臨界性假說 —— 跨尺度生物集群系統的普適性法則丨群體智能讀書會第四期

導語

近年來隨著人工智能領域各種顛覆性技術的不斷涌現，群體智能也越來越受到人們的關注。本期讀書會為群體智能讀書會第四期，北京交通大學系統科學學院講師、碩士生導師林國政將介紹臨界性假說的主要內容，總結國內外以及本人在臨界性相關研究的前沿進展，并給出臨界性原理在集群機器人、智能涌現、生態環保等領域可能的應用方向；簡要回顧集群運動的臨界態假說及其物理意義，總結近年來國內外及本人在將人工智能應用于集群臨界態識別方面的最新進展，并展望相應技術在集群機器人設計、生物群體行為分析等領域的潛在應用方向。

集智俱樂部聯合北京師范大學系統科學學院韓戰鋼教授、暨南大學計算傳播研究中心趙甜芳副教授、新疆大學物理科學與技術學院玉素甫·艾比布拉副教授等學者，共同發起本次，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會的集群行為、以及人工智能時代的多智能體與群智優化，放在同一張地圖上重新理解。

報告簡介

分享主題：臨界性假說 —— 跨尺度生物集群系統的普適性法則

近年來隨著人工智能領域各種顛覆性技術的不斷涌現，群體智能也越來越受到人們的關注。群體智能通過研究自然界中分散、自組織的生物集群系統（如鳥群、魚群），實現分布式、去中心化的智能行為。跨尺度的生物集群的共性是在環境刺激或擾動下能夠展現出快速響應、動態協同的能力，這種能力或許與統計物理學中的“臨界態”相關。近幾年一些最新的實驗證據支持了“臨界性假說”，認為生物集群讓自身處于或接近臨界狀態，從而獲得對環境擾動的最大敏感性。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元、微生物、細胞等微觀尺度集群對環境刺激的響應能力，即“運行在臨界狀態”可能是跨尺度集群系統適應環境的普適性策略。本期讀書會將介紹臨界性假說的主要內容，總結國內外以及本人在臨界性相關研究的前沿進展，并給出臨界性原理在集群機器人、智能涌現、生態環保等領域可能的應用方向。

分享大綱

一、 什么是臨界態假說

1. 從現象到問題：生物集群的宏觀協調現象與快速響應能力

2. 物理基石：統計物理學“相變”與“臨界點”概念的引入

3. 核心概念：長程關聯、尺度不變性（冪律）、臨界慢化、最優響應能力等

1. 關鍵特征：行為波動的冪律分布、擾動傳播的類雪崩效應等

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

1. 適應性優勢：在反應靈活性與系統穩定性之間達到最優平衡

2. 信息處理優勢：實現局部擾動與全局響應的有效協調，是集體智能的潛在物理基礎

3. 進化假說：自然選擇可能通過塑造個體交互規則，使群體行為維持在臨界區域附近

1. 數據采集技術：高分辨率軌跡追蹤

2. 關鍵定量分析：序參量分析、時空關聯函數、標度律分析、擾動實驗

3. 從數據到理論：數據驅動建模與重整化群分析

4. AI新范式：機器學習、深度神經網絡

1. 科學前沿問題與挑戰

2. 核心應用領域：利用臨界態規則設計集群機器人

3. 更廣闊的應用：在交通流、信息網絡等復雜系統中的啟示

核心概念

群體智能 Swarm Intelligence

自組織 Self-organization

臨界態 Critical State

臨界性假說 Criticality Hypothesis

混沌邊緣 Edge of Chaos

序參量 Order Parameter

關聯長度 Correlation Length

數據驅動臨界態識別 Data-driven Criticality Identification

主講人介紹

主講人：林國政，北京交通大學系統科學學院講師，碩士生導師，2024年畢業于北京師范大學系統科學學院。主要從事各類復雜系統涌現特征與機理的研究，包括魚群、蟻群生物集群系統、多智能體系統、交通系統等。在Physical Review Letters、PRX Life、PLoS Computational Biology等期刊上發表論文10余篇，主持中央高校基本科研業務費、中國博士后科學基金面上項目、國家自然科學專項項目子項目。

參考文獻

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.

時間信息

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

報名讀書會：

「群體智能：從自然涌現到人機共創」

集智俱樂部聯合北京師范大學系統科學學院韓戰鋼教授、暨南大學計算傳播研究中心趙甜芳副教授、新疆大學物理科學與技術學院玉素甫·艾比布拉副教授等學者，共同發起本次，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會的集群行為、以及人工智能時代的多智能體與群智優化，放在同一張地圖上重新理解。讀書會自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、如何被理解、以及如何被設計，感興趣的朋友一起加入：帶著問題來，帶著更有趣的問題去。

報名方式：

第一步：微信掃碼填寫報名信息。

第二步：填寫信息后，付費報名。如需用支付寶支付，請在PC端進入讀書會頁面報名支付：

第三步：添加運營助理微信，拉入對應主題的讀書會社區（微信群）。

PS：為確保專業性和討論的聚焦，本讀書會謝絕脫離讀書會主題和群體智能相關問題的空泛的哲學和思辨式討論；如果出現討論內容不符合要求、經提醒無效者，會被移除群聊并對未參與部分退費。

加入社區后可獲得的資源

完整權限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創任務獲取積分等。