导语
当大量相似实体在微观尺度上彼此交互、并与环境持续耦合时，更高时空尺度上可能自发涌现出意想不到的宏观结果。这一非平凡现象被称为涌现（emergence），它贯穿物理、生物与社会等多元复杂系统，常与集体行为紧密关联。
涌现无处不在：从非生命系统（如特定条件下同步振荡的耦合振子），到生命系统（如鸟群集结、鱼群游弋）；从分子自组装到城市交通流，从神经同步到文化演化。
2022年，英国皇家学会（The Royal Society ）推出特刊，聚焦"涌现"这一复杂系统科学的核心命题。16篇论文横跨物理、生物、神经、生态与社会系统，这些论文试图回答：整体为何大于部分之和？其中三篇关于因果涌现的研究，已在因果涌现读书会第七季中进行了详细的解读。本文则将对该特刊中的全部文章作一份系统性的概览。
关键词：涌现，因果关系
郭瑞东丨作者
郑鸿盛丨审校
特刊名称：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
特刊链接：https://royalsocietypublishing.org/rsta/issue/380/2227
发表日期：2022年7月11日
发表期刊：The Royal Society
1. 从生命起源到疫情蔓延：
复杂系统中的涌现现象
论文标题：From the origin of life to pandemics: emergent phenomena in complex systems
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200410/112192/From-the-origin-of-life-to-pandemics-emergent
当大量相似个体在微观尺度上彼此交互，并与环境持续耦合时，高时空尺度上可能会自发涌现出意想不到的结果。这一非平凡现象被称为涌现（emergence），它贯穿物理、生物和社会等各类复杂系统，并常与集体行为密切相关。涌现几乎无处不在：从非生命实体（如在特定条件下同步振荡的振子）到生命系统（如鸟群集结或鱼群游动）。尽管已有大量现象学证据表明系统确实存在涌现性质，但涌现研究中仍有核心理论问题尚未解决，例如：尚无被广泛接受的严格定义，以及支持涌现的基本物理条件尚未明确。本文提供了涌现现象的总体概述，并勾勒了当前与未来研究中面临的挑战。
2. 系统与观测者的涌现及算法信息动力学
论文标题：Emergence and algorithmic information dynamics of systems and observers
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200429/112149/Emergence-and-algorithmic-information-dynamics-of
当我们说某个宏观现象"涌现"于微观规则之上时，究竟是谁在判断？对于足球比赛，对新手不过是无序的群体运动，对足球分析师来说却可还原为简单的局部交互规则。涌现的判定是否依赖于观测者的知识边界？
Abrahão与Zenil的这篇论文，正是对这一元问题的形式化回应。作者将"观测"定义为两个动力系统之间的相互扰动（mutual perturbations）：观测者系统读取被观测系统的状态，同时其读取行为本身也会反向扰动被观测系统。在此框架下，他们用算法信息动力学（Algorithmic Information Dynamics, AID）量化"不可约信息"的生成过程，进而区分ODE（观察者依赖的涌现 Observer-Dependent Emergence）及AOIE（观察者无关的涌现Asymptotically Observer-Independent Emergence）。
该研究使用算法信息含量（Algorithmic Information Content, Iac）证明ODE类涌现性虽然依赖观测者的形式理论，但对其他主观因素（如编程语言选择、测量误差、信息处理成本）具有鲁棒性。换言之，"谁在看"会影响是否看到涌现，但"怎么看"的技术细节不会。而当系统涌现产生的信息以无界且足够快的速率增长时，任何有限形式理论最终都会失效。这时无论观测者具有何种先验信息，其公理系统都无法长期预测该系统行为，这就是AOIE。
3. 信息分解视角下的因果涌现综述
论文标题：Greater than the parts: a review of the information decomposition approach to causal emergence
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20210246/112189/Greater-than-the-parts-a-review-of-the-information
