導(dǎo)語(yǔ)

涌現(xiàn)現(xiàn)象究竟是系統(tǒng)本身“長(zhǎng)出來(lái)”的，還是我們作為觀察者“看出來(lái)”的？當(dāng)我們?cè)谏窠?jīng)網(wǎng)絡(luò)、氣候系統(tǒng)以及大語(yǔ)言模型中不斷觀察到復(fù)雜結(jié)構(gòu)自發(fā)生成，一個(gè)更根本的問(wèn)題也隨之浮現(xiàn)：我們到底是在發(fā)現(xiàn)規(guī)律，還是在創(chuàng)造規(guī)律？

本文整理自2026年4月25日集智科學(xué)節(jié)《山谷中的涌現(xiàn)》中張江老師的主題演講：《涌現(xiàn)與觀察者》。報(bào)告從回顧傳統(tǒng)自下而上的涌現(xiàn)研究范式出發(fā)，轉(zhuǎn)向強(qiáng)調(diào)以觀察者為核心的自上而下的研究范式，并通過(guò)因果涌現(xiàn)理論與機(jī)器觀察者框架，將“涌現(xiàn)”重新表述為一個(gè)與尺度選擇與計(jì)算優(yōu)化緊密相關(guān)的問(wèn)題，在方法論層面給出一種可計(jì)算的統(tǒng)一刻畫(huà)路徑。文章最后指出“機(jī)器觀察者”可以作為一種客觀的AI算法以替代人類觀察者，從而為研究涌現(xiàn)、智能、生命、意識(shí)等可能需要觀察者介入的廣泛現(xiàn)象提供了一種全新的思路。

關(guān)鍵詞：因果涌現(xiàn)、粗粒化、有效信息、機(jī)器觀察者、泛函粗粒化、動(dòng)力學(xué)可逆性、SVD分解、world model

張江丨講者

我今天演講的題目是《涌現(xiàn)與觀察者》。

這個(gè)題目大家細(xì)品會(huì)發(fā)現(xiàn)，帶有一點(diǎn)濃厚的民間哲學(xué)家的味道，但實(shí)際上我之所以選定這一主題，有兩層原因：第一，我的團(tuán)隊(duì)當(dāng)前正圍繞因果涌現(xiàn)開(kāi)展專項(xiàng)研究，這是我們的核心研究方向之一；第二，也是對(duì)集智俱樂(lè)部早期學(xué)術(shù)傳統(tǒng)的一種回歸與致敬。

大概從2008年我們創(chuàng)辦線下活動(dòng)開(kāi)始，很多討論都是從哲學(xué)層面切入，再逐步落地做定量化、數(shù)理化的嚴(yán)謹(jǐn)研究。我個(gè)人的研究偏好，向來(lái)較少關(guān)注應(yīng)用型課題，更有興趣把什么是涌現(xiàn)、什么是生命、什么是智能這類富有哲學(xué)性的基礎(chǔ)問(wèn)題，進(jìn)行量化定義與表征，再借助數(shù)理工具做深度分析。因此本次選題，也是對(duì)我們這種學(xué)術(shù)品味的一次回歸。

普遍存在的涌現(xiàn)現(xiàn)象

好，下面進(jìn)入正題。當(dāng)我們審視各類復(fù)雜系統(tǒng)，能夠觀察到大量奇妙的涌現(xiàn)現(xiàn)象。

人腦神經(jīng)元相互聯(lián)結(jié)，最終衍生出人類的思維與意識(shí)；地球環(huán)境系統(tǒng)中會(huì)自發(fā)生成颶風(fēng)，颶風(fēng)形成后，如同粒子乃至生命體一般，擁有自身獨(dú)立的運(yùn)動(dòng)軌跡；大語(yǔ)言模型亦是如此，當(dāng)參數(shù)量突破一定規(guī)模后，會(huì)自發(fā)產(chǎn)生訓(xùn)練數(shù)據(jù)中未曾習(xí)得的全新能力。

本次分享將分為4個(gè)部分，逐層深入解讀涌現(xiàn)現(xiàn)象與觀察者的內(nèi)在關(guān)系：

1、自下而上的傳統(tǒng)涌現(xiàn)研究視角

早期學(xué)術(shù)界對(duì)涌現(xiàn)的研究，普遍采用自下而上的研究思路，而近期的研究思路，包括我們課題組在內(nèi)，則更多轉(zhuǎn)向自上而下的涌現(xiàn)研究視角。

先來(lái)看自下而上的涌現(xiàn)研究方式：面對(duì)各類復(fù)雜系統(tǒng)，研究者在計(jì)算機(jī)中設(shè)定一系列簡(jiǎn)易底層規(guī)則，通過(guò)數(shù)學(xué)推演或代碼在仿真環(huán)境中演化，進(jìn)而生成涌現(xiàn)現(xiàn)象，以此解釋現(xiàn)實(shí)世界的復(fù)雜系統(tǒng)行為。

鳥(niǎo)群、昆蟲(chóng)群體的集群飛行，以及城市的生長(zhǎng)模擬，都可以用極簡(jiǎn)規(guī)則進(jìn)行建模復(fù)現(xiàn)。

