共启全新AI时代！拓维信息精彩亮相华为开发者大会 机器学习框架NIS+：通过最大化有效信息识别“因果涌现” | NSR

共启全新AI时代！拓维信息精彩亮相华为开发者大会 机器学习框架NIS+：通过最大化有效信息识别“因果涌现” | NSR， 

共启全新AI时代！拓维信息精彩亮相华为开发者大会

HDCD大会现场。企业供图

HDC大会拓维信息&开鸿智谷展台。企业供图

开鸿智谷荣获“鸿蒙生态先锋伙伴奖”。企业供图

拓维信息&开鸿智谷“在鸿控制器”系列产品。企业供图

6月21日至23日，华为开发者大会(HDC 2024)在中国东莞松山湖畔举行，大会上HarmonyOS NEXT鸿蒙星河版、盘古大模型5.0联袂发布，华为推出了全新的鸿蒙原生智能框架，这一创新举措标志着AI与操作系统(OS)的深度融合，预示着一个全新AI时代的来临。

作为华为“鲲鹏/昇腾+行业大模型/云+开源鸿蒙”全方位战略合作伙伴、华为OpenHarmony使能伙伴、华为HarmonyOS开发服务商、开放原子开源基金会OpenHarmony项目群A类捐赠人，拓维信息及旗下开鸿智谷深度参与此次盛会，全面展示和分享公司基于“AI+鸿蒙”打造的多款创新产品、行业数智化解决方案及领先的商业化成果，并荣获“鸿蒙生态先锋伙伴奖”，受到大会各方、广大开发者和媒体的高度关注。

鸿蒙生态再进阶

全场景智能化正当时

作为华为面向ICT领域全球开发者的年度旗舰活动，华为开发者大会不仅是汇集人工智能、5G等关键技术前沿探索与应用创新的先锋平台，更是传递华为软硬件生态发展趋势和商业化前景的重要风向标。

华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东在主题演讲中介绍到，截至目前，鸿蒙生态设备数量已超9亿台，HarmonyOS开发者人数超过254万，历经4代，持续为亿万消费者带来创新体验。在“鸿蒙速度”的带动下，作为操作系统底座的OpenHarmony在开源的三年多时间里加速拓展，超过7800名社区贡献者加入其中，贡献代码超过1.1亿行，已经成为发展最快的智能终端开源操作系统。

今年是原生鸿蒙发展的关键之年。作为鸿蒙生态坚定的同路人、核心的共建者，为全方位呈现公司“AI+鸿蒙”战略布局及最新进展，拓维信息在大会期间特别开启线上直播间，由拓维信息副总裁、开鸿智谷总裁廖秋林，拓维信息副总裁柏丙军，开鸿智谷副总裁李传钊进行现场直播逛展，从行业趋势、技术演进、产品创新、场景联动等维度，全方位分享拓维信息及开鸿智谷在“AI+鸿蒙”领域的领先理念、创新成果以及商业实践。

深耕“AI+鸿蒙”

全栈创新赋能万物智联

随着AI以大模型为入口向各类智能终端应用扩散的落地路径进一步明晰，AI与操作系统(OS)深度融合的演进趋势愈加凸显。

拓维信息作为较早与华为在鸿蒙生态领域达成合作共识的企业，敏锐洞察“AI+”蕴藏的巨大发展能量与产业价值，率先提出“AI+鸿蒙”全栈战略，以大模型、开源鸿蒙等创新技术融入各类软硬件产品及数智化解决方案中，软硬一体赋能千行万业转型升级。

本次HDC大会上，拓维信息及开鸿智谷基于“AI+鸿蒙”技术底座，自研推出的在鸿OS、在鸿控制器、在鸿平板、在鸿考试机、在鸿学生终端等创新软硬件产品，以及面向智慧考试、智慧教育、智慧交通、智慧城市、智慧园区、人才培养等垂直行业场景打造的数智化解决方案和商业化应用案例，在“统一互联”展区精彩亮相，携手广大伙伴共同展示最新的鸿蒙统一生态进展、行业实践，以及HarmonyOS和OpenHarmony互联互通的无限可能。

