张江线下解读签售：《涌现：从简单规则到复杂世界》

导语

北师大系统科学教授、集智俱乐部与集智学园创始人张江的新作《涌现：从简单规则到复杂世界》，从自然、计算、社会、物理到人工智能，系统梳理涌现现象及其背后的理论与方法。10月7日下午张江教授将在集智谷进行本书的解读和签售。

关键词：涌现、复杂系统、因果涌现、信息论、人工智能、群体智能、机器观察者、系统科学

张江丨作者

集智谷10月7日新书线下签售

张江老师的新书《涌现：从简单规则到复杂世界》刚由人民邮电出版社出版。这本书要回答的是一个至今没有统一答案的问题：什么是涌现。它从鸟群、蚁群和黏菌讲起，经过元胞自动机和语言模型，再到人类社会的群体智能与集体愚蠢，最后落到因果涌现、机器观察者这些仍在推进中的研究方向。

十月七日下午两点，张江老师会在门头沟集智谷做一场现场解读。他会讲这本书是怎么搭起来的，也会讲“涌现”这个词被用了这么多年，为什么至今没有一个所有人都接受的答案，解读之后是签售活动。

前言

鸟儿如何聚集成群？蚂蚁如何集体觅食？阿米巴（amoeba）如何搭建“城市交通网络”？大语言模型（large language model，LLM）如何习得全新的能力？意识如何形成？生命如何起源？人类如何形成高效的组织？……所有这些问题都与一个重要的名词有关：涌现（emergence）。

究竟什么是涌现？很遗憾，迄今为止，科学界并没有给出统一的答案。更糟糕的是，“涌现” 一词在不同领域的文献中往往代表不同的含义，例如，整体大于部分之和、新奇性的出现、从无到有的突然出现、宏观超越微观、不可简化的复杂计算、混沌与秩序边缘的相变……可以说是五花八门，令人眼花缭乱。然而，尽管“涌现”的含义模糊不清，但它与生命、智能、意识、复杂性、因果、观察者等多种复杂系统的核心概念相连。因此，对“什么是涌现”这一问题的追问，有助于我们认清复杂系统的运作机制，甚至破解有关宇宙、生命、智能、意识等的重大谜题。

本书以“涌现”为题，介绍了丰富的案例，以展现不同形式的涌现现象，同时通过大量的文献引述，将不同学者对“什么是涌现”的探索尽可能全面地呈现给你。当然，其中也包含了我们自己研究组的成果和我自己的观点。本书的写作沿袭了我的一贯风格：以通俗易懂的案例和故事，诱导你一步步落入我的“理论深渊”。本书虽定位为科普书，但我并不想降低知识本身的难度来讨好读者。随着内容的展开，我会逐步将深入的理论思考和专业的数学、物理知识融入其中。我希望你能和我一起站在理论发展的前沿，对尚无定论的问题展开思考。

本书分为 8 篇，共 34 章。接下来，我会简要介绍各篇章内容。

在第一篇的前 3 章中，我将以 3 个生物系统的案例开启全书的“涌现之旅”。从椋鸟的聚集成群到蚂蚁的集体觅食，再到阿米巴的输运网络，你在惊叹于这些涌现现象的同时，也能认识到群体的智慧实际上与个体的能力毫无关系。相比较来说，个头最小的阿米巴所构成的黏菌（slime mold）反而展现出了最高的智慧——设计出了堪与人类城市路网媲美的输运网络。在第 4 章，我将给出对“什么是涌现”的第一种回答，即“秩序的无中生有”，并尝试用信息熵（information entropy）对涌现进行定量的刻画。尽管这种方式简单直接，存在诸多弊端，但它首次建立了涌现与信息论的联系。

