對談：從動物群體行為到大腦空間決策，復雜性如何啟發智能探索？

導語

鳥群、蝗蟲群、魚群，在這些看似混亂的生物群體中，秩序奇跡般地涌現。不同物種的群體行為在細節上有所差異，但它們大致遵循物理學家們幾個世紀以來總結出的集群運動規律。現在借助最新的技術，研究人員能夠比以往更仔細地研究這些動物的行為模式。這篇文章是進化生態學家 Iain Couzin（艾恩·庫津）與應用數學家 Steven Strogatz（斯蒂文·斯托加茨）的對話，他們討論了動物群體行為以及背后的原因，集群作為一種生物計算形式，能夠通過相互作用調整網絡結構，讓系統處于兼具靈活性與穩定性的臨界狀態。此外，動物的群體行為也可能啟發我們理解大腦智能：大腦如何處理各種感官信息，簡化復雜性，并做出決策。

研究領域：群體行為，群體智能，臨界性，復雜網絡，大腦空間決策

Steven Strogatz, Iain Couzin| 作者

何安夏| 譯者

王朝會| 審校

文章題目：How Is Flocking Like Computing? 文章鏈接：https://www.quantamagazine.org/how-is-flocking-like-computing-20240328/

Steven Strogatz：在整個動物王國中，從小小的飛蟲到魚、鳥、瞪羚，甚至像我們這樣的靈長類動物，生物群體往往會形成大規模移動的模式 （pattern） ，去追求一個看似自發的集體目標。通常，在這些生物群體中沒有哪個個體看起來像領導者在指揮這場大規模運動。相反，這些動物只是無縫地排隊行進。

盡管感覺這樣的系統會陷入混沌或不穩定，這些群體卻能夠以極其協調和目標明確的方式移動，任何看過鳥群飛行 （a murmuration of starlings） 或魚群游動的人都可以證實。那么，驅動這種行為的力量是什么呢？在這期節目中，我們將深入探討動物為何會產生集群行為。最新的人工智能和3D攝像機等技術，如何提供新的見解？研究動物群體行為又能告訴我們關于自身的哪些信息，無論是作為個體還是集體？

我們請到了進化生態學家 Iain Couzin 來揭示這些謎團。Iain 是馬普所動物行為研究所集群行為系主任，康斯坦茨大學全職教授。他獲得過許多榮譽，包括國家地理新銳探險家獎、復雜科學領域最高榮譽拉格朗日獎以及德國最高研究榮譽萊布尼茨獎。

魚群、鳥群、昆蟲群，

動物群體行為是否存在共同特征？

Strogatz：我想我們應該先聊聊，你的研究對象是誰？你所研究的動物以及它們在你研究過的系統中表現出的各種集群行為有哪些？

Couzin：這正是研究集群行為最神奇的地方之一。集群行為對地球上許多生命過程至關重要，因此我們研究的生物范圍非常廣泛，從地球上最簡單的動物——扁盤動物門 （placozoa） ，它是一個基礎門類，可能是地球上最簡單的多細胞動物，由數千個細胞構成，并且能像鳥群或魚群那樣移動——再到無脊椎動物，如具有驚人協調行為的螞蟻，或者形成最大、最具破壞性的蝗蟲群體。再到脊椎動物，如魚群、鳥群、有蹄哺乳動物群體，以及靈長類動物，包括我們人類自己。

Strogatz：所以，看起來確實涵蓋了所有范圍，從——我必須承認我之前從未聽說過這個，扁盤動物門，對嗎？

Couzin：是的，扁盤動物門。這種小生物是在熱帶水族館的玻璃上爬行時被發現的。用肉眼看，它大約有一毫米長，如果很大的話，能達到一毫米半。直到最近科學家們才開始關注這種特別的生物。因為這種奇特的小型細胞群實際上具有通常會認為屬于更復雜生物的遺傳復雜性。例如，盡管沒有神經元，它卻具有大量的神經遞質。

它具有Hox基因。在發育生物學中，Hox基因與復雜的身體結構有關，但扁盤動物門卻沒有復雜的身體構造。所以你可能會想，這種生物可能曾經進化到更復雜的形態，然后再次進化簡化了自己，從而保留了這些復雜特征。