但這種依靠設(shè)定簡(jiǎn)單規(guī)則做仿真的研究方式，雖直觀易懂，卻存在明顯短板：面對(duì)不同復(fù)雜系統(tǒng)，只能逐一制定模擬規(guī)則，無(wú)法形成統(tǒng)一的理論認(rèn)知。復(fù)雜性科學(xué)最核心的使命，本就是挖掘各類現(xiàn)象背后共通的本質(zhì)規(guī)律，而這類建模方式，往往一個(gè)現(xiàn)象就要抽象一套專門(mén)的規(guī)則，更換研究對(duì)象便需要重構(gòu)規(guī)則體系。

這種規(guī)則的抽象與設(shè)計(jì)，完全依賴研究者的經(jīng)驗(yàn)積累與思想深度，很難提煉出普適性的底層邏輯。

早期研究也曾嘗試尋找統(tǒng)一規(guī)律，比如提出系統(tǒng)會(huì)在混沌與秩序的邊緣臨界態(tài)產(chǎn)生涌現(xiàn)，這是對(duì)涌現(xiàn)現(xiàn)象的一種整體性歸納。但這類認(rèn)知過(guò)于粗略，也無(wú)法從根本上回答“究竟什么是涌現(xiàn)”這一核心問(wèn)題，更無(wú)法對(duì)涌現(xiàn)現(xiàn)象展開(kāi)量化描述。

正因自下而上的傳統(tǒng)研究存在內(nèi)在缺陷，學(xué)界開(kāi)始探索另一條完全不同的路徑，也就是自上而下的研究視角。

2、涌現(xiàn)的自上而下視角：觀察者與涌現(xiàn)的內(nèi)在關(guān)聯(lián)

涌現(xiàn)的自上而下研究視角的開(kāi)創(chuàng)者，可以追溯到美國(guó)圣塔菲研究所的物理學(xué)家James Crutchfield。早在上世紀(jì)九十年代，他便發(fā)表系列研究成果，提出一個(gè)核心觀點(diǎn)：涌現(xiàn)現(xiàn)象與觀察者存在密不可分的關(guān)聯(lián)。

引入觀察者這一概念，也是自上而下的涌現(xiàn)研究視角最為精妙的地方。復(fù)雜現(xiàn)象背后很難找到統(tǒng)一的底層規(guī)律，但有一個(gè)隱藏角色始終保持統(tǒng)一，那就是觀察者，也就是觀測(cè)、研究涌現(xiàn)現(xiàn)象的人本身。

不同的人們擁有結(jié)構(gòu)相近的大腦和知識(shí)體系，面對(duì)不同的復(fù)雜現(xiàn)象，會(huì)形成共通的認(rèn)知邏輯，這便是觀察者視角的核心要義，也意味著涌現(xiàn)從本質(zhì)上與觀察者深度綁定。你可能覺(jué)得這個(gè)結(jié)論過(guò)于虛幻，讓我們來(lái)看幾個(gè)例子。

案例1：生命游戲：滑翔機(jī)真的存在嗎？

舉一個(gè)典型例子，就是大家都熟知的仿真模型——生命游戲。

它是一個(gè)二維元胞自動(dòng)機(jī)，僅依靠三條簡(jiǎn)單規(guī)則，就讓黑白格子不斷切換狀態(tài)，演化出極為豐富的涌現(xiàn)模式與運(yùn)動(dòng)形態(tài)。其中有一種經(jīng)典運(yùn)動(dòng)模式被稱作“滑翔機(jī)”，演化形成后，會(huì)如同微小生命體一般，從屏幕一端平穩(wěn)移動(dòng)到另一端。

雖然這個(gè)小家伙的每一步運(yùn)動(dòng)都可以追溯到生命游戲的三條簡(jiǎn)單規(guī)則，但這并不是重點(diǎn)。你要思考的重點(diǎn)是，究竟什么才是一個(gè)“滑翔機(jī)”？甚至于，究竟存在不存在“滑翔機(jī)”這個(gè)運(yùn)動(dòng)物體？

你仔細(xì)思考，就會(huì)發(fā)現(xiàn)，問(wèn)題沒(méi)有出看起來(lái)那么簡(jiǎn)單。深究來(lái)看，并不存在真實(shí)的實(shí)體在運(yùn)動(dòng)，底層只有黑白格子的狀態(tài)交替變化，并無(wú)實(shí)體位移。我們之所以能感知到“滑翔機(jī)”這個(gè)獨(dú)立個(gè)體與運(yùn)動(dòng)形態(tài)，完全源于觀察者的主觀認(rèn)知。

事實(shí)上，“滑翔機(jī)”無(wú)非是生命游戲世界中成千上萬(wàn)的涌現(xiàn)模式之一而已。從物理層面解釋，這是一種孤波；而生命游戲本身，并沒(méi)有定義哪一種模式更特殊、更有趣。我們之所以篩選出滑翔機(jī)這類特定模式、賦予特殊意義，完全是人類觀察者主動(dòng)識(shí)別、圈定和解讀的結(jié)果。

生命游戲可以演化出海量多樣的模式，但我們真正關(guān)注、賦予意義的只有少數(shù)幾種，這些被重點(diǎn)關(guān)注的模式，都是由觀察者主動(dòng)篩選出來(lái)的。這正是涌現(xiàn)與觀察者之間十分微妙的關(guān)聯(lián)。

若覺(jué)得滑翔機(jī)的例子略顯牽強(qiáng)，自然界和生活中中還有大量場(chǎng)景，都能體現(xiàn)觀察者的關(guān)鍵作用。

案例2：人臉識(shí)別：模式是被“看見(jiàn)”的

比如一幅由枯枝、鳥(niǎo)群排布構(gòu)成的圖景，本身并無(wú)人臉形態(tài)，但人類大腦對(duì)人臉特征模式高度敏感，能自發(fā)從中辨識(shí)出完整人臉輪廓。這張人臉并非客觀存在，完全是觀察者依托自身認(rèn)知能力建構(gòu)、識(shí)別出來(lái)的形態(tài)。