在第二篇中，我将带你进入计算机程序的世界，这里有简单到极致的元胞自动机（cellular automata），也有功能强大的大语言模型。通过一组简单的规则，在计算机中模拟再现逼真的生命现象，例如仿佛一群苍蝇乱舞的 Floy 模型、通过调节参数就能复现从昆虫到鱼群的群体行为的考津模型（Couzin model），以及能够修建出神秘“高速公路”的“兰顿蚂蚁”（Langton’s ant，第 5 章）。在这些仿真模型里，你既省去了真实实验的高昂成本，又可以通过改变参数来操控涌现的过程。你甚至还可以通过编码遍历最简单的人造宇宙——元胞自动机（第 6 章），从而获得关于涌现现象的定性分类：固定值、周期、混沌与复杂。你甚至可以把简单程序本身当作研究对象，而忘掉信息和计算的含义——这就是斯蒂芬·沃尔弗拉姆（Stephen Wolfram）的《一种新科学》（A New Kind of Science）的独特探索方式（第 7 章）。然而，这种简化不仅没有忽略问题的本质，反而更容易让你看清楚：复杂的表现并不一定来源于复杂的规则，各种复杂类型的计算其实彼此等价，这背后存在“计算等价性原理”（Principle of Computational Equivalence）。即使面对最简单的元胞自动机（例如110 号基础元胞自动机），你也并不能绕开一步步的模拟而猜出它的计算结果，因为它的背后存在 “计算不可约原理”（Principle of Computational Irreducibility）的制约。

在程序世界中，简单性的反方向的极端就是功能强大的大语言模型。在梳理了人工智能的发展历史（第 8 章）后，我重点介绍了大语言模型中的涌现（第 9 章）——随着模型参数量的增长，大语言模型会突然具备原本不具备的能力。这种涌现现象与之前介绍的各类涌现都不相同，它更像是“森林火灾”模型或“随机网络”模型中的相变行为——随着系统中某个关键参数的连续变化，系统的整体行为会突然发生不连续的突变。由此，你可以将涌现行为与物理学中的临界相变（critical phase transition）现象联系起来。

除此之外，通过兰顿（Langton）的研究，你还可以获得关于涌现的另一个深刻洞察——涌现发生在混沌与秩序边缘的临界区域（第 10 章）。你可以通过调节某个关键参数，让系统中代表秩序的力量与代表混沌的力量巧妙地平衡到某种“临界”区域，于是，复杂的涌现现象就有可能源源不断地“冒出来”。然而，这种关键参数既不容易找到，又不太稳定，于是，一种能够自动调节参数，让系统始终平衡在混沌边缘临界态（critical state）的方式就变得尤为重要，这就引出了第 11 章介绍的重要概念——自组织临界（self-organized criticality）。我以一个非常简单的沙堆模型为例引入这一概念，而以人工进化系统 Tierra 为例展现自组织临界现象。通过基因突变和优胜劣汰，Tierra 在计算机中营造了一个模拟生态系统，并利用进化自动调节自己的参数，使得自己始终维持在混沌与秩序边缘的临界态，并源源不断地创造出丰富的涌现现象。

至此，本书完成了对程序世界中涌现现象的探索。这部分几乎涵盖了目前来自计算科学、人工智能（Artificial Intelligence，AI），以及统计物理等学科对于“什么是涌现”的最主要的观点。面对一个涌现现象，学者们试图构建一个模型，包括简单规则的计算模型或通过方程表达的数学模型，从而在计算机中再现涌现现象，并进一步通过摆弄模型来间接地考察涌现何时出现，何时消失。然而，这种研究方式也存在着难以与真实数据结合、难以提炼出普遍规律的弊端。

第三篇开始探讨人类组织。说来也奇怪，人类个体相比蚂蚁、椋鸟或阿米巴等生物个体来说，显然更有智慧，但是人类群体在很多场合表现出了人类的“集体愚蠢”（第 12 章）。堵塞的交通、疯狂的股票市场，以及大大小小的各类踩踏事件，都是人类集体愚蠢的典型案例。是不是群体的智慧必然会随着个体的能力增强而减弱呢？也不尽然。同样是人类群体，在一定规则的制约下，也可以发挥出了不起的“群体智能”（第 13 章），例如有趣的“集体乒乓球”游戏、万名玩家集体玩《原神》，以及百万网友集体创造的画作等。

