中文

从物理到生物、社会科学与计算机科学的涌现

计算机视觉与模式识别 2026-01-21 v2

摘要

许多系统都涉及众多相互作用的部分,而整个系统可以具有单个部分不具备的属性。我将这种新奇性作为涌现属性的定义特征。涌现现象的其他特征包括普遍性、秩序、复杂性、不可预测性、不可还原性、多样性、自组织、离散性和奇点。涌现现象在物理学、生物学、社会科学和计算领域广泛存在,是主要科学和社会挑战的核心。理解涌现现象需要考虑不同尺度(能量、时间、长度、复杂性)之间的层次结构,每一层次都有其独特的本体论和认识论,导致半自主的科学学科。一个核心挑战是在宏观涌现属性和微观组件相互作用之间架起桥梁。识别中间中间尺度,使得新的、弱相互作用的实体或模块化结构涌现,是关键。理论方法,如有效理论(描述特定尺度上的现象)和玩具模型(简化系统以便分析),至关重要。伊辛模型恰恰说明了玩具模型如何阐明涌现特征。涌现是凝聚态物理学、混沌系统、流体力学、核物理、量子引力、神经网络、蛋白折叠和社会隔离的核心。涌现视角应影响科学战略,通过塑造研究问题、方法、优先事项和资源分配来指导工作。一个难以实现的目标是设计和控制涌现属性。

关键词

引用

@article{arxiv.2508.08547,
  title  = {Calibration Attention: Learning Reliability-Aware Representations for Vision Transformers},
  author = {Wenhao Liang and Wei Emma Zhang and Lin Yue and Miao Xu and Mingyu Guo and Olaf Maennel and Weitong Chen},
  journal= {arXiv preprint arXiv:2508.08547},
  year   = {2026}
}

备注

UnderReview