但是，遺傳學研究人員在《自然》雜志上發表了一篇具有里程碑意義的論文，證明了實際上這是一群最原始的細胞。而且，細胞聚集形成一個生命體這種集群行為是最美妙的例子之一。這就是我們研究它的一個原因，試圖理解集群行為在地球復雜生命起源中的核心作用。

Strogatz：這對我來說太有趣、新奇了，我驚呆了。它們具有與神經系統相關聯的特性卻沒有神經系統？它們有發育生物學基因，這個基因能幫助進化出一個像果蠅那樣的復雜身體結構，但實際上，它們并沒有那樣的身體結構？

Couzin：完全正確，就是這樣。因此，它們確實可以為我們提供關于智能起源的線索。我們2023年在PNAS上發表的研究[1]表明，它們所擁有的身體構造在行為上確實非常像鳥群或魚群，細胞之間進行局部相互作用，并傾向于對齊它們的移動方向。它們之間彼此吸引，就像一張彈性布一樣連接在一起，但也會移動。它們的底部有小纖毛，從而能夠在環境中流動。通過對鄰居施加力來對齊細胞的移動方向。

所以，如果我們在顯微鏡下追蹤這些細胞，觀察它們的對齊和個體間吸引力，我們使用的技術、模型和思維方式與研究鳥群或魚群等其他類型集群行為時非常相似，只是將它們應用到這些動物身上。我認為集群行為中最令人驚奇的一點就是，無論是細胞還是鳥類，盡管系統屬性非常不同，但當你觀察集群行為、集群屬性時，底層的數學原理非常相似。因此，我們可以找到普遍規律來連接這些看似截然不同的系統。

[1] Davidescu, Mircea R., et al. "Growth produces coordination trade-offs in Trichoplax adhaerens, an animal lacking a central nervous system." Proceedings of the National Academy of Sciences 120.11 (2023): e2206163120.https://dx.doi.org/10.1073/pnas.2206163120

Strogatz：這也是讓我對集群行為研究著迷的原因，那些似乎適用于從細胞到我們人類自身不同尺度的普遍數學原理。你提到“flocks” （鳥群） 和“schools” （魚群） ，有時我們也聽到人們談論“swarms”，比如昆蟲。為什么對于同一種事物我們會有三個不同的詞匯來描述呢？當我們談論集群行為時，它們真的不是同一種現象嗎？是否有理由讓我們不應該說成“schooling birds”或“swarming fish”？

Couzin：不，我認為我們創造了這些詞匯，而且不同的語言有不同的詞匯表達。德語是一種擁有大量詞匯的語言，但實際上相關的詞匯相對較少。而在英語中，我們有許多不同的詞匯來形容集群行為，例如烏鴉群也被稱為“a murder of crows”。你剛剛也用了一個很棒的詞，“a 'murmuration' of starlings” （椋鳥群） 。我認為正是這種令人著迷的集群行為的美，才催生了可以和特定例子相關聯的優美詞匯 （“flocking”、“schooling”或“swarming”等） 。

因此，我認為這非常有用。因為剛剛我強調了數學上的共性，但也存在差異。細胞群和鳥群之間確實有區別。為了理解這些系統，我們既要考慮它們的共性原則，也要考慮系統之間的差異。從某種程 度上說，語言在人類自然地將其劃分為不同類別時捕捉了這些差異。

Strogatz：有趣。你提到了“細胞群”和“昆蟲群”，我猜你是這么說的，盡管我們使用同樣的詞匯，但它們之間可能存在一些差異。那么，在這些例子中，我們應該區分哪些東西呢？

Couzin：是的，我認為真正令人興奮的是為什么存在共性，因為差異是如此深刻。動物有大腦，它們接受復雜的感覺信息，并試圖根據環境做出決策?？傮w來說，動物能夠表現出比細胞復雜得多的行為。但細胞本身也有復雜的內部過程。它們的相互作用在很大程度上受到物理力量的支配，受到它們作用的尺度和在細胞群中形成的物理張力的影響。而對于動物、鳥群，群體中的互動是無形的，沒有物理實體。所以人們一開始會認為，這只是一個類比。實際上，在大約五到十年前，我也認為這只是一個類比。我認為這些差異一定非常重要。但我們開始明白的是，它們共享的共同特征是計算。

