人工智能會取代物理學家嗎？| 集智-凱風複雜系統論壇全天回顧

人工智能物理清華大學社會科學大學大數據北京師範大學數學讀書文章芝加哥大學證券投資基金集智俱樂部 2019-06-15

2019 年 6 月 7 日，正值端午之際，集智俱樂部聯合凱風基金會，邀請到集智俱樂部周邊的青年學者，在北京舉辦了以“複雜系統：跨越學科邊界的盛宴”專題論壇。14位講者以各種各樣的複雜系統為切入點，分享不同學科在複雜系統研究上的最新進展。

複雜性科學被霍金稱為 21 世紀的科學，也是集智俱樂部創辦 16 年以來始終關注的核心議題。集智俱樂部公眾號已經圍繞複雜系統研究進展，推出近千篇學術報道，同時圍繞複雜系統和人工智能組織了上百場讀書會和講座活動。

凱風公益基金會，持續關注社會經濟系統發展的重大命題，大力支持複雜系統科學的前沿研究。自 2016 年開始，聯合集智俱樂部，連續 3 年成功舉辦“集智-凱風複雜系統研讀營”。

講者分享的重要研究工作，集智俱樂部將持續跟蹤報道，請關注後續推文。

以下，是這場跨學科盛宴的亮點回顧：

一、科學未來：跨越學科邊界

01 尤亦莊人工智能會不會取代物理學家

尤亦莊，現為加州大學聖地亞哥分校物理系任助理教授，集智科學家。他於2013年在清華大學高等研究中心取得博士學位，後赴加州大學聖巴巴拉分校及哈佛大學從事博士後研究。主要研究方向是凝聚態系統中的拓撲物相、量子糾纏和機器學習等問題。

他從自己的研究方向講起。凝聚態物核心的議題是衍生現象，也就是通過微觀的個體現象研究集體行為，與複雜系統的思想不謀而合。從物理學上來講，不僅構成世界的基本粒子可能是衍生的，也可以去思考我們的物理理論、對世界的認識，是如何衍生、湧現出來的？這是更大層面上的湧現。

尤亦莊提出了一個很大膽的問題：假如人類沒有建立量子力學，但有量子系統，人工智能可以研究出量子力學嗎？他為此做了一系列實驗。受到侯世達和機器翻譯的啟發，加入詞語的mapping，即語義空間（Semantic Space）的映射。人工智能將會取代物理學家嗎？尤亦莊正在讓AI學會現有的物理學知識，期望AI有一天能回答物理學家回答不了的問題。

延伸閱讀：

學科誕生記：凝聚態物理學的興起
物理學家要失業？機器學習能自學量子力學！

02 吳令飛技能科學：再造知識經濟中的國家人才系統

吳令飛現任匹茲堡大學計算與信息學院助理教授，也是芝加哥大學知識實驗室博士後、集智科學家。他的研究方向是計算社會科學、科學學（science of science）。

他報告了自己此前在Nature雜誌發表的封面文章，對於科研團隊規模的最新研究表明，小團隊比大團隊更能做出顛覆式的創新。在過去十幾年，科研團隊的主要組成，從小部分合作者，逐漸變成了規模很大的團體，團隊人數甚至遠超一隻球隊。無論是探測深空引力波，還是整合大腦發育的遺傳學，要想解答重要的科學問題，通常需要科學家和機構集中資源與數據。每增加團隊和人員，研究者就更保守。而在申請科研基金和資助時，小團隊卻往往比大團隊更保守。這不僅是錢的故事，更是如何激勵創新、人與人如何合作和溝通的問題。

延伸閱讀：

Science經典綜述文章：什麼是科學學
Nature封面文章作者講述論文故事：小團隊知道答案

03 孟天廣科技革新與治理轉型

孟天廣是清華大學社會科學學院政治學系副教授，也是清華大學數據治理研究中心主任。

孟教授結合自己近年研究表示，大數據等數學工具的發展，對社會科學助理很大，成為了國家治理現代化的科技驅力。主要應用於政府開放數據，讓社會可以監督；用智慧方式做決策；進行預測預警，迴應治理危機等。

