導(dǎo)語

繼「神經(jīng)動力學(xué)模型」與「計算神經(jīng)科學(xué)」讀書會后，集智俱樂部聯(lián)合來自數(shù)學(xué)、物理學(xué)、生物學(xué)、神經(jīng)科學(xué)和計算機的一線研究者共同發(fā)起，跨越微觀、介觀與宏觀的視角，探索意識與智能的跨尺度計算、演化與涌現(xiàn)。重點探討物理規(guī)律與人工智能如何幫助我們認識神經(jīng)動力學(xué)，以及神經(jīng)活動跨尺度的計算與演化如何構(gòu)建微觀與宏觀、結(jié)構(gòu)與功能之間的橋梁。

本次讀書會探討了連接意識宏觀體驗與微觀神經(jīng)活動的多尺度因果框架?，F(xiàn)有理論（如整合信息理論）多局限于單一尺度，且缺乏跨尺度因果動力學(xué)研究。為此，基于課題組提出的機器學(xué)習(xí)方法，利用小鼠皮層高分辨率鈣成像數(shù)據(jù)，識別多尺度因果變量及其動力學(xué)機制。該研究為理解神經(jīng)活動與意識的關(guān)系提供了跨尺度因果分析新路徑。

分享簡介

意識同時橫跨宏觀體驗與微觀神經(jīng)元活動，然而將這兩個尺度聯(lián)系起來仍具有挑戰(zhàn)。本次讀書會，我們首先回顧了主流的意識理論，已有的理論，如整合信息理論往往聚焦單一尺度，忽視了因果力及其動力學(xué)是如何跨尺度展現(xiàn)的。同時研究進展也受限于稀缺的跨尺度數(shù)據(jù)，以及量化多尺度因果與動力學(xué)的困難。接著介紹意識與因果涌現(xiàn)的關(guān)系，最后，重點介紹將課題組提出的機器學(xué)習(xí)框架應(yīng)用到小鼠的腦神經(jīng)系統(tǒng)中，通過使用小鼠背側(cè)皮層近細胞級分辨率的鈣成像數(shù)據(jù)，推斷多尺度因果變量及其動力學(xué)。實驗發(fā)現(xiàn)在較低層級，變量主要整合低尺度的信息；而在較高層級，通過清醒時的亞穩(wěn)態(tài)或鞍點動力學(xué)傳遞因果，并在麻醉狀態(tài)下轉(zhuǎn)向局部化的隨機動力學(xué)。此外，一維頂層“意識變量”捕獲了大部分因果力，但是其他尺度變量同樣具有因果力的貢獻，并且在意識狀態(tài)下產(chǎn)生較高的“涌現(xiàn)復(fù)雜性”。這些發(fā)現(xiàn)共同構(gòu)建了一個連接神經(jīng)活動與意識狀態(tài)的多尺度因果框架。

核心關(guān)注問題

1. 意識產(chǎn)生在哪個尺度？宏觀、介觀、微觀還是都存在？

2. 大腦是如何進行多層級信息聚合的？

3. 如何定量刻畫大腦的意識動力學(xué)？

核心概念

分享大綱

1. 意識理論概述

2. 意識與因果涌現(xiàn)的關(guān)系

3. 小鼠腦神經(jīng)系統(tǒng)中的因果涌現(xiàn)

   1. 多尺度因果力分布

   2. 涌現(xiàn)動力學(xué)分析

   3. 信息整合方式

   4. 腦區(qū)歸因

主講人介紹

王志鵬，北京師范大學(xué)在讀博士，師從張江教授，研究興趣包括復(fù)雜系統(tǒng)多尺度建模、因果涌現(xiàn)等。

參與時間

2025年10月11日（周六）晚上19:00-21:00（固定時間，記得關(guān)注獲取每周分享信息～）

報名加入社群交流

https://pattern.swarma.org/study_group_issue/976?from=wechat

掃碼參與，加入社群，獲取系列讀書會永久回看權(quán)限，與社區(qū)的一線科研工作者溝通交流，共同溯源復(fù)雜科學(xué)的思想脈絡(luò)。

領(lǐng)域必讀文獻

這篇文章是一種基于有效信息最大化的因果涌現(xiàn)識別方法，可以用于構(gòu)建多尺度的大腦動力學(xué)

1. Mingzhe Yang, Zhipeng Wang, Kaiwei Liu, Yingqi Rong, Bing Yuan, and Jiang Zhang. Finding emergence in data by maximizing effective information. National Science Review,12(1):nwae279, 2025.

   這是IIT1.0整合信息論的論文，提出了意識度的衡量指標Φ, 該工作認為意識發(fā)生在Φ值最大的子系統(tǒng)中。

2. Tononi, G. (2004). An information integration theory of consciousness. BMC neuroscience, 5(1), 42.

這篇文章是計算因果力分布的涌現(xiàn)復(fù)雜度的方法，可以用來量化大腦動力學(xué)系統(tǒng)中的多尺度的因果貢獻分布的均勻程度

1. Erik Hoel. Causal emergence 2.0: Quantifying emergent complexity. arXiv preprint arXiv:2503.13395, 2025.

1. Luppi, A. I., Mediano, P. A., Rosas, F. E., Allanson, J., Pickard, J., Carhart-Harris, R. L., ... & Stamatakis, E. A. (2024). A synergistic workspace for human consciousness revealed by integrated information decomposition. Elife, 12, RP88173.

2. Luppi, Andrea I., et al. A synergistic core for human brain evolution and cognition. Nature Neuroscience 25.6 (2022): 771-782.

開放招募：

1. Luppi, A. I., Craig, M. M., Pappas, I., Finoia, P., Williams, G. B., Allanson, J., ... & Stamatakis, E. A. (2019). Consciousness-specific dynamic interactions of brain integration and functional diversity. Nature communications, 10(1), 4616.

2. Luppi, A. I., Cabral, J., Cofre, R., Destexhe, A., Deco, G., & Kringelbach, M. L. (2022). Dynamical models to evaluate structure–function relationships in network neuroscience. Nature Reviews Neuroscience, 23(12), 767-768.

計算神經(jīng)科學(xué)第三季讀書會

從單個神經(jīng)元的放電到全腦范圍的意識涌現(xiàn)，理解智能的本質(zhì)與演化始終是一個關(guān)于尺度的問題。更值得深思的是，無論是微觀的突觸可塑性、介觀的皮層模塊自組織，還是宏觀的全局信息廣播，不同尺度的動力學(xué)過程都在共同塑造著認知與意識。這說明，對心智的研究從最初就必須直面一個核心挑戰(zhàn)：局部的神經(jīng)活動如何整合為統(tǒng)一的體驗？局域的網(wǎng)絡(luò)連接又如何支撐靈活的智能行為？

繼「」與「」讀書會后，集智俱樂部聯(lián)合來自數(shù)學(xué)、物理學(xué)、生物學(xué)、神經(jīng)科學(xué)和計算機的一線研究者共同發(fā)起，跨越微觀、介觀與宏觀的視角，探索意識與智能的跨尺度計算、演化與涌現(xiàn)。重點探討物理規(guī)律與人工智能如何幫助我們認識神經(jīng)動力學(xué)，以及神經(jīng)活動跨尺度的計算與演化如何構(gòu)建微觀與宏觀、結(jié)構(gòu)與功能之間的橋梁。

詳情請見：