這些元素聚集在一起，以它們單獨無法實現的方式對環境進行計算。每個個體，即使你有一個非常復雜的人腦，你生活在世界中，除非你與他人有社交互動，或者更進一步，在我們出生進入生活時積累并建立了文化復雜性后才可能實現，否則我們的能力將受到很大限制。因此，這里有一些深刻且引人入勝的問題，我們才剛剛開始探討關于計算和復雜生命涌現的問題。

Strogatz：這是一個非常有趣的觀點。當你說它們都有某些共同之處時，我并不知道你會說出什么詞。我猜不出來，但是我喜歡它：計算。這讓我想起了一個著名的場景，大家可能在YouTube或電視上看過相關的影片。那就是一群鳥——也許是椋鳥——突然有只獵鷹或者隼向它們飛速沖來。你能否為我們描繪一下接下來會發生什么，并解釋為什么這個例子和計算有關？

Couzin：好的。就我來看，如果你觀察這些群體，當有捕食者出現并攻擊它們時，無論是鳥群還是魚群，你會看到群體表現得像一種起伏的流體。你會看到光線或漣漪穿過它們。這表明個體實際上可以通過社會互動非?？焖俚貍鞑リP于捕食者位置的信息。例如，起初只有少數幾只看到了捕食者，但通過轉向，這種行為被其他個體模仿，密度和轉向的變化極其迅速地在群體中傳播開。

如果我們使用先進的成像工具來量化、測量這些轉向波，它們的傳播速度大約是捕食者最大速度的十倍。所以個體甚至可以對它們看不到的捕食者做出反應。這有點像神經元通過電信號傳輸信息。在這種情況下，它不是電信號，真正起作用的是密度和個體的轉向變化，這些信息會在群體中逐漸擴散開，但這給了遠處的個體關于威脅來源的位置信息，使它們能夠迅速開始遠離威脅。

Strogatz：我認為這是一個非常生動的例子，展示了在這種情境下計算意味著什么。我們可以看到恐慌或避讓的波動如何在鳥群中流動。這非常有趣，因為它比個體單獨行動要快得多，并且我猜測，也比捕食者自身能夠達到的速度要快。

Couzin：我們認為這很可能是因為盡管自然選擇作用于個體，關鍵是它們各自的適應性，但如果群體以某種方式行動起來，整個群體都會從中受益。

這與我們從物理系統中學到的知識有關，尤其是接近相變的物理系統。所以，一個接近于不同狀態之間轉換的系統，比如固態和液態之間，如果你正在冰凍水，它突然轉變為固體，在這個轉換點附近，系統的集群行為非常顯著。這種分岔現象正是你的研究領域。現在我們明確知道，并且有很強的證據表明自然選擇會推動系統接近這些分岔點，因為在這些分岔點上展示出了顯著的集群特征。當我們首次測量這些特性時，個體的行為似乎違背了物理定律，它的信息傳播速度如此之快。

在20世紀初，埃德蒙·塞洛斯 （Edmund Selous） 作為一位堅定的達爾文主義者，但他同時也被維多利亞時代對心靈感應的迷戀所吸引。他推測，在鳥群中，必定存在某種思想傳遞或者心靈感應，使得它們能如此快速地進行交流。當然，人們會認為，“這太荒謬了，怎么可能存在心靈感應?！钡珜嶋H上，盡管可能存在爭議，我認為我們仍然沒有很好地理解感官模式以及這種信息在系統中如此迅速傳播的方式。

我當然不是在暗示存在心靈感應。我想表達的是，通過調節群體系統使其接近臨界點，或分岔點，可能會產生一些顯著的集群特征。對于觀察者來說，這看起來非常奇妙。在這些領域中的物理現象如此離奇、神秘和驚人，盡管科學可以對此進行解釋。