案例3：觀測(cè)尺度決定認(rèn)知意義

除了建構(gòu)具象模式，觀察者以不同尺度觀測(cè)同一事物，還能解讀出同一種事物完全不同的含義。

下面這張圖是《哥德?tīng)枴Ｉ釥枴秃铡分械囊环?huà)作，其創(chuàng)作目的就是為了展示不同含義（甚至于意義相反）的信息可以被編碼在同一張圖的不同尺度之中。從遠(yuǎn)距離宏觀視角看，這張圖呈現(xiàn)出“無(wú)”字；拉近觀察，能看到“整體論”“簡(jiǎn)化論”字樣；進(jìn)一步放大“整體論”，你會(huì)發(fā)現(xiàn)它是由大量的“簡(jiǎn)化論”構(gòu)成的；而放大“簡(jiǎn)化論”文字，又會(huì)看到很多的“整體論”文字。如果你眼神好，可以再進(jìn)一步放大去看，達(dá)到極致微觀的尺度，你會(huì)依舊看到“無(wú)”字。那么，這張圖到底表達(dá)了什么意思呢？是整體論？簡(jiǎn)化論？還是無(wú)？

事實(shí)上，這張畫(huà)沒(méi)有一個(gè)客觀固定的意義表達(dá)，任何一種意義的發(fā)現(xiàn)就取決于觀察者在哪個(gè)尺度去解讀。同一幅客觀圖像，它將不同信息、不同內(nèi)涵完美編碼其中，觀測(cè)者選取的尺度不同，是宏觀還是微觀，獲取的信息與解讀的意義便截然不同。客觀事物本身恒定不變，觀測(cè)尺度的差異，造就了多元的認(rèn)知結(jié)果，這也是人與自然、人與復(fù)雜系統(tǒng)之間十分微妙的關(guān)系，而涌現(xiàn)現(xiàn)象同樣遵循類似的邏輯。

因果涌現(xiàn)理論：如何量化“涌現(xiàn)”

前面的解讀偏哲學(xué)思辨，但作為理工科研究者，不能僅停留在抽象思辨層面，我們需要用嚴(yán)謹(jǐn)?shù)臄?shù)理框架來(lái)刻畫(huà)涌現(xiàn)的奇妙性質(zhì)。我們研究團(tuán)隊(duì)近年深耕的因果涌現(xiàn)理論，就可以用規(guī)范的數(shù)學(xué)語(yǔ)言，完整描述這套觀察者與涌現(xiàn)的邏輯框架。

1. 微觀尺度與宏觀尺度

因果涌現(xiàn)理論于2013年由Erik Hoel、Albantakis L.以及Guilio Tononi三位威斯康辛大學(xué)的學(xué)者提出。這一理論框架的核心思想可以概括為右側(cè)的圖。要理解因果涌現(xiàn)，我們需要建立至少兩個(gè)觀測(cè)尺度：微觀尺度與宏觀尺度。每一個(gè)尺度都可以用一套動(dòng)力學(xué)來(lái)描述，如果宏觀尺度的動(dòng)力學(xué)的因果效應(yīng)強(qiáng)度大于微觀尺度的，那么系統(tǒng)中就發(fā)生了因果涌現(xiàn)現(xiàn)象。

以鳥(niǎo)群為例：?jiǎn)沃伙w鳥(niǎo)的飛行軌跡（坐標(biāo)與速度），構(gòu)成復(fù)雜系統(tǒng)的微觀尺度描述；將整個(gè)鳥(niǎo)群視作整體，觀察其集群運(yùn)動(dòng)趨勢(shì)與重心運(yùn)動(dòng)的軌跡（坐標(biāo)與速度），這便構(gòu)成了宏觀尺度的描述。

微觀與宏觀兩個(gè)尺度，各自都是獨(dú)立的動(dòng)力學(xué)系統(tǒng)，遵循自身的動(dòng)力學(xué)方程演化。為了刻畫(huà)系統(tǒng)動(dòng)力學(xué)的因果效應(yīng)強(qiáng)度，我們可以引入有效信息這一指標(biāo)。

有效信息看似公式繁雜，核心內(nèi)涵可概括為：將系統(tǒng)的上一時(shí)刻的狀態(tài)分布被干預(yù)為均勻分布的條件下，系統(tǒng)前一時(shí)刻狀態(tài)與后一時(shí)刻狀態(tài)之間的互信息。簡(jiǎn)單來(lái)說(shuō)，一個(gè)系統(tǒng)受到外界刺激后，若響應(yīng)清晰、狀態(tài)變化有明確規(guī)律，其有效信息數(shù)值就更高；反之則更低。

而因果涌現(xiàn)的定義就是：當(dāng)系統(tǒng)宏觀尺度的有效信息，高于微觀尺度有效信息時(shí)，即可判定該系統(tǒng)產(chǎn)生了因果涌現(xiàn)現(xiàn)象。

這套理論首次對(duì)“什么是涌現(xiàn)”給出了可量化、可度量的描述，即便學(xué)界對(duì)此定義仍有爭(zhēng)議，但仍是目前學(xué)術(shù)界首個(gè)基于干預(yù)性因果效應(yīng)度量指標(biāo)實(shí)現(xiàn)涌現(xiàn)定量化刻畫(huà)的理論框架。