该文基于部分信息分解（Partial Information Decomposition, PID），发现若某个宏观变量 V 对系统未来状态的预测能力，无法由其微观组分的独立信息线性叠加所解释，则 V 具有"因果涌现性"。
例如在康威生命游戏（Conway's Game of Life）中的粒子碰撞事件，微观上需追踪数百细胞状态，宏观上仅需几个"粒子参数"即可预测碰撞结果。PID分析显示，宏观描述在协同信息占比上显著优于微观，验证了"粗粒化可增强因果效力"。此外，鸟群模型（Vicsek Model）及人脑fMRI数据也可应用PID框架。该文在在因果涌现读书会第七季进行了详细解读，具体可参考读书会对相关内容的详细讲解。
4. 涌现即信息转换：一个统一理论
论文标题：Emergence as the conversion of information: a unifying theory
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20210150/112156/Emergence-as-the-conversion-of-information-a
涌现的一大特征是"整体大于部分之和"，但当我们对系统进行粗粒化（coarse-graining）时，信息的特征是否会发生变化。这就像问：把一张高清照片缩小成缩略图，丢失的只是像素细节，还是连"画面意境"也一起丢掉了？
该研究使用信息论中的部分信息分解（PID）框架，将多个变量对目标的预测贡献拆成冗余信息（Redundancy），独特信息（Uniqueness）和协同信息（Synergy）三类。而粗粒化可能把微观尺度的冗余信息，"转化"为宏观尺度的协同信息。粗粒化让系统呈现出微观层面看不见的因果结构。这就像站在山顶看城市：你看不清每辆车的牌照，却能一眼认出交通流的瓶颈与脉络。
图1：宏观，微观及介观下的系统
该研究指出，观察复杂系统的最优尺度，可能是协同信息密度最高的那个。不是越细越好，也不是越粗越省，而是"刚刚好能捕捉功能"（图1）。微观规则当然重要，但宏观表征并非"次等近似"——当协同信息在高层涌现时，宏观变量就获得了微观描述所不具备的因果效力。科学理论作为宏观尺度模型，一般会涉及将冗余信息转换为协同和独特的信息。使这种宏尺度对于实验者来说，不仅在信息压缩程度上，而且在实验设计上都具有用处。
5. 功能信息如何从"关联"中涌现？
论文标题：Emergence of functional information from multivariate correlations
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20210250/112234/Emergence-of-functional-information-from
"功能信息"一词是指在特定环境中预测符号序列功能所必需且足够的信息。通常，该序列可以是核酸或氨基酸，但也可以是神经元放电的序列，甚至是特定字母表中字母的串。这些符号序列的功能，究竟如何量化？传统的方法是看在所有可能序列中，能达到功能阈值θ的序列占比F的负对数。但信息是集合属性，无法赋予单个序列。我们无法回答"这条特定DNA序列的功能强度是多少"。
该研究提出一种模型无关的评估方法，适用于任意字母表的符号序列，包括（但不限于）神经元脉冲序列、核酸序列或氨基酸序列。该方法仅基于训练集的多变量相关性，即可为任意单个序列计算"信息评分"或"能量评分"，并据此预测其功能水平。该方法可用训练集的统计结构，为未见序列赋予可解释的功能评分。这意味着功能信息并非"突然出现"，而是随相关性阶数提升逐步收敛，模型复杂度需与数据量匹配，小样本时高阶模型易过拟合意味着此时不存在真实的功能涌现，这为"涌现的连续性"提供实证支撑。
6. 热力学第二定律的"升级版"：
当复杂系统有了"依赖约束"
论文标题：Strengthened second law for multi-dimensional systems coupled to multiple thermodynamic reservoirs
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200428/112176/Strengthened-second-law-for-multi-dimensional
经典热力学第二定律告诉我们：任何马尔可夫过程的熵产生（entropy production, EP）非负。而该研究指出当我们对系统的动力学结构拥有先验知识时，第二定律可以被"强化"——熵产生的下界可以比零更高，且这个新下界仅依赖于系统的依赖约束（dependency constraints）与初末态分布。
该研究定义了一个新的信息泛函——in-ex信息（in-ex information），衡量"在给定依赖约束下，系统状态中不可被局部动力学解释的协同结构"。对于满足依赖约束的任意马尔可夫过程，强化的热力学第二定律（SSL）规定熵产生满足
