北京师范大学张江教授领衔的“因果涌现第六季”读书会，聚焦生命系统与环境的交互，探讨如何从能量与信息的角度审视生命本质。本期读书会将由杨明哲介绍结合有效信息（EI）与部分信息分解（PID）理论，研究生命系统的定量刻画。读书会内容涵盖自组织理论、自由能原理、个体信息论等背景知识，深入探讨灵活性（flexibility）这一新度量指标，并结合元胞自动机、基因调控网络等实验结果进行分析。旨在为研究者提供科研灵感，推动该领域发展。

🧬读书会聚焦生命系统与环境的交互，从信息视角研究生命系统，探讨个体与环境间的高阶协同作用。

💡读书会介绍了一种基于因果机制的新度量指标——灵活性（flexibility），用于衡量个体与环境间的高阶协同作用。该方法已在人工生命模拟和真实基因调控网络中得到验证。

📚读书会内容涵盖了自组织理论、自由能原理、个体信息论、部分信息分解、有效信息等多个核心概念，为理解生命系统的复杂性提供了理论基础。

🔬实验结果部分，读书会将展示灵活性（flexibility）在元胞自动机、基因调控网络以及随机布尔网络与机器学习中的应用，为理论研究提供实践支撑。

2025-05-16 19:38 日本

2025年5月18日（周日）上午9:00-11:00直播

当期内容简介

什么让一个系统看起来是有生命的？这一跨学科的核心问题，早在薛定谔《生命是什么？》中便被提出，启发人们从能量与信息的角度重新审视生命本质。近年来，自组织理论、自由能原理、计算力学等理论不断发展，生命的研究对象也扩展至人工系统，如元胞自动机等“人工生命”，为探索生命奥秘提供了理想模型。信息论作为跨系统分析的重要工具，也在不断演进。2020年，Krakauer提出“个体信息论”，尝试用信息度量生命的个体性，推动学者从信息视角研究生命系统。本次读书会聚焦生命系统与环境的交互，提出基于因果机制的新度量指标flexibility，衡量个体与环境间的高阶协同作用。该方法不仅在人工生命模拟中验证，也已应用于真实基因调控网络，取得了有趣发现。

内容大纲

1.背景介绍

自组织理论与自由能原理

个体信息论

部分信息分解

有效信息

人工生命

2.理论框架

flexibility的定义

理论推导

Toy example

3.实验结果

元胞自动机

基因调控网络

随机布尔网络与机器学习

4.展望

核心概念

有效信息 Effective Information，EI

部分信息分解 Partial Information Decomposition，PID

个体性 individuality

灵活性 flexibility

协同信息 synergistic information

主讲人简介

杨明哲，北京师范大学系统科学学院硕士生，在张江老师因果涌现研究小组。研究领域是因果涌现、复杂系统自动建模。

参与方式

直播信息：

时间：2025年5月18日（周日）上午9:00-11:00

报名参与读书会：

斑图链接：https://pattern.swarma.org/study_group_issue/904?from=wechat

扫码参与「因果涌现第六季」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，共同推动这一前沿领域的发展。

参考文献

 

Yang, M., Pan, L., & Zhang, J. (2025). Quantifying system-environment synergistic information by effective information decomposition (arXiv:2501.16676). 

Friston, K. J., & Stephan, K. E. (2007). Free-energy and the brain. Synthese, 159(3), 417–458. https://doi.org/10.1007/s11229-007-9237-y

D. Krakauer, N. Bertschinger, E. Olbrich, J. C. Flack, and N. Ay, The information theory of individuality, Theory in Biosciences 139, 209 (2020).

Bartlett, S., Eckford, A. W., Egbert, M., Lingam, M., Kolchinsky, A., Frank, A., & Ghoshal, G. (2025). The Physics of Life: Exploring Information as a Distinctive Feature of Living Systems (arXiv:2501.08683). arXiv.

Tkacˇik, G., & Bialek, W. (2016). Information Processing in Living Systems.

Bertschinger, N., Rauh, J., Olbrich, E., & Jost, J. (2013). Shared Information—New Insights and Problems in Decomposing Information in Complex Systems (pp. 251–269). https://doi.org/10.1007/978-3-319-00395-5_35

Barandiaran, X. E., Di Paolo, E., & Rohde, M. (2009). Defining Agency: Individuality, Normativity, Asymmetry, and Spatio-temporality in Action. Adaptive Behavior, 17(5), 367–386. https://doi.org/10.1177/1059712309343819

Heylighen, F. (2023). The meaning and origin of goal-directedness: A dynamical systems perspective. Biological Journal of the Linnean Society, 139(4), 370–387. https://doi.org/10.1093/biolinnean/blac060

Crutchfield, J. P. (1994). The calculi of emergence: Computation, dynamics and induction. Physica D: Nonlinear Phenomena, 75(1–3), 11–54. https://doi.org/10.1016/0167-2789(94)90273-9

林国政 (2024). 生物集群系统状态转变现象的实验与模型研究

Martınez, G. J. (n.d.). A Note on Elementary Cellular Automata Classification.

Kadelka, C., Butrie, T.-M., Hilton, E., Kinseth, J., Schmidt, A., & Serdarevic, H. (2024). A meta-analysis of Boolean network models reveals design principles of gene regulatory networks. Science Advances, 10(2), eadj0822. https://doi.org/10.1126/sciadv.adj0822

在霓虹灯的闪烁、蚁群的精密协作、人类意识的诞生中，隐藏着微观与宏观之间深刻的因果关联——这些看似简单的个体行为，如何跨越尺度，涌现出令人惊叹的复杂现象？因果涌现理论为我们揭示了答案：复杂系统的宏观特征无法通过微观元素的简单叠加解释，而是源于多尺度动态交互中涌现的因果结构。从奇异值分解（SVD）驱动的动态可逆性分析，到因果抽象与信息分解的量化工具，研究者们正逐步构建起一套跨越数学、物理与信息科学的理论框架，试图解码复杂系统的“涌现密码”。

为了系统梳理因果涌现最新进展，北京师范大学系统科学学院教授、集智俱乐部创始人张江老师领衔发起「因果涌现第六季」读书会，组织对本话题感兴趣的朋友，深入研读相关文献，激发科研灵感。

读书会将从2025年3月16日开始，每周日早9:00-11:00，持续时间预计10周左右。每周进行线上会议，与主讲人等社区成员当面交流，之后可以获得视频回放持续学习。诚挚邀请领域内研究者、寻求跨领域融合的研究者加入，共同探讨。

点击“阅读原文”，报名读书会

阅读原文

跳转微信打开