导语


跨尺度、跨层次的涌现是复杂系统研究的关键问题，意识起源是其中的代表。近日124位科学家批评整合信息论是伪科学的事件引发热议，也让人们看到意识难题仍然是座仰之弥高的大山，等待我们去探索。本周二（9月26日）的因果涌现读书会将由约翰·霍普金斯大学研究生荣英淇将从因果涌现理论、信息分解视角出发，梳理“脑与涌现”主题的一系列最新研究。

「因果涌现」系列读书会第三季由北京师范大学教授、集智俱乐部创始人张江领衔发起，组织对本话题感兴趣的朋友，深入探讨因果涌现的核心理论，详细梳理领域发展脉络，并发掘因果涌现在生物网络和脑网络、涌现探测等方面的应用。读书会自7月11日开始，每周二晚19:00-21:00直播，预计持续时间10周。读书会分享在持续招募中，欢迎感兴趣的朋友报名参与！
 




分享内容简介




涌现现象在复杂系统中广泛存在，如鸟群的集群行为，生命游戏所衍生出的复杂模式，大气里的蝴蝶效应，以及神秘的意识起源。其背后的丰富内涵也被哲学家、物理学家和各种不同背景的科学工作者广泛讨论。

聚焦于读书会的主题因果涌现（一种基于信息论的涌现量化框架），如果我们回顾其量化指标（有效信息）、概念发展以及后续的应用工作，可以发现其中许多重要的奠基工作者或多或少都具有神经科学背景。例如，有效信息是理论神经科学家 Tononi 在试图解释有关整合信息论（一种意识理论）的工作时最早提出的概念；后续他的学生 Erik Hoel 结合粗粒化、干预主义因果，将有效信息这一概念进行拓展，提出了最基础的因果涌现框架。直到最近几年，同样是来自于脑领域的科研工作者，如 Rosas 和 Varley，结合信息论本身的不同视角（如信息分解、局部信息）对因果涌现的概念、基础理论量化手段和应用进行拓展，且往往乐于在脑数据集上进行各种尝试和得到各种结果。

本次读书会将对近期有关因果涌现和脑的三篇主要工作进行梳理，其内容与因果涌现在脑网络中的应用大致存在由弱到强的递进关系，分别是：

  • 单纯地从信息分解角度理解脑功能之间的协同和冗余（Varley, Luppi)；

  • 从信息分解角度定义因果涌现框架并讨论 mind-matter relationship（Rosas)；

  • 最后希望能够引入本期读书会讨论最多的 Erik Hoel 框架在脑网络的可能应用，讨论张江老师在神经信息压缩器（NIS）基础上进一步延展出来的 NIS+ 中的脑实验结果。

分享者希望本次分享最后能够达到两个目标：（1）对脑与因果涌现的前沿工作进行梳理（只是一小部分），其中有关信息分解工作的简要解读也是对第四季读书会主题的一个预告；（2）分享者希望能够通过读书会分享的方式，讨论一个无论在实际做相关实验和准备这场报告中都会困惑的问题：从因果涌现的框架下审视脑，除了意识，还有哪些东西可以是涌现吗？




内容大纲




  • 什么是涌现

  • 哲学定义

  • 强涌现和弱涌现
  • 协同核（Varley）
  • 信息论简介
  • 信息分解
  • 信息分解在脑数据里的应用
  • 从协同到涌现（Rosas）
  • 整合信息分解
  • 脑数据案例
  • 另一种涌现框架（Hoel）

  • Hoel 的因果涌现框架





核心概念




  • 强涌现和弱涌现 Strong & Weak Emergence

  • 协同核 Synergetic Core

  • 信息分解 Information Decomposition

  • 整合信息分解 Integrated Information Decomposition

  • 因果涌现 Causal Emergence




主讲人简介




荣英淇，约翰·霍普金斯大学在读研究生，张江老师因果涌现小组成员。本科生阶段做的是EEG时间序列里的因果发现和视觉行为的元认知概率模型；研究生计划做的是类脑视觉人工神经网络模型。
学者主页：https://pattern.swarma.org/user/26902


 



