涌现:从简单规则到复杂世界电子书

扉页

内容提要

其他

序一

序二

前言

第一篇 生命中的涌现

第1章 随椋鸟飞行

1.1 灵活一致性

1.2 局部简单规则

1.3 破解真实鸟群

1.4 小结

参考文献

第2章 蚁群的智慧

2.1 蚂蚁社会

2.2 超级生物体

2.3 蚂蚁觅食

2.3.1 觅食实验

2.3.2 信息素与正反馈

2.3.3 模拟实验

2.4 蚁群的启发

参考文献

第3章 神奇的黏菌设计师

3.1 黏菌—阿米巴

3.2 黏菌路网规划实验

3.3 揭秘黏菌的涌现

3.3.1 收缩的管道

3.3.2 正反馈

3.3.3 黏菌模拟

3.4 黏菌“宠物”

参考文献

第4章 无中生有

4.1 什么是涌现

4.2 秩序的无中生有

4.3 度量涌现

4.3.1 无序和有序的度量——信息熵

4.3.2 涌现的量化

4.3.3 不足

4.4 涌现与计算机模拟

参考文献

第二篇 计算机程序中的涌现

第5章 模拟生灵

5.1 人工生命：Floy

5.1.1 运行Floy

5.1.2 Floy的规则

5.1.3 Floy带来的启发

5.2 群体运动的统一

5.2.1 作用区间

5.2.2 多种集体行为

5.2.3 小结

5.3 兰顿蚂蚁

5.3.1 规则

5.3.2 行为模式

5.3.3 神奇的“高速公路”

5.3.4 各种扩展

5.3.5 小结

参考文献

第6章 方格宇宙

6.1 神奇的生命游戏

6.1.1 游戏规则

6.1.2 斑图

6.1.3 更多神奇的结构

6.1.4 生命游戏的意义

6.2 基础元胞自动机

6.2.1 状态

6.2.2 邻域

6.2.3 规则

6.2.4 编码

6.2.5 执行规则

6.2.6 循环边界

6.2.7 运行

6.2.8 涌现就是一张运行图

6.3 元胞自动机分类

6.3.1 四种类型

6.3.2 信息扩散

6.4 小结

参考文献

第7章 计算宇宙

7.1 各式计算宇宙

7.1.1 图灵机

7.1.2 替代系统

7.1.3 正整数

7.2 计算宇宙之间的纽带

7.2.1 元胞自动机模拟图灵机

7.2.2 图灵机模拟元胞自动机

7.2.3 通用机器

7.2.4 寻找最小通用机器

7.3 两条重要原理

7.3.1 计算等价性原理

7.3.2 计算不可约原理

7.4 小结

参考文献

第8章 从人工神经网络到大语言模型

8.1 从设计到涌现

8.2 神经网络

8.2.1 神经元与神经网络

8.2.2 神经网络的学习能力

8.2.3 各式神经网络

8.3 大语言模型

8.3.1 何谓语言模型

8.3.2 预训练与微调

8.3.3 大则不同

8.3.4 提示词诱导的能力

8.3.5 上下文学习

8.3.6 思维链与复杂推理

8.3.7 测试阶段推理

8.4 涌现的人工智能

参考文献

第9章 大语言模型中的涌现

9.1 神经网络的顿悟

9.2 大语言模型的能力涌现

9.3 什么是涌现

9.4 渗流与相变

9.4.1 森林火灾模型

9.4.2 随机网络

9.4.3 相变与临界

9.5 大语言模型中的渗流

9.5.1 概念−特征二分图

9.5.2 二分图上的渗流相变

9.5.3 不足与展望

参考文献

第10章 混沌与秩序的边缘

10.1 兰顿的λ参数

10.2 再探四种类型的元胞自动机

10.2.1 混沌边缘的相变

10.2.2 复杂度的突变

10.3 扩展讨论

10.4 混沌边缘下的涌现

参考文献

第11章 自组织临界与程序进化

11.1 沙堆模型与自组织临界

11.1.1 沙堆模型

11.1.2 自组织临界

11.2 数字生命

11.2.1 生物进化

11.2.2 模拟生物进化

11.2.3 进化的Floy

11.2.4 Tierra

11.3 进化与涌现

11.4 程序世界的总结

参考文献

第三篇 人类群体中的涌现

第12章 人类的集体愚蠢

12.1 大规模拥挤与踩踏

12.1.1 大规模踩踏事件

12.1.2 大规模人群=流体？

12.1.3 如何避免群体踩踏

12.2 交通堵塞

12.3 乌合之众

12.4 为什么“万物灵长”会成为“乌合之众”