2. 粗粒化：觀察者真正發(fā)揮作用的地方

在因果涌現(xiàn)框架中，還有一個(gè)關(guān)鍵問(wèn)題：我們擁有系統(tǒng)微觀態(tài)之后，如何推導(dǎo)、凝練出宏觀態(tài)？這一過(guò)程，正是觀察者發(fā)揮作用的關(guān)鍵環(huán)節(jié)。

經(jīng)典的因果涌現(xiàn)理論中有一個(gè)核心概念叫作粗粒化。宏觀系統(tǒng)本質(zhì)上是對(duì)微觀系統(tǒng)的粗粒化描述，可簡(jiǎn)單理解為降維與壓縮；從精確定義來(lái)看，它是一種函數(shù)映射關(guān)系：對(duì)微觀狀態(tài)空間進(jìn)行劃分歸類，再將每一個(gè)歸類單元，重新定義為宏觀狀態(tài)空間中的一個(gè)狀態(tài)，這套壓縮映射過(guò)程，就是粗粒化。

舉一個(gè)簡(jiǎn)單的四狀態(tài)離散馬爾可夫動(dòng)力學(xué)系統(tǒng)案例：這類離散系統(tǒng)的動(dòng)力學(xué)規(guī)律，完全可以通過(guò)狀態(tài)轉(zhuǎn)移矩陣刻畫(huà)，矩陣元素代表不同狀態(tài)之間的跳轉(zhuǎn)概率，且矩陣滿足行歸一化條件。

以該轉(zhuǎn)移矩陣（fm）作為系統(tǒng)微觀動(dòng)力學(xué)描述，為了得到宏觀描述，我們可以人為設(shè)定粗粒化規(guī)則：將前三個(gè)微觀狀態(tài)合并壓縮為一個(gè)宏觀狀態(tài)。原本三個(gè)狀態(tài)之間完全隨機(jī)的跳轉(zhuǎn)變化，在宏觀視角下會(huì)被整合為沒(méi)有變化的一個(gè)狀態(tài)，最后一個(gè)微觀狀態(tài)則保持不變，形成僅含兩個(gè)狀態(tài)的宏觀轉(zhuǎn)移矩陣（fM）。

經(jīng)測(cè)算，該宏觀動(dòng)力學(xué)的有效信息為1比特，原始微觀系統(tǒng)有效信息為0.81比特，宏觀顯著高于微觀，差值為0.19比特。足以說(shuō)明在這個(gè)簡(jiǎn)易馬爾可夫鏈系統(tǒng)中，真實(shí)存在因果涌現(xiàn)現(xiàn)象。

3. 粗粒化的主觀性缺陷

完整的因果涌現(xiàn)理論，清晰解釋了系統(tǒng)產(chǎn)生涌現(xiàn)的判定邏輯，但深究便會(huì)發(fā)現(xiàn)內(nèi)在問(wèn)題：為什么要采用這種粗粒化方式？

粗粒化方式的選擇，本質(zhì)上再次引出了觀察者效應(yīng)。客觀世界只存在系統(tǒng)微觀態(tài)，鳥(niǎo)群的個(gè)體運(yùn)動(dòng)本就客觀存在，而宏觀態(tài)并非天然固有，只是人類觀察者為便于認(rèn)知，主動(dòng)抽象、降維凝練出的低維表征。換句話說(shuō)，系統(tǒng)的所謂宏觀狀態(tài)與宏觀動(dòng)力學(xué)完全是一種觀察者效應(yīng)——即觀察者通過(guò)某種特定的粗粒化方式抽象出來(lái)的一種對(duì)系統(tǒng)的觀察效果。

同時(shí)，這也就意味著，這種粗粒化抽象沒(méi)有唯一的標(biāo)準(zhǔn)答案：換一位觀察者，完全可以更換另一種粗粒化方式來(lái)描述同樣的系統(tǒng)，但是最終會(huì)得到完全不同的宏觀狀態(tài)和宏觀動(dòng)力學(xué)。還用這個(gè)四個(gè)狀態(tài)的馬爾可夫鏈來(lái)舉例說(shuō)明，如果觀察者將后三個(gè)微觀狀態(tài)合并，形成一個(gè)宏觀狀態(tài)，而保留第一個(gè)微觀狀態(tài)獨(dú)立，那么就會(huì)得到另外一套宏觀動(dòng)力學(xué)（f'M）。因此，采用不同粗粒化方案，同一個(gè)微觀轉(zhuǎn)移矩陣，會(huì)生成完全不同的宏觀動(dòng)力學(xué)（fM,f'M）。

此時(shí)測(cè)算這個(gè)新的宏觀動(dòng)力學(xué)f'M會(huì)發(fā)現(xiàn)，新宏觀系統(tǒng)的有效信息反而降低，為0.01比特，與原始微觀動(dòng)力學(xué)的0.81比特相比，甚至出現(xiàn)了因果效應(yīng)減弱的情況，形成了所謂的因果簡(jiǎn)化（Causal Reduction）效應(yīng)，而不是因果涌現(xiàn)。

這就帶來(lái)了一個(gè)核心困惑：面對(duì)同一個(gè)客觀系統(tǒng)，究竟哪一種粗粒化方案才是正確的？不同觀察者、不同粗粒化視角，完全可以得出截然相反的判定結(jié)果，這種依賴于觀察者的主觀效應(yīng)似乎構(gòu)成了因果涌現(xiàn)理論的短板。

