【導語】大語言模型流行讓“湧現”概念走紅，當人工智能參數足夠多，便會湧現出邏輯推理等神奇能力。其實，湧現是複雜係統重要特(tè)征(zhēng)，生(shēng)活中無處不在，卻也能被科學量化研究。本文將介紹北京師範大學課題組關於量化湧現的最新研究，包括如何量化湧現、機器觀察者如何識別湧現，以及機器觀察者在預測鳥群軌跡、捕捉生命遊戲斑圖、識別大腦動力學等方麵的實驗成果，展現機器觀察者研究湧現問題的(de)潛(qián)力(lì)與前景。

當前大語(yǔ)言(yán)模(mó)型的流行帶火了一個概念——湧現。人們發現當人工智能參數足夠多的時候，可以湧現出很多神奇的能力，比如邏輯推理，還有像人(rén)一(yī)樣(yàng)說話。其實湧現是複雜係統(tǒng)的(de)重(zhòng)要(yào)特征，在糖心免费视频的生活中無處不在。比如至今還沒有被人工智能超越的人類大腦，為什麽會有自我意識和自由意誌？天空中的鳥群和地上的蟻群為什麽可以自發地形成靈活而又有序的集群行為？作為觀察者，糖心免费视频常常驚訝於這些湧現現象，然而事實上，湧現也可以被科學量化和研究——機器觀察者可以像人類一樣識別湧現的發生。

今天跟大家聊聊糖心免费视频課題組關於量化湧現的一項最新研究。

1. 湧現如何量化？

看到天空中的雲彩，糖心免费视频很容易把它們看成各種圖案，比如一個人，一隻兔子，一台機器。同樣地，觀察蟻群這樣的複雜係統，有的人在看幾隻螞蟻之間的互動，而有人會把整個蟻群看成一個具備智能的有機體。

當糖心免费视频觀察一個係統時，下意識地會在多個尺度上觀察。比如構成雲彩的水分子在運動和碰撞，是在微觀尺度；而糖心免费视频看到雲彩形成的“人臉”圖案，則是在宏觀尺度。發生湧現是說，宏觀尺度上的因果效應大於微觀尺度上的因果效應。

這裏所說的因果效應強度是什麽意思呢？當糖心免费视频看一團氣體分子的時候，固然可以用牛頓定律來描述每一個分子的運動軌跡，但這太複雜了，幾乎是不可能的。而當糖心免费视频可以用溫度、壓強等宏觀量來描述係統時，就有了理想氣體狀態方程PV=nRT 這樣簡潔明了的公式，這就是因果效應更強的尺度。因果效應最強的尺度是糖心免费视频對一個係統建模研究的最佳尺度。

好比糖心免费视频看雲彩的時候，更願意討論雲朵的形狀是像人臉還是某個動物，而不(bù)會(huì)一(yī)直(zhí)想(xiǎng)著(zhe)水(shuǐ)分(fēn)子(zi)在(zài)雲(yún)彩中如何激烈碰撞，因為用關於整體形狀的描述把雲朵變幻的規律說的更明白。這一點對於每個人來說都是非常自然的。可究竟為什麽人們如此自然地選擇在這一尺度上觀察，而不是那一個尺度上觀察呢？比如糖心免费视频在看一幅高清圖片時，盡管你知道它是由像素組成的，但不會去想像素的事。而當糖心免费视频不斷讓圖像“放大”，直至每一個像素或其他構成圖像的基本單元粒粒可數，你會開始猶豫，是應該把注意力放在一個個像素上，還是放在圖畫所承載的整體內容上？糖心免费视频的大腦似乎總是在依據某種指標或目標對比不同的尺度，尋找著最佳觀測尺度。

因果湧現理論便是試圖用科學的定量框架來描述這種多尺度變化的過程。在因果湧現理論中，科學家們用有效信息這一定量指標來度量因果效應的強弱。有效信息作為一個專業術語，刻畫的是一個係統動力學受到擾動後變化的波動大小以及確定性程度。糖心免费视频在觀察時，其實大腦中自動在“計算”究竟哪個尺度上有效信息更高，然後選擇了對自己當前來說有效信息最高的尺度。現在想象觀察雲彩和螞蟻的不是人類，而是機器人。“機器觀察者”可以替代人類觀察者，對係統是否發生湧現現象給出更加清晰、客觀的判斷。

2. 機器觀察者如何識別湧現？

如何搭建這樣一個機器觀察者呢？人工智能與機器學習的發展，讓糖心免费视频自然意識到，可以用人工神經網絡代替因果湧現理論中需要給定或擬合的函數，以宏觀因果效應強度為優化目標搭建機器學習框架。其中用以度量因果效應強度的有效信息指標也可以在神經網絡上計算。

回顧人類觀察雲彩的過程：原本萬億個水分子聚集在天空中的某一處位置上，光線所反(fǎn)映(yìng)的(de)信(xìn)息(xi)經(jīng)過(guò)我(wǒ)們(men)眼(yǎn)睛(jing)和(hé)相(xiāng)關神(shén)經(jīng)係(xì)統(tǒng)的(de)轉(zhuǎn)換(huàn)和(hé)過(guò)濾(lǜ)，對(duì)應(yīng)到(dào)我(wǒ)們(men)過(guò)往(wǎng)經(jīng)驗(yàn)中(zhōng)的(de)某(mǒu)一(yī)種(zhǒng)圖(tú)案(àn)上(shàng)，這(zhè)時(shí)候(hou)我(wǒ)們(men)會(huì)說(shuō)雲(yún)朵(duo)的(de)形(xíng)狀看起來像是人臉或者貓啊狗啊。這一係列過程中糖心免费视频有選擇地損失了很多信息，可以說是一種粗粒化過程。粗粒化得到的“圖案”隨著時間流逝一直維持著穩定，這便是一(yī)個(gè)宏(hóng)觀(guān)動(dòng)力(lì)學(xué)。