相關閱讀： Books by Selous, Edmund (sorted by popularity)：http://www.gutenberg.org/ebooks/author/45735

群體為何處在臨界點？

Strogatz：所以我在想，就集群行為來說，如果自然界將一群動物調整到接近某種不穩定或臨界狀態，你認為這就是群體如此有效的原因之一嗎？

Couzin：是的。例如在我們2021年發表的一篇論文[2]中，我們探討了如何在各種情況下獲得最佳效果。一般情況下，你希望保持穩定、魯棒，但有時候，你需要系統變得高度敏感。在自然選擇中，生物系統必須平衡這種看似矛盾的狀態，既穩健又敏感。那么是如何做到的呢？我們認為，將系統調節到接近臨界點，實際上可以實現這一點。因為如果系統偏離，它實際上會自我穩定。但當它被推向那個臨界點時，它變得非常靈活，對輸入極其敏感，例如捕食者就是一種輸入信息。

如果一個魚群遠離那個臨界點——例如，如果它們彼此非常緊密地對齊——當它們檢測到捕食者時，實際上需要很大的努力才能讓所有個體轉向。它們彼此間如此強烈地相互影響，以至于外部輸入很難改變它們的行為模式。另一方面，如果它們非?；靵y，每個魚都朝向不同的方向移動，那么一條魚改變方向幾乎不會被其他個體察覺。因此這種變化不會在系統中傳播。因此，在這種中間狀態，它們實際上可以優化作為一個群體行動的能力，既靈活又能傳遞信息。這是一個來自物理學的理論，但真正使用計算機視覺技術來追蹤動物群體在遇到危險時如何改變互相作用方式，是最近幾年的事情。

作為生物學家，我們通常認為，“如果世界變得危險和不穩定，我會對輸入信息變得更加敏感。我會變得神經過敏，更容易發出誤報?！边@種情況，對于單獨行動的動物或人類都是如此。但當我們在群體中測試這個理論時，因為這些群體是在集群環境中進化形成的，我們發現這對它們來說不適用。群體所做的是改變網絡，改變信息在系統中流動的連接網絡。它們調整網絡，來平衡靈活性和魯棒性，也就是將系統調節到我們所預測的臨界狀態。

相關閱讀 [2] Sridhar, Vivek H., et al. "The geometry of decision-making in individuals and collectives." Proceedings of the National Academy of Sciences 118.50 (2021): e2102157118. https://dx.doi.org/10.1073/pnas.2102157118

Strogatz：這些研究是在哪種動物上進行的呢？

Couzin：我們的研究主要是在小型群棲魚類上進行的，因為它們需要解決同樣類型的問題——避開捕食者，尋找合適的棲息地。而且這些魚類在實驗環境中易于操作。實際上，魚有一種叫做“恐怖信號” （schreckstoff） 的化學物質，在德語中直譯就是“恐怖的東西”。當捕食者攻擊一條魚時，這種化學物質會自然釋放出來。所以我們可以在水中加入驚嚇素，這樣即使沒有捕食者的位置信息，但是個體對環境的判斷會改變，世界變得更加危險。

那么你會怎么做呢？你會改變大腦中的活動嗎？還是改變與環境的互動方式？或者，像我們通常認為動物會做的那樣，變得更加恐懼呢？或者，你可以想象一下，在一個網絡系統或集群系統中，你會改變社交網絡的拓撲結構嗎？改變你與他人的溝通方式？因為這也會影響對威脅的反應能力，就像我們之前討論過的轉向波。

我們發現，個體并沒有改變。真正發生變化的是網絡。個體通過移動來改變網絡的結構，這種改變使得群體突然變得更加敏感和靈活。人們過去認為彼此靠近的個體相互作用更強。但你可以想到在日常生活中，你可能會坐在公交車中的陌生人旁邊，實際上你們之間沒有形成強烈的社交關系。因此，個體的社交網絡和易于測量得到的網絡可能非常不同。