SSL适用于无热力学解释的马尔可夫模型（如经济网络、意见动力学），极大拓展了热力学第二定律的应用边界。在麦克斯韦妖场景中，若"测量-反馈"回路存在依赖约束（如记忆子系统只能读取特定传感器），SSL可给出更紧的可提取功上界，此时结构性约束会"消耗"一部分信息增益，降低热力学收益。
在生态或文化演化模型中，若某一物种的适应度更新只依赖邻居物种，SSL可量化网络拓扑如何约束整体不可逆性，这为"结构-功能-热力学"的跨尺度关联提供了新工具。传统随机热力学处理"单向影响"（如A影响B但B不影响A）时需近似，SSL则可给出精确估计，非互惠相互作用的精确分析为活性物质、神经网络等非平衡系统提供严格框架。
SSL指出，当我们知道"谁可以影响谁"时，我们能更紧地约束其不可逆性。这相当于在"信息-热力学"的交叉地带，为"结构知识如何转化为热力学约束"提供了精确的数学表述。
7. 量子多体系统中的自相似纠缠
论文标题：Emergent entanglement structures and self-similarity in quantum spin chains
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200421/112225/Emergent-entanglement-structures-and-self
多体量子系统的状态空间随粒子数指数增长，这既是量子计算的优势，也是理论分析的困境。传统方法（如关联函数、纠缠熵）往往依赖平移对称性或特定序参量，难以刻画非均匀、非局域的纠缠组织模式。
该研究将每个量子比特当作"社交个体"，把它们之间的纠缠强度当作"关系亲密度"，能否用社交网络分析的工具，发现量子态中隐藏的"社群结构"？
作者将三类复杂网络分析方法（社区检测，度分布分析及自相似性检验）迁移至量子场景，社区检测发现自旋自发聚集成空间局域的纠缠模块，当系统趋近临界点时，纠缠网络的模块度（modularity）出现剧烈涨落，而社区划分结果对微小参数扰动高度敏感，呈现"拓扑相变"特征。
对纠缠邻接矩阵进行重排后，发现块状重复模式：大尺度社区内部嵌套着结构相似的小尺度子社区。这种自相似性在热力学极限下保持，且周期与系统尺寸呈有理数关系。研究发现量子态的自相似拓扑指纹为"量子临界性是否具有分形结构"提供了支持证据。
该研究的方法，将量子力学中抽象的希尔伯特空间，翻译成直观的图论结构；把难以捉摸的多体关联，转化为可计算、可可视化、可干预的网络指标，用图论语言解剖纠缠的"拓扑语法"。
8. 原始代谢：非平衡态化学中的"能量引擎"
论文标题：Protometabolism as out-of-equilibrium chemistry
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200423/112217/Protometabolism-as-out-of-equilibrium
这篇观点文章质疑大量关于生命起源的研究聚焦于非酶促反应能否合成现代代谢的中间产物（如糖酵解、柠檬酸循环的分子），却忽视了代谢的本质是能量流的定向耗散与耦合。这相当于研究煤炭燃烧产生的分子，而非能量如何驱动活塞运动，无法理解火车为何能跑。
图2：早期生命创新时间线的比较
相比图2a热液喷口场景中能量与物质通过多孔岩石中的恒定能量和物质流，维持前生物代谢类似物。随着时间推移，系统逐渐演化，生成生物聚合物和其他分子机器。最终发生"逃逸事件"（escape event），导致这些分子系统被脂质囊泡包裹。
而作者推崇的图2b，生命的基本构建模块（如核苷酸、氨基酸）在地表环境中通过独立化学反应积累。这些构建模块优先在脂质囊泡内组装，囊泡提供了空间隔离，施加了选择性压力导致由内部化学支撑的原始细胞出现，而原始代谢系统在原始细胞形成之后才出现。
该研究指出生命起源，人工生命的研究，与其关注哪些分子能合成，需要考察"何种反应拓扑能在持续能源下维持动态稳态"，因为原始代谢的"涌现"，可能始于某种前生物化学系统偶然实现了类似的能量耦合拓扑，而非先有完整反应网络，同时能量来源的多样性要求我们放弃"单一场景"思维，转而关注"何种化学拓扑能在多种能源下维持耗散"。
自催化网络：生命的"分子化石"
论文标题：Small-molecule autocatalytic networks are universal metabolic fossils
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20210244/112169/Small-molecule-autocatalytic-networks-are
生命起源面临"先有鸡还是先有蛋"的问题？考夫曼曾提出自催化假说，指出在遗传系统出现之前，小分子集体自催化网络可能已经实现了"分子层面的自我维持"。这类网络中，每个反应都被网络内某个分子催化，所有分子都可从外部"食物"合成——形成闭合的因果循环。