機(jī)器觀察者：讓觀察變得“客觀”

為了彌補(bǔ)傳統(tǒng)因果涌現(xiàn)理論的不足，我們提出新的解決思路——引入“機(jī)器觀察者”。

既然人類觀察者的粗粒化選擇具有主觀性、任意性，不妨用人工智能機(jī)器替代人類擔(dān)任觀察者角色，并為機(jī)器設(shè)定一條核心準(zhǔn)則：最大化有效信息準(zhǔn)則，以此來(lái)篩選、優(yōu)化觀察者進(jìn)行粗粒化的方案，從而消除人為帶來(lái)的觀察者效應(yīng)。

這套范式有兩大核心特點(diǎn)：

第一，依然保留觀察者研究框架，只是將人類觀察者替換為AI算法程序；

第二，這個(gè)AI算法程序就是一個(gè)普通的表征學(xué)習(xí)框架，它具有編碼器、動(dòng)力學(xué)學(xué)習(xí)器和解碼器，分別用于學(xué)習(xí)粗粒化函數(shù)、微觀和宏觀動(dòng)力學(xué)和反粗粒化函數(shù)；

第三，機(jī)器觀察者遵循最大化有效信息這一客觀準(zhǔn)則，不再任意選擇粗粒化方案，而是只篩選能讓宏觀動(dòng)力學(xué)有效信息達(dá)到最大值，同時(shí)又能保證微觀狀態(tài)的預(yù)測(cè)誤差足夠小的粗粒化方式，從而為因果涌現(xiàn)的判定建立了基于機(jī)器觀察者的客觀統(tǒng)一標(biāo)準(zhǔn)。

事實(shí)上，最大化有效信息準(zhǔn)則早在Erik Hoel等人提出因果涌現(xiàn)理論框架的同時(shí)就已經(jīng)被隱含地提出來(lái)了，我們則將這條準(zhǔn)則作為機(jī)器觀察者的最重要約束條件。

我?guī)ьI(lǐng)幾位團(tuán)隊(duì)成員共同完成了相關(guān)研究成果，提出了神經(jīng)信息壓縮機(jī)（NIS+）的機(jī)器學(xué)習(xí)框架，并發(fā)表在《National Science Review》期刊上。整套框架構(gòu)建了完整的編碼—解碼架構(gòu)，本質(zhì)是求解泛函優(yōu)化問(wèn)題：尋找最優(yōu)粗粒化方案與宏觀動(dòng)力學(xué)，使宏觀的有效信息實(shí)現(xiàn)最大化。

研究中引入了可逆神經(jīng)網(wǎng)絡(luò)架構(gòu)，我們依托其良好的數(shù)學(xué)性質(zhì)，對(duì)“泛函粗粒化”過(guò)程進(jìn)行嚴(yán)格刻畫(huà)與建模，并在此基礎(chǔ)上證明多項(xiàng)理論結(jié)果，從而保障有效信息最大化。同時(shí)，算法通過(guò)學(xué)習(xí)逆向宏觀動(dòng)力學(xué)并最小化宏觀預(yù)測(cè)誤差，使所凝練出的宏觀動(dòng)力學(xué)能夠更穩(wěn)定、客觀地映射系統(tǒng)的微觀結(jié)構(gòu)與演化規(guī)律。

該框架已落地應(yīng)用于多個(gè)系統(tǒng)之上：可對(duì)鳥(niǎo)群系統(tǒng)自動(dòng)抽象宏觀維度，刻畫(huà)集群中心與飛行方向；能在生命游戲中精準(zhǔn)捕捉滑翔機(jī)等典型涌現(xiàn)模式；應(yīng)用于腦電信號(hào)研究發(fā)現(xiàn)，大腦靜息狀態(tài)與視覺(jué)任務(wù)狀態(tài)下，因果涌現(xiàn)特征差異顯著，執(zhí)行視覺(jué)任務(wù)時(shí)涌現(xiàn)強(qiáng)度最高，僅需一維宏觀態(tài)即可描述大腦復(fù)雜動(dòng)力學(xué)；后續(xù)也已拓展至小鼠大腦與意識(shí)相關(guān)研究。

動(dòng)力學(xué)可逆性與奇異值分解（SVD）：

一種更簡(jiǎn)潔的框架

我們搭建的機(jī)器學(xué)習(xí)機(jī)器觀察者框架雖可行，但仍存在短板：可調(diào)參數(shù)眾多，結(jié)果高度依賴數(shù)據(jù)質(zhì)量與訓(xùn)練方式，不夠簡(jiǎn)潔干凈。為此我們進(jìn)一步開(kāi)展后續(xù)深化研究，獲得了新的重要發(fā)現(xiàn)。

首先，我們發(fā)現(xiàn)，一個(gè)系統(tǒng)的動(dòng)力學(xué)的因果性（即前后兩個(gè)時(shí)刻狀態(tài)變量的因果效應(yīng)強(qiáng)度）等價(jià)于這個(gè)動(dòng)力學(xué)的可逆性，與物理學(xué)中的時(shí)間反演對(duì)稱性高度關(guān)聯(lián)；其次，最大化有效信息的復(fù)雜優(yōu)化問(wèn)題，最終可簡(jiǎn)化為對(duì)動(dòng)力學(xué)轉(zhuǎn)移矩陣做SVD分解，這非常類似于對(duì)數(shù)據(jù)做PCA降維的數(shù)學(xué)操作，但二者在研究對(duì)象上存在本質(zhì)區(qū)別。