所以我們所做的，其實相當復雜，我們可以做到從它們的視角重構世界。我們使用了一種來自電子游戲和計算圖形學領域的技術，叫作光線投射技術，通過將光線投射到個體的視網膜上，這樣就能通過計算機看到它們在每一個時間點看到了什么。但問題在于，我們不知道它們究竟如何處理這些信息。

因此，我們可以使用機器學習方法，因為每一個大腦都是為了同樣的目的而進化。它接受復雜的感官信息——就像今天聽我們講話的人一樣。這是一種復雜的聲音信息，但他們可能正在開車或做飯，所以同時他們還要處理復雜的視覺或嗅覺信息。但他們的大腦必須將所有這些復雜信息簡化降維用于決策，或者決定“我接下來要做什么？”。我們對于真實動物如何完成這個過程知之甚少。但我們可以重建它們的視野，然后我們可以使用相同類型的技術來降維，理解大腦如何將這些復雜性簡化為運動決策。

我們研究的魚類，它們的大腦后部只有少量神經元控制所有的運動。因此，大腦必須接受所有這些復雜信息，并將其簡化，然后做出決策。我認為這是生物學中一個非常有趣的問題：大腦是如何完成這一過程的？

Strogatz：首先，我可以明確地說，我需要更頻繁地閱讀你的論文。你提到了通過在魚的視網膜上投射光線來觀察它們看到了什么，或者讓我們有一種感覺知道它們正在看什么？我的理解對嗎？

Couzin：實際上，并不是真的在投射光線，而是全部通過數字化完成的。想象一下，你在某一個時刻，拍攝了一張魚群的快照。我們的軟件可以追蹤每條魚的位置和姿勢。然后我們可以創建這個場景的三維計算機版本，就像在電子游戲中一樣。接著，我們可以問，每只魚看到了什么？因此我們可以在每只魚眼睛中放置虛擬的攝像機。

所以，光線投射有點像計算機圖形學中的光線追蹤，也就是描繪光線落在視網膜上的路徑。我們全部通過數字化方式完成，因此我們可以創建現實的數字模擬。我們可以看到，在虛擬場景中，光線是怎樣落到視網膜上的，一種類似照片級別的真實觀察效果。這給了我們第一層信息：個體接受到的信息是什么？

當然，我們想要提出的重要問題是：大腦如何處理這些信息？大腦如何將這種復雜性簡化，并做出決策？例如魚群和鳥群能夠如此輕松優美地移動，幾乎沒有碰撞，而公路上的汽車卻難以實現集群運動呢？我們是否能夠從數千年的自然選擇中學到一些東西，并將其應用到車輛和機器人上呢？因此，試圖理解這一點還有其應用價值。我主要是因為覺得它很吸引人而想去理解，但同時，在某些情況下，這確實可以轉化為現實應用。

蝗蟲的群體行為

Strogatz：我想回到你在介紹中提到的，從細胞到靈長類動物等不同尺度的內容。大家可能對蝗蟲的例子并不是很熟悉，我想知道我們是否可以談談集群行為在現實世界甚至經濟方面的影響，因為蝗蟲對世界有著重大影響，比我想象的要大得多。我看到一些統計數據，在蝗災年中，蝗蟲入侵了全球超過五分之一的陸地。它們影響了地球上十分之一人口的生計。那么，你能否向我們介紹一下這方面的研究，以及它如何與全球糧食安全問題相關聯呢？

Couzin：是的，你說得完全正確。我也覺得非常驚訝。正如你剛才所說，它們通過造成糧食短缺和糧食安全問題，影響了地球上十分之一的人口。而且這種情況往往發生在諸如也門和索馬里等國家，這些國家本身存在著重大問題、重大沖突、內戰等。由于氣候變化，蝗蟲的活動范圍正在擴大。因此，目前阿富汗的糧食產區正面臨重大危機。幾年前馬達加斯加遭受了這樣的災難。在那之前一兩年，肯尼亞經歷了70年來最大規模的蝗蟲入侵。