那么，究竟什么时候群体能够展现出智能，什么时候又展现出愚蠢呢？第 14 章介绍了“信息分解”这一理论工具，并将群体智能和集体愚蠢对应到一个系统的协同信息（synergistic information）和冗余信息（redundant information）上面。所谓信息分解是信息理论的前沿分支，它通过拆分两个变量互信息（mutual information）的构成，用定量的方式刻画什么是“整体大于部分之和”。在第15 章中，我介绍了如何将信息分解工具用于刻画足球队的整体协调程度，并提出猜想：企业发展的规模法则的幂指数可以作为协同信息和冗余信息的近似刻画。尽管信息分解这一理论还很年轻，存在着诸多不足，但是它可能是定量涌现理论获得突破的发展方向之一。

第四篇仅包括两章内容，却构成了整本书的枢纽，起到了承上启下的作用。首先，第 16 章介绍了大量物理世界涌现现象的案例。波动、台风及木星上的大红斑等这一类涌现现象的共同之处就在于，它们都是诞生于宏观的集体运动模式，却似乎都展现出超越底层单元的因果规律和全新的物理法则。这意味着，涌现不仅仅是整体大于部分之和，它还有可能诞生全新的“宏观的物理规律”，这就为后续的因果涌现理论打下了基础。其次，为了对因果涌现（causal emergence）理论做更好的铺垫，第 17 章简要介绍了动力系统（dynamical system）和马尔可夫链（Markov chain）的基本知识。我通过各种图形和丰富的案例，让你轻松掌握马尔可夫链——一种在变化和随机中抓住确定性规律的重要数学工具。

第五篇是本书的核心，它从定性和定量的角度直击涌现的本质。首先，在第 18 章中，我沿着历史的顺序介绍人们对涌现这一概念的理解，特别是涌现究竟有哪些不同的含义，以及涌现有哪些核心要素。其次，在第 19 章中，我重点介绍人们对涌现概念的定性分类。这部分内容会让你建立对涌现更全面的认知。

在第 20 章中，我重点介绍了因果涌现理论，这是一套试图从因果效应度量的角度来定量刻画涌现的理论。简单概括，所谓因果涌现就是指复杂系统的宏观运动模式（pattern）产生了比微观更强的“因果力”（causal power），这种因果力的大小可以通过计算动力学的有效信息（effective information，EI）得到。在第 21 章中，我进一步介绍了基于信息分解的因果涌现理论，它使用协同信息来量化涌现，并把它进一步分解为“因果解耦”（causal decoupling）和“向下因果”（downwar causation）。这是文献中首次给出向下因果的一个定量刻画公式。所谓向下因果，就是指宏观的斑图（pattern）产生了直接操控底层的构成单元的因果力。而大脑之所以会产生自由意志，蚁群之所以可以形成“蚂蚁筏”而过河，乃至社会如何形成群体意识，都有可能和向下因果有关。然而，该套理论的问题在于，虽然协同信息和向下因果都可以被定义出来，但是没有一个实际可操作的计算方法。

紧接着，第 22 章介绍了我们组的研究成果：基于动力学可逆性的因果涌现理论。我们的理论不仅提供了一套快速计算因果涌现的方法，而且指出当因果变量给定的时候，它们彼此之间的因果效应强度实际上与因果动力学的可逆性（也就是时间反演对称性）密切相关，越强的因果效应意味着从因到果的映射越倾向于一个可逆的映射，这也就意味着构成这对因果的动力学机制更加偏向于是时间反演对称的。

将这一观点进一步拓展，第 23 章提出了广义涌现的概念，即如果一个系统经过适当的粗粒化（coarse graining），展现出了更强的对称性（可以包括时间反演对称性、旋转对称性、空间平移对称性等），则系统中便发生了广义的涌现现象。于是，复杂性的出现有可能是对称性破缺（symmetry breaking）的结果，而通过粗粒化操作，观察者便能从破缺后的复杂事物中恢复对称性，这便是广义的涌现现象。因此，涌现现象是和观察者密不可分的，当涌现发生的时候，正是观察者观察并提炼出全新的属性和因果力的时候。