在(zài)搭(dā)建(jiàn)機(jī)器(qì)時(shí)，糖心免费视频可以用一種神經網絡“編碼器”代替粗粒化過程，再用一個神經網絡學習宏觀動力學，於是機器觀察者就被搭建起來了，糖心免费视频把它叫做神經信息壓縮器（Neural Information Squeezer，簡稱NIS）。這裏編碼器就好似機器觀察者的眼睛，把觀察到的萬事萬物粗粒化到一個虛擬的“腦海”裏。而為了能訓練好這個機(jī)器(qì)觀(guān)察(chá)者，糖心免费视频還需要把它腦海裏“想”的那些事情解碼出來，對現實世界做預測，以防止它“胡思亂想”。

那麽對於機器觀察者，糖心免费视频如何保證，機器不是去計算每一個分子運動的微分方程，而是像人一樣盡可能去尋找PV=nRT 這樣簡潔的視角呢？機器如何尋找到最佳觀測尺度，識別出湧現的發生呢？關鍵在於前麵所說的，要最大化宏觀動力學的有效信息。糖心免费视频在初始機器學習框架的基礎上，在宏觀尺度上添加一個反向動力學的預測，不僅要讓它從過去預測未來能預測準，同時從未來的狀態反過來猜測過去的狀態時，也能溯因比較準，以此來保證宏觀動力學這個狹窄的信息瓶頸中，流通的都是有效信息。這個改進的框架糖心免费视频稱之為擴展版本的神經信息壓縮器（NIS+），它可以通過訓練得到有效信息最大的宏觀(guān)動力學，從而客觀地識別出湧現。

3. 機器觀察者是不是可以像人類一樣識別出湧現？

有了更加完善的機器觀察者，糖心免费视频就可以拿來識別複(fù)雜(zá)係統的湧現了。那麽機器觀察者是不是可以像人類一樣識別出湧現呢？糖心免费视频給它輸入了各式各樣的多維時間序列，比如鳥群運動軌跡、腦電波序列等等，它會告訴你有沒有發生湧現，湧現的程度有多大，以及湧現出來的斑圖長什麽樣子。

1. 預測鳥群的運動軌跡

在第一個實驗中，糖心免费视频讓機器觀察者預測鳥群的運(yùn)動軌跡。糖心免费视频在計算機上模擬鳥群，隻需要設定好局部規則，讓每隻鳥盡可能和周圍的鳥保持一定的距離，同時在方向上保持平行，就(jiù)可(kě)以(yǐ)複(fù)現(xiàn)栩(xǔ)栩(xǔ)如(rú)生(shēng)的(de)鳥(niǎo)群(qún)和(hé)複(fù)雜(zá)的(de)集群(qún)行(xíng)為(wèi)。在(zài)足(zú)夠(gòu)的(de)訓(xun)練(liàn)之(zhī)後(hòu)，機(jī)器(qì)觀(guān)察(chá)者(zhě)可(kě)以(yǐ)預(yù)測(cè)鳥(niǎo)群的運動軌跡，同時在8維的尺度上觀察到最大程度的因果湧現。這是因為每個鳥群有平均的速度和位置兩個屬性，而每個屬性有兩個維度，所以兩個鳥群一共有8個維度。並且糖心免费视频畫出了宏微觀變量關係對應圖，證明機器真的是如糖心免费视频所說的那樣在做粗粒化。

2. 捕捉生命遊戲湧現出的斑圖

再來看另一個好玩的模擬實驗，生命遊戲。這是一個方格世界，每一個方格是一個元胞，都有生或死兩種狀態，而且局部作用規則非常簡單。每一個元胞會因為周圍過於擁擠或孤獨而死亡，也會因為活細胞比例合適的環境而獲得新生。當糖心免费视频站在宏觀的角度去看整個生命遊戲世界，會發現很多有意思的斑圖，比如滑翔機、飛船、信號燈等等。這都是糖心免费视频人類給起的名字啦，而機器觀察者也可以捕捉到這些有意思的圖案，呈現在宏觀尺度上。

3. 識別大腦動力學

最後，糖心免费视频來讓機器觀察者進行實戰，在真實的大腦核磁共振數據上識別湧現和大腦動力學。數據來自800多個被試者在觀看電影時收集的腦核磁共振數據，同時還有靜息態數據做對比，也就是被試者在什麽都不做的情況下收集的數據。結果發現，機器觀察者從數據中識別出的湧現的宏觀動力學，主要反映的是最為活躍的大腦視覺區域。雖然目前沒有涉及到意識的問題，但以後糖心免费视频可以發展這套機器學習框架，讓它觀察意識產生的腦電數據或行為數據，來識別對於意識產生最關鍵的區域或某種模式。

大量水分子聚集而成的雲彩是什麽形狀？人腦中數以億計的神經元如何相互作用湧現出意識？糖心免费视频該如何定量地判斷湧現何時發生？當大家跟著走完這探索曆程，會發現觀察者的主觀解讀是非常重要的一環。而機器觀察者可以代替人類觀察者，在與所觀察的係統進行互動時，更加清晰、客觀地去研究湧現問題。或許在以後，這將是對複雜問題研究的新範式。

本文為·星空計劃扶持作品

作者：楊明哲 北京師範大學係統科學學院碩士生

審核：張江北京師範大學係統科學學院教授

出品：中國科協科普部

監製： 中國科學技術出版社有限公司、北京中科星河文化傳媒有限公司