所以，為什么在我們擁有所有現代監測技術的情況下，蝗災會變得更加猛烈和嚴重呢？其中一個原因就是氣候變化?；葹氖沁@樣形成的——可能聽眾會對此感到驚訝，但實際上蝗蟲并不喜歡互相靠近。它們是害羞、隱秘的綠色蚱蜢，喜歡獨處。所以如果食物充足時，它們就彼此分開，避免接觸。只有當它們被迫聚集在一起時才會轉換狀態。所以它們通常被稱為“獨居型”，這是因為它們的獨居生活方式。但如果它們被迫聚集在一起，它們就會進化出快速轉變的能力，會在一小時內行為上迅速轉變為群居型，開始相互跟隨，向彼此靠近。

另一件大家可能不知道的事情是，蝗蟲在出生后的幾個月內實際上并沒有翅膀。所以當蝗蟲剛出生時，它們是不能飛行的。這些無法飛行的幼體只有在成年后才會長出翅膀。所以，當雨水降臨非洲、印度或其他地區時，就會有茂盛的植被，小規模的蝗蟲群可以作為隱蔽的螞蚱繁衍生息，種群規模迅速增長。隨著種群的增長，它們吃得越來越多，往往還會伴隨著干旱。

如果種群密度很高，突然間食物消失了，那么蝗蟲就會轉變為群居型，開始一起前進，一起移動。這些蝗蟲群可以有數十億只，所見之處全是統一行動的蝗蟲，仿佛有共同的目標。一旦它們長出翅膀，就可以飛行。因為它們可以利用貿易風或其他環境條件進行長距離遷徙，在幾百甚至上千公里范圍內形成大規模的群體，情況會變得更糟。這是我們地球上最大和最具破壞性的集群行為之一。

Strogatz：我不能說對蝗蟲行進這個過程非常熟悉。我們習慣于把它們想象成空中飛舞的云團。但是，請你多分享一些關于蝗蟲行進的過程，我模糊記得你有一項關于蝗蟲驚人的研究 [3]，包括它們之間的自相殘殺。這個詞用的對嗎？

[3] Collective Motion and Cannibalism in Locust Migratory Bands：https://dx.doi.org/10.1016/j.cub.2008.04.035

Couzin：是的，那項研究是在 2008 年進行的。我們對這些能夠長距離遷移的大群蝗蟲，無論你稱它們為群或云，知之甚少，因為我們并沒有足夠先進的技術去研究它們。事實上，到現在我們仍然缺乏相應技術。所以，并非這個問題不重要，而是它其實極其重要。但我們也知道，這些飛行的蝗蟲群出現之前——飛行的蝗蟲群有點像已經失控的野火，一旦它們開始肆虐，就難以控制了。但如果能在它們長翅膀之前進行防治，在它們還在沙漠或其他環境中形成群體時進行防治，那么將會有很大可能性成功。

所以，出于實際考慮，我們將研究重點放在了這些無翅的蝗蟲群上。事實上，你說得對，在2000年代中期我開始研究這個問題，現在我又重新回到對蝗蟲的研究中。我們在今年早些時候，創造了世界上第一個真正意義上的實驗室環境中的蝗蟲群體。我們在康斯坦茨專門為此搭建了一個 15m×15m×8m 的成像環境，并在其中追蹤了10000只蝗蟲。所以你提到這個話題很有趣，因為我的研究現在又回到了這個系統。

但是，正如你所說的，我們發現的問題是，這些昆蟲為什么要一起行進？我們最初認為它們必定像魚群和鳥群那樣。這肯定與信息有關，一定涉及到集群智能。然而，我們錯了。這種認知存在極大的風險。如果你看到一群螞蟻在移動，形成一個圈，像是在旋轉；你看到一群魚在轉動，形成一個環或類似甜甜圈的圖案；或者你看到一場旋風，這些模式看起來都一樣，但它們可能由非常不同的現象驅動。我認為我被誤導了，以為看到集群運動時，必定是相似的過程在起作用。但在蝗蟲群中，并非如此，不是信息傳遞在起作用。實際上，在這些沙漠環境中，當食物突然短缺時，你會急需基本營養，特別是在沙漠中，包括蛋白質、鹽和水。