然而，以这种基于观察者的方式讨论涌现问题往往会让理论深陷“客观性丧失”的困境。于是，本书在第六篇中提出了涌现研究的机器观察者范式——通过大量数据训练一个机器学习模型（机器观察者）作为真实复杂系统的替代，从而间接地研究涌现现象。

第 24 章介绍了复杂系统自动建模这一将人工智能与复杂系统建模紧密结合的新兴领域，它为机器观察者的创建奠定了基础。第 25 章则重点介绍我们组创建的两套具体的机器观察者，即 NIS和 NIS+ 模型。它们不仅可以以数据驱动的方式构建复杂系统的模型，还可以将训练好的人工神经网络当作观察者，完成对涌现现象的识别和判断。第 26 章重点介绍了物理学家詹姆斯·克拉奇菲尔德（James Crutchfield）的计算力学（computational mechanics），可以说他是首次提出涌现研究的机器观察者范式的学者，尽管他并没有使用这一名称。他的计算力学不仅涵盖了今天的表示学习和因果涌现等思想，而且还提出了统计复杂度（statistical complexity）这一重要概念，并指出序列的统计复杂度实际上与产生它的复杂系统是否处于混沌边缘密切相关。

总之，机器观察者这种涌现研究范式并不否认涌现的观察者效应，而是以机器观察者来替代人类观察者，从而通过一个客观的程序来完成观察操作，以避免涌现刻画的主观性问题。于是，某个涌现现象的产生便有可能被归结为机器观察者——一个训练好的人工神经网络——之中新的变量（对应着涌现的属性）或连边（对应着涌现的因果关系）的产生。这便从另一个角度回答了“为什么涌现现象与众不同”：因为涌现有可能并不独属于客观事物本身，而是有相当一部分是属于观察者的。

从第七篇开始，我将重点介绍涌现理论的潜在应用。然而，值得指出的是，由于涌现理论，特别是相关的定量研究处于刚刚起步的阶段，因此这里的应用仅仅是一种潜在的可能性，更多细节还有待未来进一步研究。

第 27 章介绍了如何将因果涌现应用于大脑的意识研究问题。首先，因果涌现与意识的整合信息理论（integrated information theory，IIT）密切相关。因果涌现的核心指标——有效信息就是由朱利奥·托诺尼（Giulio Tononi）在研究整合信息理论的时候提出来的。其次，意识现象本身其实就是一种特殊的因果涌现现象，这是因为大脑诞生意识的必要条件正是在宏观层面产生了不可归约的因果力。在这一章中，我们组将机器观察者 NIS+ 应用于小鼠大脑的脑电观测数据，并详细比较了小鼠处于清醒状态和麻醉状态，以及二者的过渡状态的区别。

第 28 章介绍了我们组如何将有效信息与信息分解理论相结合，将有效的系统与环境的协同信息用于刻画复杂生命系统的活性（flexibility）。我们发现，活性指标不仅能够刻画出不同元胞自动机处于混沌边缘的状态，还能够在一个较为复杂的布尔网络中识别出最具活性的子网络模体（motif）。

第 29 章到第 31 章分别介绍了三个相互关联的潜在应用领域，即涌现计算（emergent computing）、涌现控制（emergent control）和涌现设计（emergent design）。它们都在尝试将一个复杂系统宏观的涌现因果规律与人类的某种目的性联系起来，从而解决各种领域问题。涌现计算重在找到具体的微观规则，以达成宏观的涌现目标；涌现控制强调通过涌现的因果规律来达成目标的手段；涌现设计的目的则更加不明确，但是通过设定简单规则，或是与人工智能领域的生成式模型相结合，再通过进化计算（evolutionary computation）或脑机接口等手段获取反馈信息，可以实现很多有趣的艺术设计作品，包括绘画、音乐及游戏。

