導語

自然界里，魚群轉向、蟻群協作看似簡單，卻能形成高度有序的群體行為，這是復雜系統研究的一個核心問題。要理解這種群體智能從何而來，關鍵在于個體之間的社會互動：它決定個體如何感知環(huán)境、如何回應鄰居，進而影響隊形、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性不斷變化，傳統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，結合可控實驗、軌跡數據與數據驅動建模，刻畫相互作用與狀態(tài)切換規(guī)律，搭起微觀互動—宏觀涌現的定量橋梁，并討論對集群智能與多智能體協同的啟發(fā)。

內容簡介

一、魚群動態(tài)互動規(guī)律研究：從個體行為到群體協同的涌現機制

近年來，生物集群行為是復雜系統研究的重要方向，其在多生命尺度中展現的自組織、自適應群體協同特性，既是理解生命系統宏觀功能的關鍵，也為人工智能等領域提供重要生物啟發(fā)，對揭示非線性系統涌現規(guī)律具有重要科學意義。在集群行為的調控要素中，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，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，傳統研究難以量化多因素交叉下社會互動的動態(tài)變化，導致 “微觀互動 - 宏觀涌現” 的認知存在斷層，厘清其調控規(guī)律成為領域核心突破點。本報告以魚類集群為載體，結合實驗觀測與數據驅動建模，闡述環(huán)境因子、物種感知差異、異質性個體對社會互動的調控機制，解析相互作用函數以建立社會互動與集群涌現的定量關聯，為理解集群協同本質提供支撐，同時為集群智能、生物行為調控等領域提供新思路。

二、社會性昆蟲的集體響應與狀態(tài)切換：蟻群行為的實驗與理論框架

群體行為作為復雜系統研究的重要前沿,在社會性昆蟲中展現出高度協調、適應性強的集體智能。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了遠超個體能力的涌現行為。探究蟻群在動態(tài)環(huán)境與外部擾動下的集體響應規(guī)律，為理解群體決策、協作控制和集群職能系統提供了關鍵啟示。本課題組通過設計可控的外部刺激，結合軌跡提取與多個體交互分析，構建Master方程和多主體模型，系統研究螞蟻在外界擾動下從個體到群體的響應機制以及狀態(tài)切換條件。本報告從文獻前沿到自主實驗，展示蟻群行為研究的發(fā)展脈絡、關鍵機制與新的科學問題，并探討其對復雜系統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規(guī)律提供新的實證證據，也為構建多智能體系統的協同機制模型提供新視角。

分享大綱

內容1 生物集群行為：復雜系統視角與研究意義

• 內容1.1 自組織、自適應與群體協同：多生命尺度下的涌現現象

• 內容1.2 生物啟發(fā)與非線性涌現規(guī)律：面向集群智能與AI的價值

• 內容1.3 核心科學問題：微觀互動-宏觀涌現的定量橋接缺口

內容2 社會互動機制：連接個體行為與群體動態(tài)的紐帶

• 內容2.1 社會互動的作用鏈條：環(huán)境信息整合、鄰居響應與群體結構形成

• 內容2.2 關鍵宏觀表型：空間分布、運動同步性與信息傳遞效率

• 內容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

內容3 魚類集群：實驗觀測與數據驅動的相互作用函數解析

• 內容3.1 調控因子：環(huán)境因子、物種感知差異與個體異質性

• 內容3.2 方法路徑：實驗觀測 + 數據驅動建模提取交互規(guī)律

• 內容3.3 定量關聯：解析相互作用函數建立社會互動與涌現的映射

內容4 社會性昆蟲：蟻群集體智能的機制與問題框架

• 內容4.1 涌現來源：簡單規(guī)則、局部交互與信息整合的協同效應

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

• 內容4.3 研究目標：刻畫從個體到群體的響應機制與狀態(tài)切換條件

內容5 建模與分析：Master方程與多主體模型的協同框架

• 內容5.1 實驗與數據處理：可控外部刺激、軌跡提取與多個體交互分析

• 內容5.2 模型構建：Master方程描述群體狀態(tài)演化與轉移過程

• 內容5.3 多主體模型：從局部交互規(guī)則出發(fā)復現群體響應與涌現結構

內容6 總結與啟發(fā)：面向復雜系統與群體智能的研究前景

• 內容6.1 從文獻到自主實驗：研究脈絡、關鍵機制與新科學問題

• 內容6.2 實證證據與理論支撐：集群協同本質的定量理解

• 內容6.3 遷移與應用：生物行為調控與多智能體協同機制建模新視角

核心概念

• 生物集群行為 Biological Collective Behavior

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

• 社會互動 Social Interaction

• 微觀互動-宏觀涌現 Micro-Macro Emergence

• 相互作用函數 Interaction Functions

• 數據驅動建模 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，昆明理工大學理學院系統科學系講師，碩士生導師，2024年畢業(yè)于北京師范大學系統科學學院并獲博士學位。主要從事生物集群行為社會互動機制的研究，聚焦鳥群、魚群等集群系統的動力學規(guī)律，融合實驗模型構建、多尺度數據分析與機器學習方法，揭示集群涌現、自適應調控及環(huán)境響應的核心機制。在Physical Review Research、Machine Learning: Science and Technology、PLOS Computational Biology等期刊發(fā)表多篇論文，主持數學建模與機器學習交叉項目、高校人培項目。

主講人：張一帆，北京師范大學系統科學學院在讀博士生。主要從事生物集群系統的涌現特征與動力學機理研究。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性，以及微觀行為如何驅動群體層面的協調模式。

參考文獻

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：從自然涌現到人機共創(chuàng)」

集智俱樂部聯合北京師范大學系統科學學院韓戰(zhàn)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·艾比布拉副教授等學者，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、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。

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問題的空泛的哲學和思辨式討論；如果出現討論內容不符合要求、經提醒無效者，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)任務獲取積分等。