他的智能化社會治理（iSG）研究，利用大數據感知城市社會情緒，感知民情民意，挖掘社會運行規律。通過百度指數，可以監測到不同區域、不同時間裡的人們在關心什麼。同時，互聯網的上的民情民意也會影響地方政府決策，在重大政治會議召開之前，通過對數據的分析，瞭解民意，可以幫助設置政策議程、輔助政策的調整。

延伸閱讀：

《複雜》作者Science綜述：與時俱進的多主體仿真模型
計算社會經濟學前沿：從個體到城市

04 章彥博神經網絡尋找宏觀態

章彥博畢業於中國科學技術大學凝聚態物理系，現於美國亞利桑那州立大學攻讀複雜系統博士。

他介紹了研究複雜系統的物理學方法，使用神經網絡尋找複雜系統的宏觀態。宏觀態正是如梅拉妮·米歇爾《複雜》中所寫的“對生命系統中信息處理的高層次描述”、“一般性原理”。藉由宏觀態的數學本質，可以使用神經網絡的多目標訓練尋找宏觀態。宏觀態（Macrostate）的實際應用也很多，比如基因調控網絡裡，通過宏觀態可以找到調節整體的基因控制節點。

延伸閱讀：

一杯水為何存在：「湧現」與複雜性
網絡、幾何與物理：層級、長程關聯與局域化

二、尋找複雜網絡的內在結構

05 崔浩川自然選擇中誕生的結構

崔浩川是北京師範大學系統科學學院的在讀博士生，目前的主要研究興趣為科學學、複雜系統網絡等。目前在研究的項目是利用結構信息和元信息預測科學團隊合作影響力。

他分享了從結構角度看自增益可持續的組織形式。自然界有許多結構，其實人的社會也是。他介紹了生態學中的嵌套性（Nestedness）概念，在生態世界裡，有顯著嵌套的網絡都顯示出更高的生物多樣性增長，減少競爭。而在社會經濟網絡中，也有研究顯示，成功的國家都具有高度的多樣性特徵，與競爭激烈的動態生態環境相似。

延伸閱讀：

如何檢測社團內的嵌套結構？
群體智慧前沿：利用“網絡”預判你所在團隊能否成功

06 李林倬不確定性如何塑造經濟生活和市場結果

李林倬是清華大學社會學系碩士、美國芝加哥大學社會學系在讀博士。

他用一個生動的案例——漢服在兒童服裝中的興起——說明，文化經濟是一個超級明星市場，熱點的產生具有不確定性，以及這種不確定性如何塑造文化經濟生活和市場。傳統理論如蛛網模型，常用來研究農產品等生產週期較長的商品在失去均衡時發生的不同波動價格波動，而現在經濟學家不再認為某個時間點對整個市場切片得到的東西就是整個市場本身，就像切片的生物不等於生物本身，需要考慮時間尺度的動盪，以及各個元素之間的動力學關係。

延伸閱讀：

未來剁手指南：信息能力重塑供需關係
經濟學範式的轉移：複雜性科學家對信息經濟學做出開創性研究

07 張章 “重構”能帶給我們什麼

張章，北京師範大學系統科學學院科研助理，今年考入該專業碩士。他也是一直以來活躍在集智俱樂部的成員，對複雜系統、人工智能等學科有濃厚興趣，有過工業界背景，後因對科學的喜愛而投身於學術界，目前在進行使用機器學習方法進行網絡重構等工作。

他分享了自己的科研主要方法：通過觀察節點演化數據。先用網絡生成器，再生成一個網絡，最後用動力學預測器來預測生成的網絡。通過把預測的未來數據和真實的未來數據進行對比，再進行反向傳播校準，希望最終能達到生成的網絡和生成的網絡背後運行規則相同。張章還展示了網絡結構和重構效果的實驗數據。