该研究用RAF（Reflexively Autocatalytic Food-generated network）扫描原核代谢网。RAF需满足自催化性（网络中每个反应至少被一个网络内分子催化）及食物生成性（所有网络分子可从外部"食物集"经网络反应合成）。例如
若A+B→C被D催化，而D可由A+E→D合成，且A、E来自食物集，则{A,B,C,D,E}构成RAF子网络。
研究扫描了6683个原核生物的代谢组，发现每一个生物都包含至少一个RAF，这意味着自催化是代谢的"普遍语法"。300个最常见RAF反应出现于2732个原核生物中，这些RAF中的反应多具有化学自发性或矿物催化可行性，符合前生物状态下的合理需求。该研究系统性的证实了自催化猜想，指出自催化网络不是特例，而是原核代谢的普遍嵌入结构，支持"代谢优先"假说的普适性。
RAF分析还以为人工生命的设计提供指导。通过预测哪些小分子组合最可能自发形成自催化循环，在试管中重现生命前的自催化网络。在天体生物学中，RAF可作为非遗传生命的检测指标，用以评估地外原始生命。合成生物学可用RAF提供"功能闭合"的拓扑蓝图设计最小自维持化学系统。
10. 复杂分子功能，可以"简单涌现"
论文标题：The simple emergence of complex molecular function
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200422/112157/The-simple-emergence-of-complex-molecular
传统分子进化观认为：功能序列之间必须存在"修饰-遗传"的连续谱系。但Manrubia的这篇研究指出复杂分子功能可以相对容易地de novo（从头）涌现，无需漫长的渐进优化。
以RNA为例，序列到二级结构的映射呈现对数正态分布，极少数"热门"结构（如茎环、发夹）被海量序列映射，绝大多数结构仅由极少数序列实现，对进化"不可见"。随机聚合的RNA链，默认就会折叠成少数几种简单结构，其中一些恰好具备连接、切割等原始催化活性。序列、结构、功能的映射关系的高度冗余，使得"试错"成本极低。
分子生态竞争 + 自然选择，能从随机序列中筛选并强化有用功能，这些功能模块再通过重组、水平基因转移及灵活联盟实现层级跃迁，只要生态位空缺，de novo涌现就可能发生。复杂功能不必来自"单一分子的渐进优化"，而可通过模块的组合探索实现。这为理解病毒、转座子、甚至de novo基因的起源提供了统一框架。
文中写道：进化在如此长的时间尺度上运作，以至于即使对现在进行的详细观测也难以发现足以指导我们对可能的复杂分子组织多样性以及对潜在其机制的直觉认识。进化路径常常被忽视，因为我们从未认为它们是可能的，也从未寻找过它们的产物。但进化是如此强大。它会以非常通用的方式使用任何可用、低成本且建设性的机制。 它利用了从表型冗余到基因组合的任何东西。当所有这些元素都被考虑在内时，一个困难的问题是想象一个没有分子复杂性的世界。一旦各种部件到位，自发的协作组合可以产生新的复杂程度。
11. 脑状态的动力学地图：
从全脑建模到意识谱系
论文标题：Understanding brain states across spacetime informed by whole-brain modelling
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20210247/112240/Understanding-brain-states-across-spacetime
大脑如何在稳定与灵活之间取得平衡？该研究给出的回答是健康脑功能的本质，是在时空维度上维持"有序"与"无序"的动态平衡，即足够稳定以支持连贯认知，又足够灵活以响应环境变化。
图3：全脑建模框架：从结构连接组到涌现的脑状态
该研究基于结构连接组（Structural Connectome），节点动力学（Local Dynamics）及耦合机制（Global Coupling），整合多尺度指标刻画脑状态，这些指标可跨模态（fMRI/MEG/EEG）、跨状态（清醒/麻醉/疾病）比较，为"意识谱系"提供统一度量。具体可通过非侵入性成像和全脑建模来实现，这些成像和建模可以映射和模拟大脑丰富的空间-时间动力学。
人们假设最佳清醒状态具有持续的稳定性，同时有利于灵活的重新组织。 研究考察了不同状态下的脑的意识谱系特征。结果发现致幻剂可能通过降低全局耦合强度或扰动局部动力学参数，使神经系统从"深吸引子"转向"浅景观"，从而扩大可访问状态空间。抑郁可能是全局耦合过强或局部噪声过低，导致系统"卡"在少数高稳定性吸引子中，难以响应外部扰动。
该研究指出涌现视角下，应当关注全脑网络的时空协同模式如何偏离最优平衡，而不是孤立看待某个脑区的"异常"，理解脑状态需要追踪其动力学演化。若抑郁是"耦合过强"，致幻是"耦合过弱"，那么治疗策略可聚焦于精准调控全局/局部动力学参数，而非单纯抑制/激活特定区域。
12. 临界边缘的"延展性"
如何塑造脑网络的灵活与稳健