在這種惡劣的環境中，還有什么比另一個個體更適合你呢？因為它們擁有完美平衡的營養成分。所以這些蝗蟲會被彼此吸引，并傾向于相互捕食。它們進化出了追隨那些正在離開的蝗蟲的行為，并試圖咬它們的腹部后端，這很難防御。頭部有重甲保護，但腹部后端是一個弱點，顯然因為那里更易進攻。因此，它們會攻擊這個弱點，同時也避免自己成為別人的目標。追隨逃離你的人，并躲避接近你的人，這種行為導致整個蝗蟲群開始一起穿越沙漠環境行進。

它們還通過一起離開營養匱乏的地區來獲益。因為如果你把一個人放在沙漠中，人會很容易于迷失方向，四處游蕩。同樣的情況也適用于蝗蟲。但如果它們在群體中，個體之間的集體對齊和同步，數億個體相互對齊，它們可以非常有方向性地離開這些營養貧乏的地區。它們也可以壓倒捕食者。捕食者在這里幾乎無從下手。

Strogatz：在我們討論這些例子時，你是怎么對這些研究產生興趣的，早期是怎么開始的？你提到那是在2008年？你在那之前就已經開始研究這個了，對嗎？

Couzin：是的，我在九十年代末做了關于螞蟻的博士研究。我對螞蟻的行為非常著迷。老實說，這開始于我對于自然的熱愛和對博物學的癡迷，我希望觀察周圍的一切。我小時候認為，一定有專家能解釋為什么會形成蝗蟲群、魚群、鳥群等。我認為這是每一個人都在研究的東西。我小時候是個藝術家，對創意寫作、詩歌和藝術非常感興趣。因此，我最初是被這些東西的純粹所吸引，被它們的美麗所迷住。

在高中時，我在科學方面并不是一個好學生。我在做陶藝和繪畫。當我上大學時，我記得我父親對我說：“兒子，你應該做你擅長的事情。學英語或藝術吧。你不是科學家，但確實是一個自然觀察者。”他說的很對。后來當我攻讀生物學學位時，我在第一堂生物課上就知道這是適合我的事情，我深信不疑。我進入了統計物理的世界。那段時間出版的論文讓我的思維徹底打開，因為作者們看到了貫穿各種系統的深奧數學原理。

我的博士導師告訴我，為了找到工作，你應該成為某一種螞蟻的世界專家，這樣你才有價值。但是我讀到一些科學家的研究恰好相反。他們研究的范圍廣泛，從物理系統到生物系統，并看到了其中的原理。而且，他們發現的模式、結構和結果都自然而美妙無比。所以我想這一定是做科學研究的正確方式。所以那時候開始，我被吸引進了物理學的世界。

Strogatz：后來你有沒有機會和你父親談論過你研究方向的改變？

Couzin：我從未想過我的父親還記得這件事。然后，當我在普林斯頓大學由助理教授升為正教授時，系主任打電話來對我說，“恭喜你，Couzin 教授?！蹦阒?，那一刻我完全震驚到了。所以我立馬打電話給我的父親和母親，告訴他們這個好消息。結果是我的父親接的電話，然后他說：“想到我曾經把你叫作自然觀察者?！蹦鞘菐资旰笪ㄒ坏囊淮巍Ｎ覐牟恢浪€記得這次談話。

群體行為幫助理解大腦空間決策

Strogatz：這真是個好故事，非常棒的故事。在這個節目中，我們喜歡討論一些尚未解答的大問題。那么，在你看來，關于鳥群、魚群以及集群行為方面最大且尚未解答的問題有哪些呢？

Couzin：當然有。這讓我談到現在非常興奮的話題。早些年在我的職業生涯中，我曾經認為，大腦是一種非常美妙的集群計算實體——最好的例子之一。那么，大腦是如何做出決策呢？它由神經元組成，并且我們可以看到蟻群、蝗蟲群、鳥群或者魚群等各種不同個體相互作用形成了系統。那么，在這些不同系統間是否存在某種深層次聯系？目前令我著迷的就是群體決策問題，特別是空間中的群體決策。