傳統(tǒng)PCA、SVD降維方法，都是針對(duì)原始觀測(cè)數(shù)據(jù)開(kāi)展的；而我們的研究，是直接對(duì)系統(tǒng)動(dòng)力學(xué)轉(zhuǎn)移矩陣（TPM） 做SVD分解，這在過(guò)往研究中極為少見(jiàn)，僅有Koopman算子等相關(guān)研究涉及奇異值分解，針對(duì)動(dòng)力學(xué)本身做SVD分解具備獨(dú)特學(xué)術(shù)價(jià)值。

具體分析方法十分簡(jiǎn)便：判斷一個(gè)復(fù)雜系統(tǒng)是否存在因果涌現(xiàn)，只需對(duì)其動(dòng)力學(xué)轉(zhuǎn)移矩陣做SVD分解，繪制奇異值譜；尋找譜間隙最大的位置設(shè)定截?cái)嚅撝担釛夐撝狄韵碌男》娈愔担偻ㄟ^(guò)截?cái)嗲昂笞V均值的差值，即可量化判定因果涌現(xiàn)是否發(fā)生及強(qiáng)度高低。如果該差值大于0，則系統(tǒng)中發(fā)生了因果涌現(xiàn)。

我們經(jīng)過(guò)大量案例驗(yàn)證，該方法的判定結(jié)果，與最大化有效信息框架完全一致；即便采用因果涌現(xiàn)創(chuàng)始人在PNAS論文中使用的布爾網(wǎng)絡(luò)案例，測(cè)算結(jié)論也完全吻合，具備高度可靠性。

同時(shí)我們從理論上也可以證明，這套SVD分解框架與基于最大化有效信息為基礎(chǔ)的因果涌現(xiàn)判定方法是近似等價(jià)的。

但即便簡(jiǎn)化為SVD分解框架，觀察者效應(yīng)依舊無(wú)法完全摒除。關(guān)鍵原因在于截?cái)嚅撝档倪x取：舍棄小幅奇異值、忽略部分微觀信息，這本身就是一種粗粒化操作，本質(zhì)上仍是一種觀察者的行為。如果觀察者選擇的誤差截?cái)嘣酱螅瑒t觀察者在粗粒化的時(shí)候就會(huì)損失越多的信息，但有可能會(huì)帶來(lái)宏觀動(dòng)力學(xué)可逆性，也就是信息保留能力的提升；反過(guò)來(lái)則可能忽略越少的信息，但獲得較少可逆動(dòng)力學(xué)信息的提升。

相較復(fù)雜的機(jī)器學(xué)習(xí)算法，這套基于動(dòng)力學(xué)可逆性和SVD框架的優(yōu)勢(shì)在于把觀察者的主觀操作降到最低，只需確定一個(gè)截?cái)嚅撝担纯赏瓿尚畔⑸釛壟c粗粒化，進(jìn)而實(shí)現(xiàn)因果涌現(xiàn)的標(biāo)準(zhǔn)化判定。

自上而下研究范式的整體邏輯

綜合兩套研究路徑，自上而下的觀察者涌現(xiàn)研究范式邏輯清晰：

1. 依托算法充當(dāng)機(jī)器觀察者，先后形成可逆神經(jīng)網(wǎng)絡(luò)優(yōu)化框架NIS+和基于動(dòng)力學(xué)可逆性和SVD簡(jiǎn)化框架兩套體系；

2. 通過(guò)算法求解最優(yōu)粗粒化方案，鎖定能讓宏觀因果效應(yīng)、有效信息最大化的表征方式；

3. 對(duì)比宏觀與微觀系統(tǒng)的有效信息大小，判定因果涌現(xiàn)是否發(fā)生；

4. 借助截?cái)嗪蟮钠娈愊蛄浚芍苯油茖?dǎo)粗粒化后的宏觀動(dòng)力學(xué)模型。

機(jī)器觀察者研究范式

從這套視角，我們可以形成新的認(rèn)知：

第一，涌現(xiàn)并非系統(tǒng)純粹的客觀屬性，而是高度依賴于觀察者的粗粒化、抽象與降維方式。滑翔機(jī)這類涌現(xiàn)模式的出現(xiàn)，更多是觀察者在構(gòu)建內(nèi)部動(dòng)力學(xué)模型中，產(chǎn)生了隱空間中新變量的結(jié)果，而非原始系統(tǒng)本身發(fā)生改變?cè)斐傻摹６^察者內(nèi)部模型中新產(chǎn)生的變量間的因果關(guān)聯(lián)，便是一種涌現(xiàn)的因果，這是一種基于觀察者視角對(duì)因果涌現(xiàn)的新的解讀。

第二，機(jī)器觀察者的引入，可能給我們帶來(lái)一種全新的研究思考范式。傳統(tǒng)研究范式通常會(huì)刻意忽略觀察者，力求客觀復(fù)刻現(xiàn)實(shí)世界；如果引入觀察者則有可能造成對(duì)客觀現(xiàn)象任意的主觀解讀。

而當(dāng)我們引入了機(jī)器觀察者范式，除原始客觀系統(tǒng)外，我們還增設(shè)了一個(gè)獨(dú)立的機(jī)器觀察者，人類觀察者則作為二階觀察者。此時(shí)，我們作為二階觀察者就不再單純研究原始系統(tǒng)本身了，而是通過(guò)剖析機(jī)器觀察者內(nèi)部的結(jié)構(gòu)、變量與因果關(guān)聯(lián)，完成對(duì)系統(tǒng)涌現(xiàn)屬性的刻畫(huà)。