在智慧教育领域，拓维信息将“AI+鸿蒙”融入考试、高校、K12等各类场景，赋能“教-学-管-评-考”全链条。面向考试场景，推出AI评卷、AI智能巡查等创新解决方案，已在全国多个省市落地使用，护航考试安全、公平；面向高校人才培养需求，以在鸿实验箱为核心，形成了“教具+教材+教师+教程”四位一体的人才培养模式；面向K12场景，鸿蒙智慧教室解决方案已在长沙雅礼麓谷中学等学校成功落地使用，率先开启全场景智慧教育新范式。

在智慧城市领域，拓维信息以“AI+鸿蒙”为数字底座、结合行业大模型能力，将城市治理、民生服务等复杂场景中的设备互联互通，构建“全域覆盖、数据共享、智慧共用”的鸿蒙全息感知平台，助力打造首个国内城市级“AI+鸿蒙”项目。

在智慧交通领域，基于“公路在鸿OS + 在鸿控制器”的国产软硬件全栈底座，先后落地隧道、收费站等业务场景，助力山东杭山东打造全国首个OpenHarmony使能的智慧隧道、助力宁夏孟家湾收费站打造首个“AI+鸿蒙”无人收费站项目，在高速公路机电场景中率先实现跨设备互联互通，赋能高速公路智慧运营。

在互联互通领域，现场展区以智慧隧道为例，生动呈现了基于统一互联标准和技术打造的跨生态、跨厂商的互联互通场景。基于OpenHarmony打造的控制器可以与隧道内的不同类型设备互联互通，帮助实现水浸管制、火灾预防、隧道节能、巡检养护以及安全应急，同时，搭载HarmonyOS NEXT的华为手机也能与跨厂商的隧道控制器等多种设备互联，形成终端一体化，通过手机上的通用互联APP，实现对隧道内声、光、电的一体化控制。

坚守技术创新

共启“AI+鸿蒙”新纪元

鸿蒙生态强大的生命力与活力，吸引着越来越多开发者和合作伙伴加入的同时，也让鸿蒙原生应用、元服务、SDK 等技术创新变得空前活跃。大会期间，拓维信息副总裁许磊、开鸿智谷副总裁李传钊受邀参与多场专题分论坛，并带来《初探鸿蒙生态使能出行美好生活》《新一代鸿蒙智慧教室：跨设备整合与教育行业创新》《开源共建：Flutter在鸿蒙生态的广泛应用与实践》等主题演讲，深入分享拓维信息及旗下开鸿智谷基于HarmonyOS、OpenHarmony的开发实践以及在考试、教育、交通、城市、园区等行业的最新落地成果，展现鸿蒙生态的多元化应用场景和全新商业模式。

鸿蒙千帆起，竞发向未来。鸿蒙生态的崛起，离不开广大开发者对技术创新的坚守，也离不开众多伙伴的合力浇灌。本次大会上，拓维信息旗下开鸿智谷凭借在鸿蒙领域持续深耕及生态共建的突出表现，荣膺“鸿蒙生态先锋伙伴奖”。

未来，拓维信息将坚定聚焦“AI+鸿蒙”战略，持续夯实大模型、鸿蒙等技术底座，积极发挥行业数字化场景积累以及产品和解决方案创新能力，与华为及生态伙伴携手共进，为用户创造价值，以自主创新的璀璨星河照亮更广阔的数智未来。(崔祝祯)