论文标题：The broad edge of synchronization: Griffiths effects and collective phenomena in brain networks
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200424/112210/The-broad-edge-of-synchronization-Griffiths
该研究指出大脑无需"精确调谐"到临界点，即异质网络中的局部临界区域耦合，就可自发产生"延展临界性"（Griffiths phase）。在这种状态下，高连接度/高兴奋性子图率先达到局部同步形成"活性岛"，在亚临界全局参数下即可激发。异质分布的网络会导致某些区域具有极端参数值，而这些"稀有区域"可长时间维持亚稳态活动。同时局部簇通过弱连接相互激发，产生长时程、长程关联的"级联响应"。这三点让临界行为从"一个点"扩展为"一片区域"。这意味着生物系统就无需在参数空间中走钢丝，在噪声、发育、学习等扰动下维持临界性带来的，在认知上平衡稳定性与敏感性。
从方法论上，该研究提供的策略可用于探索功能和瞬时同步的新兴集体可变性问题。它包括考虑单个节点（通过底层网络连接耦合在一起）的神经活动的简单结构网络和最小动力学模型，其目标是系统地检查同步水平随时间和网络尺度的可变性，以及它如何取决于结构和动力学的两个关键特征。这种以模型为导向的系统方法将有助于揭示维持实际大脑功能的丰富集体动力学模式，弥合结构与动力学涌现的高级功能之间的差距。
13. 时滞如何重塑生态稳定性？
论文标题：Effect of delay on the emergent stability patterns in generalized Lotka–Volterra ecological dynamics
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20210245/112177/Effect-of-delay-on-the-emergent-stability-patterns
在生态学理论模型中，捕食、竞争、繁殖等生态过程是瞬时响应的。但真实世界中，捕食者消化猎物需要时间；植物对气候变化的生理响应存在滞后；种群密度反馈调节依赖代际传递。该研究考察存在时滞（time delay）时，生态系统会是怎样。
研究发现时滞过长会破坏负反馈的"纠偏"能力，使系统从"阻尼回归"转为"持续振荡"。同时时滞会带来系统具有历史依赖性，使系统当前状态不仅取决于当前输入，还"记忆"过去轨迹。这意味着迟滞现象（hysteresis）与初值敏感，即微小初始差异可能导致长期行为分岔。对应到现实中，这体现在生态系统可能在"看似安全"的参数下，因时滞记忆效应突然崩溃。
时滞不仅还能改变生态系统整体的拓扑结构，为系统动力学增添了"时间维度"的拓扑自由度，使稳定性分析从"标量判据"升级为"谱几何"问题。在这种场景下，时滞既可通过相位抵消抑制共振而使生态系统稳定，也可通过反馈错位放大波动使系统失稳，效果取决于网络拓扑与时滞分布的匹配关系。这使得生态研究者需要量化"稳定区域在参数空间中的占比"与"临界时滞的分布宽度"，为生态风险评估提供连续谱指标，而时滞差异通过网络传播，涌现为群落尺度的振荡同步/去同步模式，可为"时滞-空间格局"关联提供机制解释。
14. 合作的遍历性解：
当"自利"遇见"不确定性"
论文标题：The ergodicity solution of the cooperation puzzle
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200425/112185/The-ergodicity-solution-of-the-cooperation
当两个实体通过共享资源进行合作时，一方将某种有价值的东西让渡给另一方。这种表面上的利他行为在自然界中普遍存在。为什么？对此，之前理论给出的解释是亲缘选择或互惠利他。而如果移除所有这些"特殊条件"，合作是否仍可能从纯粹的"自利"中涌现？
对此，该研究采用几何布朗运动（Geometric Brownian Motion, GBM）作为资源增长的"零模型"。考察非遍历性下的资源共享如何改变增长合作网络的动力学。结果显示合作是"自利"在不确定性下的最优策略。一旦部分个体开始合作，其增长优势会随时间放大，这是由于资源增长需具有乘性（multiplicative），即"富者更易富"，这意味着在演化博弈框架下，合作策略可自发扩散，无需外部奖励或惩罚机制。
该研究不再依赖"利他偏好"或"社会规范"等心理假设，而是从不确定性下的增长优化推导出合作带来的进化优势。证明个体层面的随机波动，可通过遍历性分析转化为群体层面的策略选择，为"微观-宏观"桥接提供新工具。研究中用到的框架可无缝迁移至生态学（种群动态）、经济学（财富分配）、流行病学（病毒传播）等领域，促进"合作"概念的普适化理解。
15. 社会规范的"涌现"与"变迁"