基于這一范式，我做出一個(gè)大膽猜想：生命本質(zhì)、意識(shí)起源、自由意志、向下因果等長(zhǎng)期無(wú)解的難題，或許都能借助機(jī)器觀察者視角得到合理解釋。比如宏觀主體作用于微觀細(xì)胞的向下因果箭頭，便有望為自由意志的內(nèi)涵提供新的解讀思路，目前這僅為前瞻性學(xué)術(shù)猜想，尚未開(kāi)展專項(xiàng)實(shí)證研究。

除此之外，人類與人工智能還有一個(gè)共通特質(zhì)：能夠自我粗粒化、自我反思。人類的自我審視、大模型的自我反省，都是在內(nèi)部形成抽象表征與粗粒化描述，構(gòu)成自指結(jié)構(gòu)。這也是集智俱樂(lè)部長(zhǎng)期關(guān)注的核心議題，當(dāng)下大模型已具備基礎(chǔ)自指與自省能力，其背后機(jī)理同樣可以依托機(jī)器觀察者范式展開(kāi)深入研究。

總結(jié)與后續(xù)著作預(yù)告

整體總結(jié)來(lái)看，涌現(xiàn)研究分為兩大核心范式：

一是自下而上：通過(guò)設(shè)定簡(jiǎn)單規(guī)則仿真復(fù)現(xiàn)涌現(xiàn)現(xiàn)象，直觀易懂，但缺乏統(tǒng)一理論框架，只能個(gè)案建模、無(wú)法提煉共通規(guī)律；

二是自上而下：引入觀察者核心視角，依托粗粒化、有效信息、SVD分解等數(shù)理工具，實(shí)現(xiàn)涌現(xiàn)的量化定義與客觀判定，并衍生出機(jī)器觀察者全新研究范式。

機(jī)器觀察者是本次分享的核心內(nèi)容，也是我新作《涌現(xiàn)》一書(shū)的核心亮點(diǎn)。本書(shū)目前暫未正式發(fā)布面世，期待后續(xù)與大家見(jiàn)面，也歡迎大家持續(xù)關(guān)注。

現(xiàn)場(chǎng)問(wèn)答

Q1：今天的分享里提出了“機(jī)器觀察者”這一機(jī)制。我在想，如果把時(shí)間繼續(xù)往前推，推到生命出現(xiàn)之前，那么宇宙里是否已經(jīng)存在某種“觀察者”？因?yàn)閺男畔⒄摻嵌瓤矗诠忮F范圍內(nèi)，任何信息一旦產(chǎn)生，都會(huì)進(jìn)入環(huán)境，沒(méi)有信息能夠真正隱藏。某種意義上說(shuō)，環(huán)境本身似乎就在不斷“記錄”世界。這讓我想到惠勒提出的“參與式宇宙”觀點(diǎn)。他曾用“大眼睛宇宙”來(lái)比喻宇宙對(duì)自身的觀察，甚至認(rèn)為宇宙可能正是通過(guò)“觀察自己”而生成現(xiàn)實(shí)。所以我在想：會(huì)不會(huì)宇宙從一開(kāi)始就具備某種“自我觀測(cè)”的能力？而不一定非要等到生命或者意識(shí)主體出現(xiàn)之后，觀察才發(fā)生。

A1：這個(gè)問(wèn)題已經(jīng)非常接近宇宙學(xué)和意識(shí)哲學(xué)了，某種意義上有些超出今天討論的范圍。但我覺(jué)得這里面真正值得討論的，其實(shí)是另一個(gè)更核心的問(wèn)題：

生命是否與“觀察”本身深度綁定？觀測(cè)行為是否是宇宙維持自身存在的一種必要條件？

這個(gè)問(wèn)題我沒(méi)有確定答案，但我覺(jué)得它里面有一種很強(qiáng)的“自指性”。因?yàn)椤笆裁词巧北旧恚赡芫筒皇且粋€(gè)完全客觀的問(wèn)題。如果只從純物理層面去看，世界無(wú)非是一堆分子在運(yùn)動(dòng)；但像細(xì)胞、生命體這樣的宏觀結(jié)構(gòu)，其實(shí)有點(diǎn)類似于生命游戲中的“滑翔機(jī)”——它們作為一種 pattern，需要觀察者去識(shí)別、命名和定義。Q1：也就是說(shuō)，生命可能本質(zhì)上是一種能夠維持自身結(jié)構(gòu)的模式？

A1：對(duì)，可以這樣理解。它和我們討論的“涌現(xiàn)”其實(shí)很像，并不一定是一個(gè)完全客觀的屬性。

從微觀層面看，可能只是分子運(yùn)動(dòng)；但到了宏觀層面，像細(xì)胞這樣的結(jié)構(gòu)，需要觀察者進(jìn)行粗粒化與抽象之后，才會(huì)成為“生命”。而這里更微妙的一點(diǎn)在于：細(xì)胞后來(lái)又進(jìn)一步演化成了“觀察者”本身。于是問(wèn)題就會(huì)變成一種“先有雞還是先有蛋”的循環(huán)結(jié)構(gòu)。所以最終會(huì)落到一個(gè)關(guān)鍵問(wèn)題上：

