群體智能讀書會丨第二期：生物集群的互動規(guī)律研究

導(dǎo)語

自然界里，魚群轉(zhuǎn)向、蟻群協(xié)作看似簡單，卻能形成高度有序的群體行為，這是復(fù)雜系統(tǒng)研究的一個核心問題。要理解這種群體智能從何而來，關(guān)鍵在于個體之間的社會互動：它決定個體如何感知環(huán)境、如何回應(yīng)鄰居，進(jìn)而影響隊形、同步運動和信息傳遞。但社會互動會隨環(huán)境、感知差異和個體異質(zhì)性不斷變化，傳統(tǒng)方法很難把這種變化量化清楚。本報告將以魚群與蟻群為例，結(jié)合可控實驗、軌跡數(shù)據(jù)與數(shù)據(jù)驅(qū)動建模，刻畫相互作用與狀態(tài)切換規(guī)律，搭起微觀互動—宏觀涌現(xiàn)的定量橋梁，并討論對集群智能與多智能體協(xié)同的啟發(fā)。

內(nèi)容簡介

一、魚群動態(tài)互動規(guī)律研究：從個體行為到群體協(xié)同的涌現(xiàn)機(jī)制

近年來，生物集群行為是復(fù)雜系統(tǒng)研究的重要方向，其在多生命尺度中展現(xiàn)的自組織、自適應(yīng)群體協(xié)同特性，既是理解生命系統(tǒng)宏觀功能的關(guān)鍵，也為人工智能等領(lǐng)域提供重要生物啟發(fā)，對揭示非線性系統(tǒng)涌現(xiàn)規(guī)律具有重要科學(xué)意義。在集群行為的調(diào)控要素中，社會互動是連接個體行為與群體動態(tài)的核心紐帶 —— 它決定個體對環(huán)境信息的整合、對鄰居行為的響應(yīng)，直接塑造群體空間分布、運動同步性及信息傳遞效率等。然而，傳統(tǒng)研究難以量化多因素交叉下社會互動的動態(tài)變化，導(dǎo)致 “微觀互動 - 宏觀涌現(xiàn)” 的認(rèn)知存在斷層，厘清其調(diào)控規(guī)律成為領(lǐng)域核心突破點。本報告以魚類集群為載體，結(jié)合實驗觀測與數(shù)據(jù)驅(qū)動建模，闡述環(huán)境因子、物種感知差異、異質(zhì)性個體對社會互動的調(diào)控機(jī)制，解析相互作用函數(shù)以建立社會互動與集群涌現(xiàn)的定量關(guān)聯(lián)，為理解集群協(xié)同本質(zhì)提供支撐，同時為集群智能、生物行為調(diào)控等領(lǐng)域提供新思路。

二、社會性昆蟲的集體響應(yīng)與狀態(tài)切換：蟻群行為的實驗與理論框架

群體行為作為復(fù)雜系統(tǒng)研究的重要前沿,在社會性昆蟲中展現(xiàn)出高度協(xié)調(diào)、適應(yīng)性強(qiáng)的集體智能。以螞蟻為代表的生物群體利用簡單規(guī)則、局部交互與信息整合實現(xiàn)了遠(yuǎn)超個體能力的涌現(xiàn)行為。探究蟻群在動態(tài)環(huán)境與外部擾動下的集體響應(yīng)規(guī)律，為理解群體決策、協(xié)作控制和集群職能系統(tǒng)提供了關(guān)鍵啟示。本課題組通過設(shè)計可控的外部刺激，結(jié)合軌跡提取與多個體交互分析，構(gòu)建Master方程和多主體模型，系統(tǒng)研究螞蟻在外界擾動下從個體到群體的響應(yīng)機(jī)制以及狀態(tài)切換條件。本報告從文獻(xiàn)前沿到自主實驗，展示蟻群行為研究的發(fā)展脈絡(luò)、關(guān)鍵機(jī)制與新的科學(xué)問題，并探討其對復(fù)雜系統(tǒng)與群體智能研究的啟示。研究為理解蟻群在刺激情境下的集體響應(yīng)規(guī)律提供新的實證證據(jù)，也為構(gòu)建多智能體系統(tǒng)的協(xié)同機(jī)制模型提供新視角。