直播信息




时间：2023年9月26日（本周二）晚19:00-21:00

参与方式：
读书会页面：https://pattern.swarma.org/study_group_issue/526

扫码参与因果涌现读书会，加入群聊，获取系列读书会回看权限，加入因果涌现社区，与社区的一线科研工作者沟通交流，共同推动因果涌现这一前沿领域的发展。




参考文献




[1] Bedau, M. A. (1997). Weak Emergence. Philosophical Perspectives, 11, 375–399. http://www.jstor.org/stable/2216138
[2] Luppi, Andrea I., et al. "A synergistic core for human brain evolution and cognition." Nature Neuroscience 25.6 (2022): 771-782.
[3] Varley, Thomas F., et al. "Partial entropy decomposition reveals higher-order structures in human brain activity." arXiv preprint arXiv:2301.05307 (2023).
[4] Rosas, Fernando E., et al. "Reconciling emergences: An information-theoretic approach to identify causal emergence in multivariate data." PLoS computational biology 16.12 (2020): e1008289.
[5] Hoel EP, Albantakis L, Tononi G. Quantifying causal emergence shows that macro can beat micro. Proc Natl Acad Sci U S A. 2013 Dec 3;110(49):19790-5. doi: 10.1073/pnas.1314922110. Epub 2013 Nov 18. PMID: 24248356; PMCID: PMC3856819.
[6] Yang, Mingzhe, et al. "Finding emergence in data: causal emergence inspired dynamics learning." arXiv preprint arXiv:2308.09952 (2023).
[7] Varley, Thomas F., and Erik Hoel. "Emergence as the conversion of information: a unifying theory." Philosophical Transactions of the Royal Society A 380.2227 (2022): 20210150.
[8] Vohryzek, Jakub, et al. "Understanding brain states across spacetime informed by whole-brain modelling." Philosophical Transactions of the Royal Society A 380.2227 (2022): 20210247.

此处参考文献[7-8]出自西班牙巴塞罗那大学 Oriol Artime 和意大利帕多瓦大学 Manlio De Domenico 两位复杂系统研究者编辑的关于涌现现象的特刊，“复杂物理和社会技术系统中的涌现现象：从细胞到社会”（Emergent phenomena in complex physical and socio-technical systems: from cells to societies）。该主题特刊包含来自 Stuart Kauffman、Anil K. Seth、Hector Zenil、Thomas F. Varley、Erik Hoel、Fernando E. Rosas 等学者的16篇文章，从跨学科视角探讨涌现的概念、复杂科学的重要里程碑。此前集智俱乐部曾组织翻译特刊的介绍引言和其中的文章，感兴趣的读者可以深入阅读：





张江、崔鹏 & Zenil 联合发起：

Entropy 因果与复杂系统特刊征稿倒计时


如何从一个复杂系统的原始数据中发现错综复杂的因果结构并识别因果涌现？如何利用因果机制推断系统未来的状态和演化？机器学习、互信息分解、因果推断等新兴技术将为我们提供新的解决方案。由北京师范大学系统科学学院张江教授与清华大学计算机科学学院崔鹏副教授合作在Entropy杂志发起的Causality and Complex Systems特刊正在征稿中，欢迎对相关话题感兴趣的研究者投稿，会议文章也可投稿。

主要信息如下：
期刊：Entropy (ISSN 1099-4300)
栏目：复杂性
特刊主题：因果与复杂系统（Causality and Complex Systems）
征稿截止日期：2023年11月7日

通过以下链接进入官网查看更多信息：
https://www.mdpi.com/journal/entropy/special_issues/causality_complex_systems
详情请见：张江、崔鹏 & Zenil 联合发起：Entropy 因果与复杂系统特刊征稿倒计时



因果涌现读书会


跨尺度、跨层次的涌现是复杂系统研究的关键问题，生命起源和意识起源这两座仰之弥高的大山是其代表。而因果涌现理论、机器学习重整化技术、信息论或信息分解等近年来新兴的理论与工具，有望破解复杂系统的涌现规律。而新兴的因果表征学习、量子因果等领域也将为因果涌现研究注入新鲜血液。

集智俱乐部因果涌现读书会目前已经进行了两季。第一季读书会系统地梳理了因果涌现的概念，以及它与Sloopy Model、复杂性阈值、自指等概念之间的联系，也探讨了因果涌现理论在复杂网络、机器学习中的应用。参看：因果涌现读书会启动：连接因果、涌现与自指——跨尺度动力学与因果规律的探索。第二季读书会探讨了涌现、因果科学和机器学习三大主题的融合，包括信息论拓展、因果涌现理论、因果表示学习、多尺度机器学习动力学建模。参看：因果、涌现与机器学习：因果涌现读书会第二季启动。

此次因果涌现读书会第三季，将进一步围绕因果涌现的核心问题「因果涌现的定义」以及「因果涌现的辨识」进行深入学习和讨论，对 Erik Hoel 提出的 Causal Emergence，Causal Geometry 等因果涌现的核心理论进行探讨和剖析，并详细梳理其中涉及到的方法论，包括从动力学约简、隐空间动力学学习等其他领域中学习和借鉴相关的研究思路，最后探讨因果涌现的应用，包括基于生物网络、脑网络或者涌现探测等问题展开扩展，发掘更多的实际应用场景。因果涌现读书会第四季正在筹备中，将重点讨论和梳理信息分解与整合信息论相关研究。

因果涌现社区聚集了500+成员，积累了大量论文解读资料。欢迎感兴趣的朋友报名，加入因果涌现社区，并解锁对应录播权限。



本季读书会详情与报名方式请参考：

因果涌现读书会第三季启动：深入多尺度复杂系统核心，探索因果涌现理论应用



点击“阅读原文”，报名读书会