那么，大腦是如何表征空間和時間的呢？這在決策中有何重要性？這與動物的集群行為有什么關系呢？大約五年前，我意識到，我認為存在一種深層次的數學相似性，也存在關于大腦如何表征空間和時間的深層幾何原理。而其中最讓人興奮的一點就是再次使用數學。你知道，我在16歲時放棄了數學，但我剛剛在劍橋大學艾薩克·牛頓數學科學研究所作為杰出研究員度過了一個學術假期。然而，我不會解方程，你知道嗎？

我喜歡和優秀的數學家們一起工作。通過和物理學家、數學家以及生物學家合作，并在虛擬現實中對動物進行實驗——我們已經建立了一套技術體系。我們沒辦法給不到一厘米長的魚戴上像Meta Quest 3那樣的頭盔，但我們可以創造出虛擬、沉浸式的全息環境，因此我們可以完全控制輸入信息。也就是說，我們能夠完全控制因果關系。

如果你知道，我在影響你，而你也在影響我，然后還有第三個人參與進來，他們是直接影響我還是通過你來間接地對我產生作用？或者兩種方式都有？又或者當涉及到第四個、第五個人時呢？在我們的虛擬現實環境中，我們可以將這些個體放入像電影《黑客帝國》的世界中，每個個體都在自己的全息世界中與其他個體的全息影像實時互動。但在這個世界里，我們可以隨意調整物理規則。我們甚至可以改變空間和時間的規則以更好地理解大腦是如何整合這些信息的。

所以，這真的讓我大開眼界，因為我們可以證明大腦不是以歐幾里得方式來表示空間。它采用的是一種非歐幾里得坐標系統來表示空間。然后我們可以通過數學方法解釋為什么這樣做如此重要，因為當你開始處理三個或更多選項時，實際上扭曲時空，使得空間變成非歐幾里得形式能夠顯著降低世界的復雜性，并將其轉化為一系列分岔點。在每個分岔點附近，它會放大剩余選項之間的差異。所以這里有一個美妙的內部結構。

因此，我們認為我們找到了一個關于大腦如何做出空間決策的普遍理論，如果不研究像魚、蝗蟲和蒼蠅這樣的生物在這些類型的虛擬現實環境中的行為，我們永遠無法得到這個理論，這就是我非常興奮的原因。

學者簡介

Iain Couzin ，德國馬普所動物行為研究所集群行為系主任，康斯坦茨大學全職教授。他的研究旨在揭示進化的集群行為的基本原理，研究涵蓋從昆蟲群體到魚群、靈長類動物群體的各種生物系統。為了表彰他的研究成就，他曾獲得2019年拉格朗日獎（復雜科學領域首個也是最重要的國際認可獎項），2022年萊布尼茨獎（德國最高研究榮譽獎）。

個人主頁：https://www.ab.mpg.de/person/98158/2736。

播客主持人：Steven Strogatz，Susan and Barton Winokur杰出教授，Stephen H. Weiss 總統學者，康奈爾大學數學系教授。研究重點是將動力系統研究應用于物理學、生物學和社會科學。出版書籍包括《非線性動力學與混沌》（Nonlinear Dynamics and Chaos: With Applications to Physics, Biology, Chemistry, and Engineering）《微積分的力量》（Infinite Powers: How Calculus Reveals the Secrets of the Universe）《同步》（Sync: The Emerging Science of Spontaneous Order）等。

個人主頁：https://math.cornell.edu/steven-Strogatz。

群體智能讀書會

如果你對這些反直覺但極有用的現象感興趣——從蟻群搭橋、魚群同步、到無人機集群表演、集群機器人協作、群智優化與多智能體系統、網絡輿論建模研究等——歡迎加入「群體智能」讀書會：我們用動物—人類—機器三條線，希望把群體智能的涌現這件事講清楚、講透徹；用物理學、數理邏輯、多主體建模、計算傳播等多學科視角，去追問同一個核心：集群何以比個體更聰明？群體智能又在何時涌現？

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·艾比布拉副教授等來自11所高校的學者，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17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。

詳情請見：

1.

2.

3.

4.

5.

6.

7.