参考文献

第13章 人类的群体智能

13.1 群氓的智慧

13.1.1 集体乒乓球

13.1.2 上万人集体玩《原神》

13.1.3 百万用户的拼图

13.1.4 群氓的智慧的产生

13.2 群体智能与集体愚蠢

参考文献

第14章 协同的力量

14.1 整体与部分

14.1.1 整体不等于部分

14.1.2 整体大于部分之和

14.1.3 整体小于部分之和

14.2 协同是什么

14.2.1 时空同步

14.2.2 信息力

14.3 量化协同

14.3.1 互信息

14.3.2 互信息的分解

14.3.3 多个源变量与冗余晶格

14.4 小结

参考文献

第15章 人类组织中的群体智能

15.1 组织——从“红色”到“青色”

15.2 测量“集体智商”

15.2.1 麦格拉思任务环形图

15.2.2 影响“集体智商”的因素

15.2.3 决策流与评价流的对冲

15.2.4 多样性

15.2.5 协同涌现与团队表现

15.3 多样性、产出与增长

15.3.1 规模法则

15.3.2 协同与冗余的新度量

15.3.3 新度量方法的优缺点

15.4 组织层级的涌现

15.4.1 收益与成本

15.4.2 层级化组织

15.4.3 层级化组织的最优模型

15.4.4 对邓巴数比例的解释

15.5 小结

参考文献

第四篇 走进物理世界

第16章 超越协同

16.1 绳子上的波

16.2 钱塘潮

16.3 台风

16.4 木星大红斑

16.5 不仅是协同

16.5.1 新物理的涌现

16.5.2 热力学与统计物理学

16.5.3 真实还是虚拟

参考文献

第17章 走进数学世界

17.1 什么是动力系统

17.1.1 状态

17.1.2 动力学

17.1.3 演化

17.2 随机动力系统

17.3 马尔可夫链

17.3.1 状态转移图

17.3.2 状态分布、动力学与演化

17.3.3 如何得到马尔可夫链

17.3.4 与确定性动力系统的比较

17.4 小结

参考文献

第五篇 揭秘涌现

第18章 从现象到本质

18.1 涌现意味着什么

18.1.1 新奇性

18.1.2 自组织

18.1.3 去中心化

18.1.4 稳健性与适应性

18.1.5 超越设计

18.2 涌现的历史

18.2.1 整体先于部分

18.2.2 格式塔心理学

18.2.3 原始涌现主义

18.2.4 新涌现主义——复杂科学

18.2.5 涌现的量化研究

18.3 涌现的定义

18.3.1 不可归约性

18.3.2 不可预测性

18.3.3 融合思路

18.3.4 产生方式与行为表现

18.4 涌现的核心要素

18.4.1 尺度

18.4.2 观察者

18.4.3 斑图

18.4.4 因果

18.4.5 涌现的因果

18.4.6 综合

参考文献

第19章 涌现的分类

19.1 基于归因的分类

19.1.1 名义涌现

19.1.2 弱涌现

19.1.3 强涌现

19.1.4 小结

19.2 基于反馈的分类

19.2.1 简单涌现（不存在反馈）

19.2.2 弱涌现（存在反馈）

19.2.3 多重涌现（正负反馈并存）

19.2.4 强涌现（随附性）

19.2.5 小结

19.3 基于观察者的分类

19.3.1 发现

19.3.2 反思涌现

19.3.3 机械涌现

19.4 更多分类方式

参考文献

第20章 因果涌现

20.1 什么是因果涌现

20.2 布尔网络上的因果涌现

20.2.1 四节点的简单例子

20.2.2 有效信息

20.2.3 粗粒化

20.2.4 更多例子

20.2.5 小结

20.3 马尔可夫链上的因果涌现

20.3.1 有效信息

20.3.2 例子

20.3.3 如何计算

20.3.4 状态空间的粗粒化

20.3.5 状态转移图的粗粒化

20.3.6 因果涌现示例

20.3.7 有效性与有效性涌现

20.3.8 观察者效应与最大化有效信息

20.3.9 小结

20.4 复杂网络上的因果涌现

20.4.1 各种网络的有效信息

20.4.2 复杂网络的因果涌现

20.5 应用案例

20.5.1 基因调控网络

20.5.2 演化与涌现

20.5.3 蚁群互动网络

20.6 小结

参考文献

第21章 涌现的信息分解理论

21.1 量化因果涌现

21.1.1 赫尔等人框架中的一个问题

21.1.2 为什么要用信息分解

21.1.3 基于特有信息的定义

21.1.4 基于协同信息的定义

21.2 因果涌现的分解

21.2.1 整合信息分解

21.2.2 因果涌现的分解

21.2.3 因果解耦

21.2.4 向下因果

21.3 优势和不足

21.3.1 优势：不需要粗粒化方案

21.3.2 优势：能够清晰反映“整体大于部分之和”