分享大綱

內(nèi)容1 生物集群行為：復(fù)雜系統(tǒng)視角與研究意義

• 內(nèi)容1.1 自組織、自適應(yīng)與群體協(xié)同：多生命尺度下的涌現(xiàn)現(xiàn)象

• 內(nèi)容1.2 生物啟發(fā)與非線性涌現(xiàn)規(guī)律：面向集群智能與AI的價值

• 內(nèi)容1.3 核心科學(xué)問題：微觀互動-宏觀涌現(xiàn)的定量橋接缺口

內(nèi)容2 社會互動機(jī)制：連接個體行為與群體動態(tài)的紐帶

• 內(nèi)容2.1 社會互動的作用鏈條：環(huán)境信息整合、鄰居響應(yīng)與群體結(jié)構(gòu)形成

• 內(nèi)容2.2 關(guān)鍵宏觀表型：空間分布、運動同步性與信息傳遞效率

• 內(nèi)容2.3 難點與突破口：多因素交叉下社會互動動態(tài)變化的量化

內(nèi)容3 魚類集群：實驗觀測與數(shù)據(jù)驅(qū)動的相互作用函數(shù)解析

• 內(nèi)容3.1 調(diào)控因子：環(huán)境因子、物種感知差異與個體異質(zhì)性

• 內(nèi)容3.2 方法路徑：實驗觀測 + 數(shù)據(jù)驅(qū)動建模提取交互規(guī)律

• 內(nèi)容3.3 定量關(guān)聯(lián)：解析相互作用函數(shù)建立社會互動與涌現(xiàn)的映射

內(nèi)容4 社會性昆蟲：蟻群集體智能的機(jī)制與問題框架

• 內(nèi)容4.1 涌現(xiàn)來源：簡單規(guī)則、局部交互與信息整合的協(xié)同效應(yīng)

• 內(nèi)容4.2 刺激與擾動情境：動態(tài)環(huán)境下的集體響應(yīng)與群體決策

• 內(nèi)容4.3 研究目標(biāo)：刻畫從個體到群體的響應(yīng)機(jī)制與狀態(tài)切換條件

內(nèi)容5 建模與分析：Master方程與多主體模型的協(xié)同框架

• 內(nèi)容5.1 實驗與數(shù)據(jù)處理：可控外部刺激、軌跡提取與多個體交互分析

• 內(nèi)容5.2 模型構(gòu)建：Master方程描述群體狀態(tài)演化與轉(zhuǎn)移過程

• 內(nèi)容5.3 多主體模型：從局部交互規(guī)則出發(fā)復(fù)現(xiàn)群體響應(yīng)與涌現(xiàn)結(jié)構(gòu)

