周涛 的最新文章
周涛 为什么要研究复杂系统的可预测性

复杂系统的研究大体上可以分成“解释-预测-干预”三个阶段,其任务分别是:(1)提出理论模型解释已经观察到的现象;(2)预测未被观察到的数据或现象(可能是缺失的数据,也可能是未来才会发生的事件);(3)通过对真实系统进行具体的干预以达到提前预设的目标[57-59]。针对一个现象“看起来正确”的解释,并不能说明相应的理论、模型或机制就是正确的,而仅仅是声张了一种正确的可能性。事实上,这种解释的可信度是不充分的。很多科学研究都是典型的事后诸葛亮,当一个事件发生之后,总能提出一些经过修修补补的理论模型,对已经发生的事件给出定性正确甚至定量精确的解释。经济学界有一句谚语,大意是“能预测经济危机的理论一个没有,能解释经济危机的理论俯拾皆是”,从这个意义上讲,预测一般而言要难于解释,正确预测对于理论正确性的背书力度也要强于解释。可以说,预测是连接解释和干预的桥梁,是开展干预前的一次演习——如果一个理论不能对未来给出较精确的预测,那么基于这个理论的干预和控制失败的概率肯定很大。

10-06 发布于 科学网 95 次阅读
周涛 什么是复杂系统?

迄今为止,没有关于“复杂系统”的标准定义,但学术界广泛认可的复杂系统,一般是指由大量相互作用、相互关联的个体(或组分) 构成,且整体行为远超个体简单叠加的系统[1-3]。复杂系统既不是如机械钟表一般组分间互动关系单一且可精准预测的“简单系统”也不是如如掷骰子一般结果完全无法预测的“随机系统”,而是介于两者之间的系统,广泛存在于经济[4,5]、社会[6,7]、生物[8,9]等领域中。复杂系统具有自组织、涌现性、非线性、适应性、开放性等核心特征。(1)自组织.—系统无需“中央指挥官”,仅通过组分之间的局部、简单的相互作用规则,就能自发形成全局的统计规律或有序结构[10],例如在鸟群和鱼群中,每只鸟或鱼只需要遵循一些简单的局部规则,整个群体就可以形成有序的群集运动[11]。(2)涌现性.—系统整体会出现个体层面没有的新属性、新行为,且无法通过分析单个组分推导出来[12]。例如单只蚂蚁只会寻找食物、分泌信息素等简单行为,但当数万只蚂蚁聚集在一起时,会涌现出集体筑巢和分工协作等个体不具备的智能行为[13];又如单个神经元只能接收和传递电信号,但千亿个神经元通过突触连接互动,会涌现出无法通过分析单个神经元解释的高级认知功能[14]。(3)非线性.—组分之间复杂的正反馈和负反馈作用,使得系统对外界刺激的响应是非线性的,有可能输入上小的差异导致最终结果巨大的差别,也有可能输入上很大的差异却导致差不多的结果[15]。我们耳熟能详的“蝴蝶效应”——南美洲一只蝴蝶扇动翅膀,可能通过大气环流的非线性互动,最终在北美洲引发一场飓风——就是典型的非线性效应[16]。(4)适应性.—系统整体或者系统的组分能通过“学习、反馈”感知环境变化,并据此调整自身的动力学或者组分之间的互动方式,从而适应环境,尽可能提高适应度[17]。在某些场景中,系统还可以通过和环境的相互作用改变环境本身,而变化后的环境对系统的影响亦发生改变,从而导致更复杂和难以预测的行为[18,19]。一个典型的例子就是生态系统,其中物种会因为环境的变化(例如气候变化或者外界生物入侵)以及其他物种数量和行为的变化而改变自己捕食、躲避、繁殖等行为,尽可能提高自己生存和繁殖的能力[20,21]。(5)开放性.—系统不是封闭孤立的,而是持续与外界交换物质、能量和信息,并基于此维系有序(低熵)的结构,一旦切断系统与外界的交互,系统会逐渐崩溃[22]。例如生命体需要从环境摄入食物且排出废物,若切断这些交换,则死亡为期不远[23];又如城市作为一个整体,需要从外部输入能源、水、粮食等,一旦切断这些供应,城市将会迅速瘫痪[24]。

