臨界性假說 —— 跨尺度生物集群系統(tǒng)的普適性法則丨群體智能讀書會(huì)第四期

導(dǎo)語

近年來隨著人工智能領(lǐng)域各種顛覆性技術(shù)的不斷涌現(xiàn)，群體智能也越來越受到人們的關(guān)注。本期讀書會(huì)為群體智能讀書會(huì)第四期，北京交通大學(xué)系統(tǒng)科學(xué)學(xué)院講師、碩士生導(dǎo)師林國政將介紹臨界性假說的主要內(nèi)容，總結(jié)國內(nèi)外以及本人在臨界性相關(guān)研究的前沿進(jìn)展，并給出臨界性原理在集群機(jī)器人、智能涌現(xiàn)、生態(tài)環(huán)保等領(lǐng)域可能的應(yīng)用方向；簡要回顧集群運(yùn)動(dòng)的臨界態(tài)假說及其物理意義，總結(jié)近年來國內(nèi)外及本人在將人工智能應(yīng)用于集群臨界態(tài)識(shí)別方面的最新進(jìn)展，并展望相應(yīng)技術(shù)在集群機(jī)器人設(shè)計(jì)、生物群體行為分析等領(lǐng)域的潛在應(yīng)用方向。

集智俱樂部聯(lián)合北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授、暨南大學(xué)計(jì)算傳播研究中心趙甜芳副教授、新疆大學(xué)物理科學(xué)與技術(shù)學(xué)院玉素甫·艾比布拉副教授等學(xué)者，共同發(fā)起本次，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會(huì)的集群行為、以及人工智能時(shí)代的多智能體與群智優(yōu)化，放在同一張地圖上重新理解。

報(bào)告簡介

分享主題：臨界性假說 —— 跨尺度生物集群系統(tǒng)的普適性法則

近年來隨著人工智能領(lǐng)域各種顛覆性技術(shù)的不斷涌現(xiàn)，群體智能也越來越受到人們的關(guān)注。群體智能通過研究自然界中分散、自組織的生物集群系統(tǒng)（如鳥群、魚群），實(shí)現(xiàn)分布式、去中心化的智能行為。跨尺度的生物集群的共性是在環(huán)境刺激或擾動(dòng)下能夠展現(xiàn)出快速響應(yīng)、動(dòng)態(tài)協(xié)同的能力，這種能力或許與統(tǒng)計(jì)物理學(xué)中的“臨界態(tài)”相關(guān)。近幾年一些最新的實(shí)驗(yàn)證據(jù)支持了“臨界性假說”，認(rèn)為生物集群讓自身處于或接近臨界狀態(tài)，從而獲得對環(huán)境擾動(dòng)的最大敏感性。臨界性假說的重要性在于，它不僅適用于魚群、鳥群、人群等宏觀尺度集群，而且能解釋大腦神經(jīng)元、微生物、細(xì)胞等微觀尺度集群對環(huán)境刺激的響應(yīng)能力，即“運(yùn)行在臨界狀態(tài)”可能是跨尺度集群系統(tǒng)適應(yīng)環(huán)境的普適性策略。本期讀書會(huì)將介紹臨界性假說的主要內(nèi)容，總結(jié)國內(nèi)外以及本人在臨界性相關(guān)研究的前沿進(jìn)展，并給出臨界性原理在集群機(jī)器人、智能涌現(xiàn)、生態(tài)環(huán)保等領(lǐng)域可能的應(yīng)用方向。

分享大綱

一、 什么是臨界態(tài)假說

1. 從現(xiàn)象到問題：生物集群的宏觀協(xié)調(diào)現(xiàn)象與快速響應(yīng)能力

2. 物理基石：統(tǒng)計(jì)物理學(xué)“相變”與“臨界點(diǎn)”概念的引入

3. 核心概念：長程關(guān)聯(lián)、尺度不變性（冪律）、臨界慢化、最優(yōu)響應(yīng)能力等

1. 關(guān)鍵特征：行為波動(dòng)的冪律分布、擾動(dòng)傳播的類雪崩效應(yīng)等

2. 典型案例分析：鳥群（椋鳥），社會(huì)性昆蟲（蟻群、蜂群），魚群，陸生動(dòng)物群體等。

1. 適應(yīng)性優(yōu)勢：在反應(yīng)靈活性與系統(tǒng)穩(wěn)定性之間達(dá)到最優(yōu)平衡

2. 信息處理優(yōu)勢：實(shí)現(xiàn)局部擾動(dòng)與全局響應(yīng)的有效協(xié)調(diào)，是集體智能的潛在物理基礎(chǔ)

3. 進(jìn)化假說：自然選擇可能通過塑造個(gè)體交互規(guī)則，使群體行為維持在臨界區(qū)域附近

1. 數(shù)據(jù)采集技術(shù)：高分辨率軌跡追蹤

2. 關(guān)鍵定量分析：序參量分析、時(shí)空關(guān)聯(lián)函數(shù)、標(biāo)度律分析、擾動(dòng)實(shí)驗(yàn)

3. 從數(shù)據(jù)到理論：數(shù)據(jù)驅(qū)動(dòng)建模與重整化群分析

4. AI新范式：機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)

1. 科學(xué)前沿問題與挑戰(zhàn)