內(nèi)容6 總結(jié)與啟發(fā)：面向復(fù)雜系統(tǒng)與群體智能的研究前景

• 內(nèi)容6.1 從文獻(xiàn)到自主實驗：研究脈絡(luò)、關(guān)鍵機(jī)制與新科學(xué)問題

• 內(nèi)容6.2 實證證據(jù)與理論支撐：集群協(xié)同本質(zhì)的定量理解

• 內(nèi)容6.3 遷移與應(yīng)用：生物行為調(diào)控與多智能體協(xié)同機(jī)制建模新視角

核心概念

• 生物集群行為 Biological Collective Behavior

• 自組織與自適應(yīng) Self-organization & Adaptation

• 社會互動 Social Interaction

• 微觀互動-宏觀涌現(xiàn) Micro-Macro Emergence

• 相互作用函數(shù) Interaction Functions

• 數(shù)據(jù)驅(qū)動建模 Data-driven Modeling

• Master方程 Master Equation

• 多主體模型 Multi-agent Models

主講人介紹

主講人：薛婷婷，昆明理工大學(xué)理學(xué)院系統(tǒng)科學(xué)系講師，碩士生導(dǎo)師，2024年畢業(yè)于北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院并獲博士學(xué)位。主要從事生物集群行為社會互動機(jī)制的研究，聚焦鳥群、魚群等集群系統(tǒng)的動力學(xué)規(guī)律，融合實驗?zāi)Ｐ蜆?gòu)建、多尺度數(shù)據(jù)分析與機(jī)器學(xué)習(xí)方法，揭示集群涌現(xiàn)、自適應(yīng)調(diào)控及環(huán)境響應(yīng)的核心機(jī)制。在Physical Review Research、Machine Learning: Science and Technology、PLOS Computational Biology等期刊發(fā)表多篇論文，主持?jǐn)?shù)學(xué)建模與機(jī)器學(xué)習(xí)交叉項目、高校人培項目。

主講人：張一帆，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院在讀博士生。主要從事生物集群系統(tǒng)的涌現(xiàn)特征與動力學(xué)機(jī)理研究。研究重點包括蟻群在刺激環(huán)境下的自組織狀態(tài)切換、個體間信息傳遞的相關(guān)性，以及微觀行為如何驅(qū)動群體層面的協(xié)調(diào)模式。

參考文獻(xiàn)

1. MacGregor H E, Herbert-Read J E, Ioannou C C. Information can explain the dynamics of group order in animal collective behaviour[J]. Nature Communications, 2020, 11(1): 2737.

2. Katz Y, Tunstr?m K, Ioannou C C, et al. Inferring the structure and dynamics of interactions in schooling fish[J]. Proceedings of the National Academy of Sciences, 2011, 108(46): 18720-18725.

3. Escobedo R, Lecheval V, Papaspyros V, et al. A data-driven method for reconstructing and modelling social interactions in moving animal groups[J]. Philosophical Transactions of the Royal Society B, 2020, 375(1807): 20190380.

4. Feinerman O, Pinkoviezky I, Gelblum A, et al. The physics of cooperative transport in groups of ants[J]. Nature Physics, 2018, 14(7): 683-693.

5. Chandra V, Gal A, Kronauer D J C. Colony expansions underlie the evolution of army ant mass raiding[J]. Proceedings of the National Academy of Sciences, 2021, 118(22): e2026534118.

6. McCreery Helen F, Gemayel Georgina, Pais Ana Isabel, Garnier Simon, Nagpal Radhika. Hysteresis stabilizes dynamic control of self-assembled army ant constructions[J]. Nature Communications, 2022,13(1).

7. Dreyer T, Haluts A, Korman A, et al. Comparing cooperative geometric puzzle solving in ants versus humans[J]. Proceedings of the National Academy of Sciences, 2025, 122(1): e2414274121.

報名讀書會：

「群體智能：從自然涌現(xiàn)到人機(jī)共創(chuàng)」

集智俱樂部聯(lián)合北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授、暨南大學(xué)計算傳播研究中心趙甜芳副教授、新疆大學(xué)物理科學(xué)與技術(shù)學(xué)院玉素甫·艾比布拉副教授等學(xué)者，共同發(fā)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(yōu)化，放在同一張地圖上重新理解。讀書會自2026年1月24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(xiàn)、如何被理解、以及如何被設(shè)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。

報名方式：

第一步：微信掃碼填寫報名信息。

第二步：填寫信息后，付費報名。如需用支付寶支付，請在PC端進(jìn)入讀書會頁面報名支付：

第三步：添加運營助理微信，拉入對應(yīng)主題的讀書會社區(qū)（微信群）。

PS：為確保專業(yè)性和討論的聚焦，本讀書會謝絕脫離讀書會主題和群體智能相關(guān)問題的空泛的哲學(xué)和思辨式討論；如果出現(xiàn)討論內(nèi)容不符合要求、經(jīng)提醒無效者，會被移除群聊并對未參與部分退費。

加入社區(qū)后可獲得的資源

完整權(quán)限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創(chuàng)任務(wù)獲取積分等。