21.3.3 优势：因果解耦和向下因果

21.3.4 不足：计算方法的缺失与不足

21.3.5 不足：信息分解理论存在缺陷

21.3.6 不足：与因果无关

21.4 两套理论的融合

21.4.1 因果涌现与信息分解

21.4.2 有效信息的分解

21.5 小结

参考文献

第22章 因果涌现与时间倒流

22.1 动力学与信道

22.1.1 香农的通信模型

22.1.2 动力学即信道

22.1.3 马尔可夫链

22.2 动力学可逆性

22.2.1 什么是动力学可逆性

22.2.2 近似动力学可逆性

22.2.3 近似动力学可逆性的本质

22.3 基于可逆性的因果涌现

22.3.1 动力学可逆性的涌现

22.3.2 更多讨论

参考文献

第23章 更多涌现理论

23.1 因果涌现2.0

23.1.1 更广泛的因果效应度量手段

23.1.2 微观—宏观路径

23.1.3 因果分配模式

23.1.4 涌现复杂度

23.2 闭圈理论

23.3 广义的涌现

23.3.1 对称性涌现理论

23.3.2 广义的秩序涌现

23.3.3 目标导向性的涌现

23.3.4 范畴论表述

23.4 小结

参考文献

第六篇 人工智能与涌现

第24章 复杂系统自动建模

24.1 科学智能

24.2 复杂科学与人工智能

24.3 复杂系统的数据驱动建模

24.4 动力学学习

24.4.1 回声状态网络

24.4.2 图神经网络

24.4.3 雾霾预报

24.5 网络重构

24.5.1 GGN

24.5.2 AIDD

24.5.3 动态图学习

24.6 小结

参考文献

第25章 从数据中发现涌现

25.1 因果涌现识别

25.1.1 输入

25.1.2 输出

25.2 NIS

25.2.1 预测世界的下一步

25.2.2 NIS的总体框架

25.2.3 编码器

25.2.4 解码器

25.2.5 动力学学习器

25.2.6 训练和学习

25.2.7 遍历q

25.2.8 实验结果

25.2.9 小结

25.2.10 信息通路与信息瓶颈

25.2.11 优势与不足

25.3 NIS+

25.3.1 数学！数学！数学！

25.3.2 NIS+框架

25.3.3 复杂的编码器

25.3.4 训练

25.3.5 实验结果

25.3.6 优势与不足

25.3.7 最大化有效信息原理

25.3.8 机器观察者

参考文献

第26章 计算力学——涌现研究的新范式

26.1 什么是计算力学

26.2 涌现的观察者视角

26.3 观察者智能体

26.3.1 0级模型

26.3.2 因果态

26.3.3 ε机

26.3.4 机器的升级

26.3.5 一个重构的实例

26.3.6 意义

26.4 复杂度

26.4.1 柯氏复杂度

26.4.2 统计复杂度

26.5 对比

26.5.1 与因果涌现的比较

26.5.2 与NIS系列的对比

26.6 小结

参考文献

第七篇 涌现理论的应用

第27章 因果涌现与意识之谜

27.1 唯物、唯心与涌现

27.2 意识的整合信息理论

27.2.1 多和一

27.2.2 Φ

27.2.3 示例

27.2.4 Φ和意识的关系

27.2.5 关于意识的六条公理

27.2.6 实验验证

27.2.7 批判

27.3 大脑中的因果涌现

27.3.1 实验与数据

27.3.2 因果涌现结果

27.3.3 涌现动力学

27.3.4 归因分析

27.4 大脑中的协同与冗余

27.5 意识与因果涌现

参考文献

第28章 生命活性的度量

28.1 背景

28.1.1 两种看似矛盾的能力

28.1.2 个体信息论

28.1.3 有效信息的重要性

28.2 定义活性

28.2.1 因果机制

28.2.2 有效信息

28.2.3 活性的度量

28.2.4 活性的分解

28.3 活性指标的应用

28.3.1 用活性指标刻画混沌边缘状态

28.3.2 布尔网络的活性

28.3.3 寻找最适应的基因组件

28.3.4 应用前景

参考文献

第29章 涌现计算

29.1 什么是涌现计算