粗粒化究竟是外部觀察者施加的，還是系統(tǒng)自身就在進(jìn)行粗粒化？

像人類的大腦，其實(shí)已經(jīng)具備了對(duì)自身進(jìn)行粗粒化的能力，也就是所謂的“自我反思”。

Q2：我想問(wèn)的問(wèn)題其實(shí)和上一位同學(xué)有點(diǎn)類似，但我嘗試從演化論的角度來(lái)理解“觀察”。我覺(jué)得客觀物質(zhì)世界本身也可以構(gòu)成一種“觀察者”，觀察不一定必須依賴主觀意識(shí)。比如從演化選擇的角度看，從單細(xì)胞到多細(xì)胞生物，本身就是一個(gè)涌現(xiàn)過(guò)程：?jiǎn)渭?xì)胞無(wú)法完成的功能，在群體層面被實(shí)現(xiàn)出來(lái)，并在與環(huán)境的互動(dòng)中被選擇保留下來(lái)。從這個(gè)意義上說(shuō)，這種“功能被環(huán)境選擇并保留”的過(guò)程，其實(shí)也可以類比為一種廣義的“觀察”。

在這個(gè)基礎(chǔ)上我想進(jìn)一步追問(wèn)：您所說(shuō)的“觀察者”是否其實(shí)暗含了主觀意識(shí)？如果是這樣的話，那么“機(jī)器觀察者”真的能夠擺脫主觀意識(shí)的局限嗎？畢竟機(jī)器的結(jié)構(gòu)、算法、輸入信息，本身仍然是由人設(shè)計(jì)和選擇的。

A2：這里首先需要做一個(gè)概念上的澄清，其實(shí)就是“意識(shí)”這個(gè)問(wèn)題本身要不要引入。你會(huì)發(fā)現(xiàn)，不同學(xué)者對(duì)意識(shí)的理解差別非常大，比如 Tononi 的理論和丹尼特（Dennett）的觀點(diǎn)，其實(shí)是完全不同的兩套框架。所以這個(gè)問(wèn)題如果展開(kāi)，會(huì)迅速變成一個(gè)非常大的哲學(xué)分歧，我們?cè)谶@里可以先不進(jìn)入這個(gè)層面。

回到我們現(xiàn)在的定義，其實(shí)可以把“觀察者”這個(gè)概念做一個(gè)很大的簡(jiǎn)化。在我們的框架里，并不需要引入主觀意識(shí)。

一個(gè)系統(tǒng)只要滿足這樣的結(jié)構(gòu)，就可以被視為“觀察者”：

• 存在微觀動(dòng)力學(xué)；

• 存在宏觀動(dòng)力學(xué)；

• 二者之間存在一個(gè)抽象映射或表示關(guān)系（也就是粗粒化）。

從這個(gè)角度看，現(xiàn)在的大模型其實(shí)就已經(jīng)可以被視為一種觀察者：它通過(guò)表示學(xué)習(xí)建立 world model，本質(zhì)上就是在構(gòu)建這種“從微觀到宏觀”的抽象結(jié)構(gòu)。所以“觀察者”在這里更接近一個(gè)數(shù)學(xué)結(jié)構(gòu)，而不是一個(gè)意識(shí)主體。

它不依賴主觀性，而是依賴：兩層動(dòng)力學(xué) + 一個(gè)粗粒化映射關(guān)系。因此，在這個(gè)定義下，我們并不需要把問(wèn)題拉回到“意識(shí)是否存在”的討論中。

因果涌現(xiàn)第七季——從理論到應(yīng)用

在神經(jīng)系統(tǒng)中意識(shí)的生成、城市交通的擁堵演化、全球產(chǎn)業(yè)系統(tǒng)的協(xié)同與失穩(wěn)之中，始終潛藏著一條貫穿微觀與宏觀的因果脈絡(luò)：個(gè)體行為本身或許簡(jiǎn)單，卻能在尺度躍遷中孕育出高度組織化、難以還原的整體結(jié)構(gòu)。復(fù)雜現(xiàn)象并非微觀規(guī)則的線性疊加，而是源于多尺度動(dòng)力學(xué)作用下逐步形成的因果組織。正是在這一背景下，因果涌現(xiàn)理論被提出，并在因果涌現(xiàn) 2.0、工程化涌現(xiàn)以及多尺度因果抽象等工作中推進(jìn)，逐漸發(fā)展出一套融合動(dòng)力學(xué)分析、信息論度量以及譜方法與人工智能工具的研究框架，從而將研究重心從“復(fù)雜性本身”轉(zhuǎn)向“因果結(jié)構(gòu)如何出現(xiàn)、如何被度量并在現(xiàn)實(shí)系統(tǒng)中發(fā)揮作用”。

為系統(tǒng)梳理因果涌現(xiàn)領(lǐng)域的最新進(jìn)展，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院教授、集智俱樂(lè)部創(chuàng)始人張江老師領(lǐng)銜發(fā)起，組織對(duì)該主題感興趣的研究者與探索者共同研讀前沿文獻(xiàn)、交流研究思路。讀書(shū)會(huì)將于2026年2月22日起每周日上午（創(chuàng)建讀書(shū)會(huì)暫定時(shí)間為10:00-22:00）線上開(kāi)展，持續(xù)約10周，包含主講分享與討論交流，并提供會(huì)后視頻回放，誠(chéng)邀相關(guān)領(lǐng)域研究者及跨學(xué)科興趣者參與。

詳情請(qǐng)見(jiàn)：

1.

2.

3.

4.

5.

6.

7.