椋鸟群飞时，成千上万只鸟在空中翻涌成一片流动的云，没有指挥，没有领队。蚁群觅食时，工蚁四散而出，最后却总能找到通往食物的最短路径之一。这些现象背后是同一个词：涌现。

陈关荣与郑志刚为张江新著《涌现：从简单规则到复杂世界》撰写了推荐序。陈关荣给出的定义很直接：系统中的许多简单要素通过相互作用，在整体层面产生了单个要素所不具备的新结构、新模式或新性质。

打开网易新闻 查看精彩图片

他举的例子是水。加热或降温，水会生成汽和冰。涌现描述的是动态演化过程中突然出现的质变，这类现象在自然界和人类社会中数不胜数。

一本书的骨架：8篇34章

郑志刚从同行视角拆解了全书结构。8篇34章，从具体到抽象，从经验到理论，铺出一条完整的涌现知识脉络。

起点是自然系统：椋鸟群飞、蚁群觅食。接着转向人工系统：元胞自动机、大语言模型。再往后是社会系统，讨论群体智能与集体愚蠢这对孪生现象。物理系统的涌现、因果涌现理论、机器观察者范式及其应用，依次展开，最后落在总结与反思。

郑志刚认为，这本书在四个方面有突出价值：理论整合、案例丰富、方法创新、跨学科视野。它把复杂系统、信息论、人工智能、认知科学整合进了一个统一框架。

因果涌现：给涌现一把尺子

涌现常被当成玄学。因果涌现理论试图从信息论与因果推理的角度，为它提供定量化的度量。

这套理论的核心判断是：在特定条件下，宏观变量在因果层面比微观变量更具解释力。核心概念包括有效信息与因果涌现。书中还介绍了作者基于动力学可逆性和对称性粗粒化的原创工作。

与之配套的是机器观察者范式。思路是用神经网络自动识别复杂系统中的涌现结构与因果关系——训练神经网络模型成为系统的观察者，实现从人类观察到模型观察的转变。NIS 与 NIS+ 模型展示了这条路径：数据驱动地构建系统模型，并识别出涌现变量。

书里有一句判断值得记住：复杂的表现未必源于复杂的规则，各类复杂的计算实际上是等价的，也就是「计算等价性原理」。

另一句是：涌现并非超自然的魔法，而是信息结构在特定动力学条件下自我组织、自我协同的产物。

对做AI的人来说，这套框架的意义在于它可能为理解人工智能的能力跃迁与行为突变提供路径。郑志刚的判断是，该书为理解复杂系统演化与人工智能能力跃迁提供了理论工具。

陈关荣的评价则回到科普本身：这是一本有广阔视野和思考深度的科普作品，以丰富案例和文献引述，全面呈现了不同学者对「什么是涌现」的探索。

书里最后那句话，大概是最适合放在开头的：涌现并非答案，而是问题的开始。