Publications

Causal Emergence

Complex systems, like living organisms, environments, health, socioeconomics, or online communities, are unified entities composed of numerous interacting units. Grasping the emergence and evolution of their causal structures is essential. We utilize advanced machine learning technologies, such as causal representation and reinforcement learning, and information theory methods, including information decomposition, to identify emerging causal structures and predict future evolutionary states.

Machine Learning on Complex Networks

Machine learning provides us with new tools to handle and solve hard problems on complex networks, like identifying node types, classifying complex networks, and completing a partial observable network.

Automated Modelling of Complex Systems

We build models for complex systems according to the time series of the observable behaviors of the system in an automatic way. By using techniques like Graph (Neural) Network, Causal Inference, Information Theory, and Deep Learning etc., to learn the dynamics, infer the un-observable network structures and node states, and identify the phenomenon of emergence.

Scaling Analysis

In urban systems, biology systems, firms, and web forums, by discovering scaling laws on the aggregated level from the data, scaling analysis can characterize the macroscopic universal patterns of complex systems and provide some insights for the micro-level mechanisms.

Open Flow Networks

By modeling a complex open system as a directed weighted network and adding two special nodes, source and sink, into the network, we can study the distributions of flows within a system and model the general flows in wide complex open systems, including the attention flows of online education and learning, online forum, and web sites; product flows of international trading system, and energy flows on ecological systems, etc.

Books

  • 规模法则:探索从细胞到城市的普适规律,图灵丨人民邮电出版社,2023.07

    本书聚焦于“规模法则”这一复杂科学前沿研究方向,阐释了各类复杂系统(生命系统、生态系统、互联网社区、城市、国家、企业等)中存在的统一规律。规模法则理论能够用简洁的幂律公式刻画各种宏观变量随系统规模变化的数量关系,帮助我们重新审视万事万物。本书不仅搭建了一个系统认识复杂科学的思维框架,揭示了不同事物背后的普适规律,而且可以让你对工作和生活有更全面的理解、更本质的洞察。

    本书重新解读《规模》中提到的一些重大发现,并补充了《规模》中省略的推理过程和技术细节,适合大学生、研究生、跨领域科研人员、企业高管,以及对复杂科学感兴趣的大众读者阅读。

  • 集智俱乐部:NetLogo多主体建模入门,图灵丨人民邮电出版社,2021.11

    本书从大量跨学科、跨领域的实际案例入手,循序渐进地讲解了Netlogo的使用方法、基本语法、设计思想,以及背后的计算机模拟、多主体建模、复杂性科学的基本理念和数理建模的常用方法,包括数值计算、微分方程、动力系统、概率统计等。通过学习,读者可以学会搭建一个人工生命的世界,一个人工经济系统,以及一个人工生态系统;通过计算机模拟,读者可以理解大自然的捕食依存关系、病毒传播和疫情爆发的原理,还能对人类社会的财富分布不均衡的起源有全新的认识。

    本书有清晰的示例代码和讲解视频,实战性强,适合作为NetLogo建模和复杂性科学实操的入门读物

  • 集智俱乐部:走近2050——注意力、互联网与人工智能,人民邮电出版社,2016.6

    随着人工智能程序AlphaGo以4∶1的大比分战胜人类围棋世界冠军李世石,机器将征服人 类的担忧正在甚嚣尘上。《走近 2050》则为我们描绘了一幅人机和谐共生、协同演化的全新场景。 在看得见的未来,人类将越来越多地沉浸于五花八门的虚拟世界以获取各式体验,与此同时,我 们将心甘情愿地将自己的注意力源源不断地输入给机器世界以促使它们进化。
    本书从注意力的角度解读了包括互联网、人工智能、注意力经济、众包、人类计算、计算机 游戏、虚拟现实在内的技术领域及其对社会生活的影响,还创造性地提出了一系列全新的概念: 占意理论、“游戏+”时代、意本家、自动游戏设计、自动化创业、占意通货、许愿树,等等。 所有这些将为我们理解技术与人类的关系、透视人类社会的未来发展和走向提供深刻的洞察。 本书适用于互联网及人工智能从业人员,企业高管,以及对人类与科技的未来、科技如何影 响社会等问题感兴趣的读者。

  • 集智俱乐部:科学的极致——漫谈人工智能,人民邮电出版社,2008.8

    最受欢迎的科学探索群体——集智俱乐部首部科普著作全面涵盖人机交互、脑科学、计算心理学、系统科学、社会科学等前沿知识生动的文笔,精美的插图,数十位科学爱好者带你展开一场人工智能探索之旅。 制造出能够像人类一样思考的机器是人们长期以来的伟大梦想,也是当今科学发展的极致。从《终结者》《黑客帝国》《机器人瓦利》再到《超验骇客》,我们多数人对人工智能的认识还停留在好莱坞电影阶段,然而,人工智能作为一门计算机科学的分支究竟是什么样的?目前发展到了什么阶段?能够战胜人类的终极AI机器真的会存在吗?
    本书全面介绍了人工智能的历史及其在各个领域的发展及应用,不仅涵盖了人机交互、脑科学、计算心理学、系统科学、社会科学等各个学科的基础理论,而且广泛讲述了人工智能在算法、软件、硬件等方面的应用以及跨学科应用。本书既有科学的严谨性,又不乏趣味性,以通俗的语言和生动的示例将科学之美展现得淋漓尽致,有助于读者开阔视野,培养创造性思维和批判性思维,激发进一步探索科学的兴趣。

Email

zhangjiang#bnu.edu.com

Research Group

bnusss.github.io

Address

School of Systems Science
Beijing Normal University, 100875
Beijing, China