29.2 基于仿生的涌现计算

29.2.1 从鸟群到粒子群的优化算法

29.2.2 蚂蚁觅食的优化算法

29.2.3 黏菌的涌现计算

29.2.4 小结

29.3 基于进化的涌现计算

29.4 可微分的元胞自动机

29.5 大模型加持的搜索

29.5.1 基础模型

29.5.2 生命程序的向量表示

29.5.3 搜索程序空间

29.5.4 量化涌现现象

29.6 涌现计算引发的思考

参考文献

第30章 涌现控制

30.1 什么是控制

30.1.1 控制的基本概念

30.1.2 控制问题的特别之处

30.2 复杂系统的控制

30.2.1 复杂的因果之网

30.2.2 找到那只“小蝴蝶”

30.2.3“小蝴蝶”与“大势能”

30.3 涌现控制理论

30.3.1 分布式涌现控制

30.3.2 基于涌现因果的涌现控制

30.4 研究案例

30.4.1 预判“大势”

30.4.2 寻找“蝴蝶”

30.4.3 复杂网络的可控性

30.4.4 四两拨千斤

30.4.5 自重构机器人

30.4.6 数据驱动的控制

30.4.7 强化学习与涌现控制

30.5 小结

参考文献

第31章 涌现设计

31.1 简单算法的非凡复杂性

31.1.1 复数迭代的神奇世界

31.1.2 L系统的非凡创造

31.1.3 元胞自动机音乐

31.1.4 集群动画

31.2 AI大模型的创造

31.2.1 生成式AI模型

31.2.2 深度梦境

31.3 交互式进化

31.3.1 盲眼的钟表匠

31.3.2 人脸的“进化”

31.3.3 与生成式AI结合

31.4 涌现与游戏

31.4.1 涌现与沉浸

31.4.2 面向游戏设计的人工智能

31.5 涌现设计的更多应用

31.5.1 教育领域的涌现设计

31.5.2 敏捷开发

31.5.3 建筑领域的涌现设计

参考文献

第32章 模拟真实社会

32.1 如何创造人工社会

32.1.1 市场的出现

32.1.2 价格的形成

32.2 涌现还是进化

32.2.1 社会分工及其进化

32.2.2 货币的涌现

32.3 网络游戏——大规模的真人模拟

32.3.1 虚拟世界中的疫情传播

32.3.2 人工市场中的不可预测性

32.3.3 测算网络游戏的GDP

32.4 基于大语言模型的社会学模拟

32.4.1 斯坦福小镇

32.4.2 人工“利维坦”

32.4.3 社会模拟器AgentSociety

32.4.4 宏观经济系统模拟器EconAgent

32.4.5 更全面的评估

32.5 小结

参考文献

第33章 人机协同与未来社会

33.1 AI会取代人类吗

33.1.1 奇点临近

33.1.2 被忽视的人机关系

33.1.3 人的意义

33.2 AI外衣

33.2.1 界面革命

33.2.2 AI智能体

33.2.3 智能体式AI

33.2.4 智能体之网

33.2.5 机器经济人

33.2.6“上帝视角”的优化

33.3 人机混合社会

33.3.1 人机社会学

33.3.2 从众包到游戏化

33.3.3 两种智能

33.3.4 注意力流视角

33.4 走近2050

33.4.1 地球生态系统

33.4.2 能量流和系统嵌套

33.4.3 具身智能与向下因果

33.4.4 自稳态调节与全球脑觉醒

参考文献

第八篇 终结

第34章 结语与展望

34.1 涌现

34.1.1 简单程序中的发现

34.1.2 协同就是整体大于部分之和

34.1.3 宏观超越微观

34.1.4 涌现认识小结

34.2 观察者与涌现

34.2.1 观察者效应能消除吗

34.2.2 因果涌现的双重含义

34.2.3 机器观察者

34.2.4 涌现是不是一种观察者效应

34.2.5 大语言模型中的涌现

34.3 因果

34.3.1 因果机制

34.3.2 因果力

34.3.3 因果力与可逆性

34.3.4 对称性的涌现与破缺

34.3.5 因果力与观察者

34.3.6 向下因果

34.3.7 自由意志

34.4 涌现理论与东方智慧

参考文献

附录A 冗余信息、特有信息和协同信息的计算方法

彩插