延伸閱讀：

論文速遞：作為複雜網絡的深度學習系統
從圖嵌入到圖分類——圖網絡入門綜述

三、尺度放縮，再看複雜系統

08 李睿琪打開城市標度律的黑箱

李睿琪是北京化工大學信息學院副教授，北京師範大學系統科學學院、麻省理工大學、波士頓大學聯合培養博士。他的研究興趣在於城市的生長和演化。

李睿琪介紹了他的複雜城市現象背後的城市標度率（Scaling Law ）模型。跨城市的宏觀標度率是指，隨著城市人口增長，城區GDP、人均收入、與人的交互所相關的變量隨人口呈現的超線性增長。李睿琪發現，大城市的聚集效應和超線性特徵更明顯。

宏觀標度背後的規律是什麼？它促進了人的非線性交互作用，產生更多碰撞。城市的版圖上點與點間的“距離”因城市道路的存在而產生形變，已不僅僅是二維，而是要從高維流去分析。李睿琪希望將來的研究能解決這些問題：人群的非線性交互究竟包含哪些因素或機制？交通系統如何改變城市空間？人流、物流、資本流如何塑造我們的城市與發展？

延伸閱讀：

永生的巨獸：城市生長與演化模型 | AI&Society第十期回顧
數據標尺下的城市新科學 | AI&Society第十期回顧

09 張江從規模理論看人類文明進程

集智俱樂部創始人、北京師範大學系統科學學院教授張江，從幾年前就是傑弗裡·韋斯特“規模理論”的合作研究者。

規模理論的核心，是展現生物體規模和壽命的關係的克雷伯定律（Kleiber Law）。雖然這個定律能適用不同規模的生物，但人類其中一個離群點。在城市中，也有類似的“ 1.15 律”——隨著城市規模增大，新陳代謝增大，指數是大於 1 的超線性增長。

這就帶來了城市人口動力學的問題。隨著超線性增長的累積、科技革新的速率越來越快，個人生產力上升，然後新一輪的上升又開始進行。城市如何避免崩潰點的到來呢？張江認為，問題根源在社會互動，在城市中，各個節點距離十分近，交互太容易了。此時老子的思想就很可貴——小國寡民、民至老死不相往來。

延伸閱讀：

生物大小、城市規模、公司壽命，背後竟然遵循同一套規模法則！
Nature Communications論文解讀：複雜的城市，簡單的規則

10 苑明理變換時空 —— 從媒介的實踐性和空間性看互聯網與 AI 的發展

苑明理，彩雲科技聯合創始人、工程師，也是中國最早期的 Wiki 愛好者，他分享了自己對互聯網作為媒介的見解和觀察。

他用媒介的時間性和空間性看互聯網和AI的發展。空間與時間理論最早由加拿大經濟史學家英尼斯提出，時間的媒介是具有持久性的，如羊皮紙、石頭等；而強調空間的則更輕薄，但不易長久保存，如紙張。苑明理受到啟發，但又不完全繼承該理論，產生了將傳統空間與互聯網新空間進行對比的想法：傳統空間裡，一個節點的信息交流被限制在該節點地理空間附近；互聯網出現後，可以跨地理作連接。互聯網繼續發展，SNS出現，人格嵌入互聯網，使信息變得交流緊密，但也變得更廉價。人類越來越聚類，會自發尋找與自己帶有相似標籤的人，這些標籤之間存在關聯性，然後會導致小圈子的封閉。在沒有AI助力的情況下，人的認知和維繫社會關係的帶寬會很有限。

