樣性。研究證明了防護行為不僅受疫情驅動，也反過來重塑疫情軌跡。這種雙向耦合可產生振蕩、滯后、多穩態等復雜動力學。研究指出當種群規模不相等時，只要受關注的個體所占比例大于某個閾值，就可以通過群體免疫來對抗危險的個體。但當存在否認（疫情）的少數群體時很難應對疫情，因為他們在相關多數群體創造的群體免疫中可能會找到虛假的安全感。這種影響的危險在于潛在的危險行為傳播。

因果涌現第七季——從理論到應用

在神經系統中意識的生成、城市交通的擁堵演化、全球產業系統的協同與失穩之中，始終潛藏著一條貫穿微觀與宏觀的因果脈絡：個體行為本身或許簡單，卻能在尺度躍遷中孕育出高度組織化、難以還原的整體結構。復雜現象并非微觀規則的線性疊加，而是源于多尺度動力學作用下逐步形成的因果組織。正是在這一背景下，因果涌現理論被提出，并在因果涌現 2.0、工程化涌現以及多尺度因果抽象等工作中推進，逐漸發展出一套融合動力學分析、信息論度量以及譜方法與人工智能工具的研究框架，從而將研究重心從“復雜性本身”轉向“因果結構如何出現、如何被度量并在現實系統中發揮作用”。

為系統梳理因果涌現領域的最新進展，北京師范大學系統科學學院教授、集智俱樂部創始人張江老師領銜發起，組織對該主題感興趣的研究者與探索者共同研讀前沿文獻、交流研究思路。讀書會將于2026年2月22日起每周日上午（創建讀書會暫定時間為10:00-22:00）線上開展，持續約10周，包含主講分享與討論交流，并提供會后視頻回放，誠邀相關領域研究者及跨學科興趣者參與。

詳情請見：

1.

2.

3.

4.

5.

6.

7.