第 32 章介绍了如何将模拟涌现技术应用于社会学研究，即利用智能体（agent）模拟社会中的人，从而让它们在计算机中完成交互。我系统性地回顾了三种社会学模拟方法，包括早期的基于简单规则和进化计算的多智能体建模、以大规模在线游戏作为平台的真人社会学实验，以及利用大语言模型建模智能体的社会学仿真。这几种方法各有利弊，其目标都是更好地模拟真实的社会。

第 33 章探讨了未来人机协同社会的可能性。在这一章中，我首先评述了人工智能取代人类的说法。其次，我重点介绍了当前智能体发展的热点和未来趋势，包括智能体之网、机器经济人，以及“上帝视角”的优化等。再次，未来的社会将是一个人机混合的社会，如何让人与机器和谐地共处，并发挥各自的特长，是问题的关键。最后，我从注意力流和向下因果的视角，重新审视了地球生态系统、人类社会，以及以人工智能为代表的技术系统这三者之间的关系，并指出了让三大系统和谐共生的设想。

最后，在第八篇“终结”中，我对全文的观点进行了重述。同时，我对观察者、对称性、因果等具有争议性的问题再次展开了一定篇幅的讨论，并提出了我自己的观点。

总之，虽然本书未能就“什么是涌现”这一问题给出明确的答案，但是，它将人们对这一问题的研究现状和盘托出。因此，我希望这本书能成为关于涌现这一专门性话题的最全面的介绍资料之一。然而，回答“什么是涌现”仅仅是涌现研究的一个小小开端，更进一步地破解涌现之谜将关系着人们对生命、智能和意识等问题的理解，也关乎人类社会未来发展的命运。因此，我呼吁更多的年轻读者加入这一研究领域。

本书的写作历经近 3 年的时间，总体感受还是相当辛苦的。而我之所以能够坚持下来，和我周围的同事、朋友的支持与帮助密不可分。在此，我首先要特别感谢凯风公益基金会的资助，从 2017年开始，每年一次的集智 - 凯风研读营活动是激发本书的相关研究和写作的思想来源。其次，我要感谢我的创业合伙人张倩的大力支持和鼓励，她的协调统筹工作是本书能够在预期时间内完成的关键。再次，我要感谢刘凯威和潘琳莉同学帮助我绘制、搜集本书中的相关插图，特别是刘凯威同学为此付出了巨大的努力。最后，我要一并感谢刘凯威、吕奥博、牟牧云、潘琳莉、彭晨、荣英琪、 陶如意、王硕、王志鹏、徐然、杨明哲、杨卓然、袁冰、张章、郑鸿盛（依姓氏拼音首字母排序）阅读并审校本书。

因果涌现第七季——从理论到应用

在神经系统中意识的生成、城市交通的拥堵演化、全球产业系统的协同与失稳之中，始终潜藏着一条贯穿微观与宏观的因果脉络：个体行为本身或许简单，却能在尺度跃迁中孕育出高度组织化、难以还原的整体结构。复杂现象并非微观规则的线性叠加，而是源于多尺度动力学作用下逐步形成的因果组织。正是在这一背景下，因果涌现理论被提出，并在因果涌现 2.0、工程化涌现以及多尺度因果抽象等工作中推进，逐渐发展出一套融合动力学分析、信息论度量以及谱方法与人工智能工具的研究框架，从而将研究重心从“复杂性本身”转向“因果结构如何出现、如何被度量并在现实系统中发挥作用”。

为系统梳理因果涌现领域的最新进展，北京师范大学系统科学学院教授、集智俱乐部创始人张江老师领衔发起，组织对该主题感兴趣的研究者与探索者共同研读前沿文献、交流研究思路。读书会将于2026年2月22日起每周日上午（创建读书会暂定时间为10:00-22:00）线上开展，持续约10周，包含主讲分享与讨论交流，并提供会后视频回放，诚邀相关领域研究者及跨学科兴趣者参与。

详情请见：