10-05 发布于 科学网 72 次阅读
周涛 网络最小度分解

网络是表示和分析社会、生物和技术领域中由相互作用实体构成的复杂系统的强大工具。网络科学已发展成为一个关键的跨学科领域,连接了离散数学、统计物理学、计算机科学和应用学科[1,2]。现实世界网络的一个显著特征是其异质性结构,表现为少数节点具有不成比例的高连接性或中心性[3]。这种结构不对称性表明,大规模系统的功能往往严重依赖于少数关键节点。识别这些关键节点是网络科学中最重要的任务之一[4],这使我们能够开展更成功的社会广告活动、对疫情高风险人群进行免疫、发现药物靶点候选物和必需蛋白质,以及防止电网、金融市场和生态系统中的级联故障。

09-21 发布于 科学网 87 次阅读
周涛 性别语言差异:670万份中国求职者简历揭示AI招聘公平性的新挑战

全球劳动力市场长期存在显著的性别工资差距——在同等学习工作背景和差不多的工作内容下,男性的工资显著高于女性!在人工智能招聘工具日益普及的今天,隐去姓名和性别是一种避免AI工具在招聘中出现性别歧视的常规方法。简历作为求职过程中的核心评估材料,其文本中是否存在系统性的性别语言差异?AI能否捕捉到这些差异(默默地预测出性别,默默地歧视女性),从而影响到AI招聘算法的公平性?这些问题尚未得到充分的实证研究。近日,四川大学计算机学院吕建成教授团队联合国防科技大学吕欣教授、香港大学高见教授等,电子科技大学周涛教授等,在《Journal of the Royal Society Interface》上发表研究成果,首次基于大规模真实简历数据系统揭示了简历语言中的性别差异及其对薪资预期与AI预测的影响。该研究由四川大学屈茜博士担任第一作者,四川大学刘权辉教授担任通讯作者(另有打酱油的联合通讯作者若干)。

06-16 发布于 科学网 346 次阅读
周涛 近10万学生心理筛查显示: 初中学段心理问题最严重,女生比男生问题严重

在校学生的心理问题是否普遍,是否严重,主要表现在哪些维度?哪个学段的孩子心理问题最严重,男生和女生哪方心理问题更严重?为了回答上述问题,我们最近针对四川的一个地级市95545学生做了大规模的问卷和量表调查,包括27128名小学生,43124名初中生和25203名高中生。被试除了填写有关校园欺凌的《多维同伴侵害量表(MPVS)》,还同时填写了8个涉及心理学不同维度的量表,分别是(1)情绪行为:《长处和困难问卷-学生版(SDQ-S)》;(2)精神病前驱风险:《精神病前驱期量表(PQ-16)》;(3)抑郁:《9项患者健康问卷(PHQ-9)》;(4)焦虑:《广泛性焦虑量表(GAD-7)》;(5)应激反应:《儿童事件影响量表-修订版(疫情影响)(CRIES-13)》;(6)睡眠质量:《匹兹堡睡眠指数测试(PSQI)》;(7)网络成瘾:《互联网游戏失调量表(IGDS9-SF)》;积极心理健康:《爱登堡积极心理健康量表(WEMWBS)》。总体而言,该城市76.14%的青少年心理社会健康状况正常,暂无明显担忧。约5.58%的学生处于心理社会健康极高风险状态,需及时干预。分不同维度来看,约22%的青少年表现出中度及以上程度的压力反应症状,约25%存在中度及以上的情绪行为问题,约28%的青少年未达到积极心理健康状态,约22.8%的青少年出现中重度抑郁,约12.9%的青少年出现中重度焦虑。其中各分项的状况分布如下表。

05-03 发布于 科学网 536 次阅读
加载更多
没有更多数据了~
icon
周涛
计算机科学与工程学院  |  professor

周涛,博士,教授,电子科技大学互联网科学中心主任。于2005年获中国科学技术大学学士学位,2010年获瑞士弗里堡大学物理系哲学博士学位,师从汪秉宏教授和张翼成教授,主要研究方向为复杂性科学、网络科学、信息物理、人类动力学和群集动力学。