临界性假说 —— 跨尺度生物集群系统的普适性法则丨群体智能读书会第四期

导语

近年来随着人工智能领域各种颠覆性技术的不断涌现，群体智能也越来越受到人们的关注。本期读书会为群体智能读书会第四期，北京交通大学系统科学学院讲师、硕士生导师林国政将介绍临界性假说的主要内容，总结国内外以及本人在临界性相关研究的前沿进展，并给出临界性原理在集群机器人、智能涌现、生态环保等领域可能的应用方向；简要回顾集群运动的临界态假说及其物理意义，总结近年来国内外及本人在将人工智能应用于集群临界态识别方面的最新进展，并展望相应技术在集群机器人设计、生物群体行为分析等领域的潜在应用方向。

集智俱乐部联合北京师范大学系统科学学院韩战钢教授、暨南大学计算传播研究中心赵甜芳副教授、新疆大学物理科学与技术学院玉素甫·艾比布拉副教授等学者，共同发起本次，尝试用一条普适的线索，把自然界的鸟群蚁群、人类社会的集群行为、以及人工智能时代的多智能体与群智优化，放在同一张地图上重新理解。

报告简介

分享主题：临界性假说 —— 跨尺度生物集群系统的普适性法则

近年来随着人工智能领域各种颠覆性技术的不断涌现，群体智能也越来越受到人们的关注。群体智能通过研究自然界中分散、自组织的生物集群系统（如鸟群、鱼群），实现分布式、去中心化的智能行为。跨尺度的生物集群的共性是在环境刺激或扰动下能够展现出快速响应、动态协同的能力，这种能力或许与统计物理学中的“临界态”相关。近几年一些最新的实验证据支持了“临界性假说”，认为生物集群让自身处于或接近临界状态，从而获得对环境扰动的最大敏感性。临界性假说的重要性在于，它不仅适用于鱼群、鸟群、人群等宏观尺度集群，而且能解释大脑神经元、微生物、细胞等微观尺度集群对环境刺激的响应能力，即“运行在临界状态”可能是跨尺度集群系统适应环境的普适性策略。本期读书会将介绍临界性假说的主要内容，总结国内外以及本人在临界性相关研究的前沿进展，并给出临界性原理在集群机器人、智能涌现、生态环保等领域可能的应用方向。

分享大纲

一、 什么是临界态假说

1. 从现象到问题：生物集群的宏观协调现象与快速响应能力

2. 物理基石：统计物理学“相变”与“临界点”概念的引入

3. 核心概念：长程关联、尺度不变性（幂律）、临界慢化、最优响应能力等

1. 关键特征：行为波动的幂律分布、扰动传播的类雪崩效应等

2. 典型案例分析：鸟群（椋鸟），社会性昆虫（蚁群、蜂群），鱼群，陆生动物群体等。

1. 适应性优势：在反应灵活性与系统稳定性之间达到最优平衡

2. 信息处理优势：实现局部扰动与全局响应的有效协调，是集体智能的潜在物理基础

3. 进化假说：自然选择可能通过塑造个体交互规则，使群体行为维持在临界区域附近

1. 数据采集技术：高分辨率轨迹追踪

2. 关键定量分析：序参量分析、时空关联函数、标度律分析、扰动实验

3. 从数据到理论：数据驱动建模与重整化群分析

4. AI新范式：机器学习、深度神经网络

1. 科学前沿问题与挑战

2. 核心应用领域：利用临界态规则设计集群机器人

3. 更广阔的应用：在交通流、信息网络等复杂系统中的启示

核心概念

群体智能 Swarm Intelligence

自组织 Self-organization

临界态 Critical State

临界性假说 Criticality Hypothesis

混沌边缘 Edge of Chaos

序参量 Order Parameter

关联长度 Correlation Length

数据驱动临界态识别 Data-driven Criticality Identification

主讲人介绍

主讲人：林国政，北京交通大学系统科学学院讲师，硕士生导师，2024年毕业于北京师范大学系统科学学院。主要从事各类复杂系统涌现特征与机理的研究，包括鱼群、蚁群生物集群系统、多智能体系统、交通系统等。在Physical Review Letters、PRX Life、PLoS Computational Biology等期刊上发表论文10余篇，主持中央高校基本科研业务费、中国博士后科学基金面上项目、国家自然科学专项项目子项目。

参考文献

1. Muñoz, 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. Rządkowski 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.

时间信息

2026年2月14日（周六）下午14:00-16:00，腾讯会议线上进行，微信视频号+集智俱乐部B站号同步直播，感兴趣的朋友扫码报名加入群体智能读书会后，可进入学员群进行交流。

报名读书会：

「群体智能：从自然涌现到人机共创」

集智俱乐部联合北京师范大学系统科学学院韩战钢教授、暨南大学计算传播研究中心赵甜芳副教授、新疆大学物理科学与技术学院玉素甫·艾比布拉副教授等学者，共同发起本次，尝试用一条普适的线索，把自然界的鸟群蚁群、人类社会的集群行为、以及人工智能时代的多智能体与群智优化，放在同一张地图上重新理解。读书会自2026年1月24日开始，安排在每周六下午 14:00–16:00，欢迎所有对群体智能如何涌现、如何被理解、以及如何被设计，感兴趣的朋友一起加入：带着问题来，带着更有趣的问题去。

报名方式：

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会主题和群体智能相关问题的空泛的哲学和思辨式讨论；如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。

加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。