论文标题：A research agenda for the study of social norm change
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200411/112152/A-research-agenda-for-the-study-of-social-norm
面对气候变化、疫苗犹豫、公共卫生等集体行动困境，政策制定者常寄希望于"改变社会规范"。然而该综述指出如果我们连"什么是社会规范""如何测量其因果效应""变迁的临界条件是什么"都无法精确回答，那么"用规范解决规范问题"就只是循环论证。对此该文指出社会规范既可促进合作，也可固化有害行为——理解其边界，比盲目推崇更重要。
文中采用Bicchieri (2006) 的对社会规范的操作化定义，将社会规范视为个体因社会期望而遵守的行为规则，其依从性条件于经验期望和规范期望。社会规范的"涌现"，本质上是个体期望通过互动达成协调的集体结果。文中提出研究社会规范时，需要使用实证校准的计算模型，纳入文化异质性。对于临界点，现有临界点模型多针对"惯例"（仅需经验期望），对真正社会规范（需规范期望+制裁）的适用性仍需验证。
16. 人机文化传承中的混合社会学习
论文标题：Hybrid social learning in human-algorithm cultural transmission
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200426/112206/Hybrid-social-learning-in-human-algorithm-cultural
当算法展现出与人类互补的问题解决策略，例如AlphaGo在与李世石的棋局中走出人类从未想过的第37手这种"异质性智慧"能否通过社会学习融入人类文化，并产生持久的性能提升？
该研究采用Huys等人(2012)的经典任务变体，通过大规模行为研究和基于主体的模拟，发现人类从机器中的学习确实在发生，而算法的"反直觉策略"确实帮人类跳出了局部最优。即使控制奖励大小，算法方案的复制率仍显著低于人类方案，人类倾向于复制"符合自身认知偏好"的策略，而非"客观更优"的策略。若希望算法智慧被人类长期采纳，需提升方案的可解释性；增加接触频率并设计"认知桥接"界面。
算法可短期提升人类表现，但若方案不符合人类认知偏好，可能无法融入文化演化——这解释了为何许多"AI建议"被用户忽略。相比"来源偏好"（是否信任算法），"方案特征偏好"（是否符合直觉）可能是混合学习成败的更深层决定因素。作者推测一个能够传达解决方案背后推理的算法可能会复制得更快，并且允许人类玩家更好地批判性地评估他们现有的信念。
17. 不同风险感知下保护行为的涌现动力学
论文标题：Emergence of protective behaviour under different risk perceptions to disease spreading
论文链接：https://royalsocietypublishing.org/rsta/article/380/2227/20200412/112230/Emergence-of-protective-behaviour-under-different
面对同一场疫情，为何个体行为差异如此之大？是信息不对称、认知偏差，还是理性计算的必然结果？对此该文的回答是当谨慎者比例超过临界值时，系统可自发实现行为群体免疫，而搭便车者演化博弈的均衡策略——理解其动力学条件，比道德谴责更有效。而风险沟通存在"临界剂量"——低于阈值无效，超过阈值可能引发"恐慌性过度防护"，最优策略是精准抵达临界点。
该研究不再将人群简化为"平均个体"，而是显式建模风险感知的分布结构，使模型更贴合真实社会的认知多样性。研究证明了防护行为不仅受疫情驱动，也反过来重塑疫情轨迹。这种双向耦合可产生振荡、滞后、多稳态等复杂动力学。研究指出当种群规模不相等时，只要受关注的个体所占比例大于某个阈值，就可以通过群体免疫来对抗危险的个体。但当存在否认（疫情）的少数群体时很难应对疫情，因为他们在相关多数群体创造的群体免疫中可能会找到虚假的安全感。这种影响的危险在于潜在的危险行为传播。
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「因果涌现第七季」读书会，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：因果涌现第七季——从理论到应用
推荐阅读
1. 英国皇家学会汇刊：为什么我们走路不用"算"？藏在腿部结构里的力学智能
2. 热力学2.0：自然科学和社会科学之间的桥梁｜英国皇家学会特刊介绍
3. 自然·通讯：细胞怎样提速换挡？细胞迁移的多尺度涌现与调控机制
5. 集智学园精品课程免费开放，解锁系统科学与 AI 新世界
点击"阅读原文"，报名读书会
登录后才可以发布评论哦
打开小程序可以发布评论哦