延伸閱讀：

網絡科學“支配”下的網遊玩家行為模式

四、文字大海，信息之流

11 劉知遠知識指導的自然語言處理

劉知遠是清華大學計算機系副教授，早年的研究興趣是關鍵詞抽取和社會標籤推薦，現在偏重知識圖譜、表示學習和社會計算。

自然語言處理的本質，是從無結構序列中預測有結構的語義。但自然語言理解目前面臨著理解知識的挑戰。從字面意思到弦外之音的躍遷，仍需要人工建模。近年，深度學習技術在自然語言處理上取得巨大突破。劉老師介紹了知識指導的方法，用知識指導深度學習，以從互聯網上提取更多信息變成知識，反哺理解過程。

用還原論思想，可以把語言還原到小原子，對文本進行細粒度分析。詞並不是最小表示系統，詞義之下還有更小的意義單元，為義原。神經網絡難以掌握詞，但是詞背後的義元標註體系讓這個成為可能。義原語言知識突破詞彙屏障，對語言理解極具重要意義，具有極佳容和深度學習的特性。用知識指導預訓練語言模型，然後深度學習自然語言處理技術便可反過來從大規模文本中獲取知識。語言使用的深度理解背後是複雜知識，劉老師的願景就是願景就是建立由知識指導自然語言處理的循環。

延伸閱讀：

從知識工程到知識圖譜全面回顧

12 徐繪敏 Computational Storytelling —— 敘事情感在社會實踐中的傳播和影響

南京大學新聞傳播學院在讀研究生徐繪敏，參與了一項基於詞向量方法的計算敘事研究。

首先對詞彙進情感分析，在從悲傷到快樂的光譜定位一個情感值，然後將其中的詞對應到情感值數據，即會得到很有意思的結果。例如在灰姑娘的故事裡，通過情感值統計得到的曲線圖，和劇情的起伏脈絡相符。再如，對比《簡愛》等女性主角電影和《阿甘正傳》等男性主角電影，會發現女性需要更多的陪伴，而男性電影中女性的陪伴並不那麼必要，男性作為行動者（actor）的情形更多。在主流電影敘事中，女性角色遇到男性角色前後，情緒處於光譜的負值，而男性角色的出現使女性角色的情感值上升。她的研究揭示了文學作品感性內容背後的一些模式。

延伸閱讀：

王成軍：計算傳播學的起源、概念和應用 | 長文綜述

13 劉河慶深入政策文本：文件傳遞系統中的政策內容再生產

劉河慶是華中科技大學講師、中山大學社會學與社會工作系博士，研究興趣是政策語義和政策擴散等。

他介紹了自己的政策擴散研究。政策文本很難量化，但他用政策再生產為指標，對各地方政府對中央政策的反應進行了量化。2014 年 5 月，中央首次直接發佈針對農村環境問題的正式政策文件，劉河慶收集數據發現，各省對中央政策的採納時間和再生產程度都不同。他統計了政策內容再生產的時間及空間差異，發現省級政府對中央政策有不同的反應內在機制。

延伸閱讀：

PNAS重磅：詞向量帶你洞悉美國性別與種族100年曆史演變

14 牟牧雲互聯網上的創新擴散與最大化信息網絡

牟牧雲是北京師範大學系統科學學院2019屆的直博生，本科學習智能科學與技術。

創新擴散是指在社會體系中的個人，隨著時間推移，通過不同渠道傳播關於新事物的信息並接納新事物的過程。具體案例有拼多多的擴張、“996”的說法從程序員社區擴散到全民討論的過程等。

互聯網上的創新擴散有些特有的特徵，它不同於層級分明的傳統結構，而是去中心化的網絡結構，每個用戶都可以成為信息的發出者；另外，網上的再傳播符合“注意-接納-再傳播”模型。牟牧雲提出兩個問題：什麼樣的信息更容易導致人們傳播？利用情感、興奮程度、參與性、爭議性、新穎性引起注意力，“標題黨”就是引起注意最好的例子；一項研究微博為文本進行的情感分析研究顯示，憤怒情緒最易傳播。第二個問題是，為達到信息傳播最大化，如何選擇信息源節點？這個問題有很高的應用價值，如利用在廣告、計算機影響最大化等。

延伸閱讀：