2. 核心應(yīng)用領(lǐng)域：利用臨界態(tài)規(guī)則設(shè)計(jì)集群機(jī)器人

3. 更廣闊的應(yīng)用：在交通流、信息網(wǎng)絡(luò)等復(fù)雜系統(tǒng)中的啟示

核心概念

群體智能 Swarm Intelligence

自組織 Self-organization

臨界態(tài) Critical State

臨界性假說 Criticality Hypothesis

混沌邊緣 Edge of Chaos

序參量 Order Parameter

關(guān)聯(lián)長度 Correlation Length

數(shù)據(jù)驅(qū)動(dòng)臨界態(tài)識(shí)別 Data-driven Criticality Identification

主講人介紹

主講人：林國政，北京交通大學(xué)系統(tǒng)科學(xué)學(xué)院講師，碩士生導(dǎo)師，2024年畢業(yè)于北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院。主要從事各類復(fù)雜系統(tǒng)涌現(xiàn)特征與機(jī)理的研究，包括魚群、蟻群生物集群系統(tǒng)、多智能體系統(tǒng)、交通系統(tǒng)等。在Physical Review Letters、PRX Life、PLoS Computational Biology等期刊上發(fā)表論文10余篇，主持中央高校基本科研業(yè)務(wù)費(fèi)、中國博士后科學(xué)基金面上項(xiàng)目、國家自然科學(xué)專項(xiàng)項(xiàng)目子項(xiàng)目。

參考文獻(xiàn)

1. Mu?oz, M. A. (2018). Colloquium: Criticality and dynamical scaling in living systems. Reviews of Modern Physics, 90(3), 031001. https://doi.org/10.1103/RevModPhys.90.031001

2. Lin, G., Escobedo, R., Li, X., Xue, T., Han, Z., Sire, C., Guttal, V., & Theraulaz, G. (2025). Experimental evidence of stress-induced critical state in schooling fish. PRX Life. https://doi.org/10.1103/PRXLife.3.020501

3. Gómez-Nava, L., Lange, R. T., Klamser, P. P., Lukas, J., Arias-Rodriguez, L., Bierbach, D., Krause, J., Sprekeler, H., & Romanczuk, P. (2023). Fish shoals resemble a stochastic excitable system driven by environmental perturbations. Nature Physics, 19(5), 663–669. https://doi.org/10.1038/s41567-022-01916-1

4. Lei, X., Xiang, Y., Duan, M., & Peng, X. (2023). Exploring the criticality hypothesis using programmable swarm robots with Vicsek-like interactions. Journal of the Royal Society Interface, 20230176. https://doi.org/10.1098/rsif.2023.0176

5. Carrasquilla J, Melko R G. Machine learning phases of matter[J]. Nature Physics, 2017, 13(5): 431-434.

6. Rz?dkowski W, Defenu N, Chiacchiera S, et al. Detecting composite orders in layered models via machine learning[J]. New Journal of Physics, 2020, 22(9): 093026.

7. Xue T, Li X, Chen X, et al. Machine learning phases in swarming systems[J]. Machine Learning: Science and Technology, 2023, 4(1): 015028.

8. Wu T, Han Z. Blind identification of collective motion criticality using sequence model predictive entropy variance[J]. Physica A: Statistical Mechanics and its Applications, 2025: 131077.

時(shí)間信息

2026年2月14日（周六）下午14:00-16:00，騰訊會(huì)議線上進(jìn)行，微信視頻號(hào)+集智俱樂部B站號(hào)同步直播，感興趣的朋友掃碼報(bào)名加入群體智能讀書會(huì)后，可進(jìn)入學(xué)員群進(jìn)行交流。

報(bào)名讀書會(huì)：

「群體智能：從自然涌現(xiàn)到人機(jī)共創(chuàng)」

集智俱樂部聯(lián)合北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授、暨南大學(xué)計(jì)算傳播研究中心趙甜芳副教授、新疆大學(xué)物理科學(xué)與技術(shù)學(xué)院玉素甫·艾比布拉副教授等學(xué)者，共同發(fā)起本次，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會(huì)的集群行為、以及人工智能時(shí)代的多智能體與群智優(yōu)化，放在同一張地圖上重新理解。讀書會(huì)自2026年1月24日開始，安排在每周六下午 14:00–16:00，歡迎所有對群體智能如何涌現(xiàn)、如何被理解、以及如何被設(shè)計(jì)，感興趣的朋友一起加入：帶著問題來，帶著更有趣的問題去。

報(bào)名方式：

第一步：微信掃碼填寫報(bào)名信息。

第二步：填寫信息后，付費(fèi)報(bào)名。如需用支付寶支付，請?jiān)赑C端進(jìn)入讀書會(huì)頁面報(bào)名支付：

第三步：添加運(yùn)營助理微信，拉入對應(yīng)主題的讀書會(huì)社區(qū)（微信群）。

PS：為確保專業(yè)性和討論的聚焦，本讀書會(huì)謝絕脫離讀書會(huì)主題和群體智能相關(guān)問題的空泛的哲學(xué)和思辨式討論；如果出現(xiàn)討論內(nèi)容不符合要求、經(jīng)提醒無效者，會(huì)被移除群聊并對未參與部分退費(fèi)。

加入社區(qū)后可獲得的資源

完整權(quán)限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創(chuàng)任務(wù)獲取積分等。