发布于：北京


机器学习框架NIS+：通过最大化有效信息识别“因果涌现” | NSR

国家科学评论| 来源

机器学习技术难以捕捉复杂系统中的涌现现象（比如鸟群的集群行为、生命游戏中出现的复杂模式等），这阻碍了对复杂系统演化的预测。

近日，北京师范大学系统科学学院张江课题组提出了一套可以识别“因果涌现”的机器学习框架——强化版神经信息压缩器（Neural Information Squeezer Plus, NIS+）。该框架结合样本重加权和反向动力学训练两项技术，可以通过有效信息（Effective Information，简称EI）最大化，实现从观测时间序列中提取最优的粗粒化策略，建立宏观动力学预测模型，并判断是否发生因果涌现。相关研究成果以“Finding emergence in data by maximizing effective information”为题发表于《国家科学评论》（National Science Review，NSR）。

论文题目：Finding emergence in data by maximizing effective information 论文地址：https://doi.org/10.1093/nsr/nwae279?

NIS+框架图

经典因果涌现理论中的“观察者效应”

因果涌现在2013年被正式提出，是一套定量刻画涌现现象的理论框架。对于一个系统不同的观察者来说，他们可能在微观或宏观两种不同的尺度来观察、刻画同一个系统，从而分别得到微观动力学和宏观动力学，其中后者是前者的一种粗粒化的近似。同时，这些动力学可能具备不同的因果效应强度，这一强度可以用定量指标：有效信息（EI）来刻画。如果宏观的EI大于微观的EI，则我们可以判定该系统发生了因果涌现。下图左展示了因果涌现的概念框架，右展示了在一个马尔可夫链上发生因果涌现的例子。

因果涌现理论示意图

然而，经典因果涌现理论需要事先指定从微观到宏观的粗粒化方式，不同的粗粒化方案就会导致完全不同的因果涌现结果，这便体现了一种“观察者效应”。

NIS+的做法

不同于经典方法，NIS+通过最大化有效信息，优化一个机器观察者，从而能够找到最优的粗粒化方法和宏观动力学，还能够匹配微观观测数据。这不仅以数据驱动方式构建了复杂系统模型，还在一定程度上避免了观察者效应。研究团队分别在模拟和真实数据上对NIS+进行了验证。

在模拟模型上的验证

Boid是一个经典的鸟群模拟模型，它通过个体之间的局部相互作用，在宏观涌现出集群运动模式。团队发现，利用大量Boid生成的数据训练NIS+模型，就能让它找到有效信息最大的粗粒化策略和宏观动力学，从而很好地捕捉鸟群质心的运动变化规律。

最大化有效信息还能提升NIS+的分布外泛化能力。研究团队将NIS+与没有最大化EI的模型进行对比，发现NIS+能够在训练数据区域外更大的范围内进行更精确的预测。

鸟群实验结果

研究团队还在元胞自动机类复杂系统：生命游戏的生成数据上进行了实验。为了捕获宏观尺度的集体运动模式，团队采取了时空粗粒化扩展NIS+模型。通过对比传统模型，NIS+在不同数据集上都有更高的预测准确性。

生命游戏实验结果

在真实数据上的验证

研究团队还在真实的fMRI数据上进行了实验验证。数据来自830个被试，记录了他们分别在看视频时和静息状态下的大脑fMRI时间序列。

在观看视频的数据中，NIS+经过训练便可以提炼出一个一维的宏观动力学来概括描述100维的fMRI时间序列，从而实现EI最大化，并发现了明确的因果涌现。使用积分梯度法，NIS+还可以提炼出与这一维宏观动力学最相关的微观维度，结果发现大脑视觉区对宏观动力学贡献占比最高。

与其对比，在静息态下，NIS+必须使用3到7个维度来概况被试的fMRI数据，并且因果涌现特性减弱。

大脑fMRI实验结果

综上所述，研究团队开发出了NIS+机器学习框架，对复杂系统进行数据驱动的多尺度建模。在理论上，它可以最大化宏观动力学有效信息，识别出因果涌现；在实验上，它具有更强的分布外泛化预测能力。

因果涌现读书会第五季

跨尺度、跨层次的涌现是复杂系统研究的关键问题，生命起源和意识起源这两座仰之弥高的大山是其代表。从2021年夏天至今，集智俱乐部已经陆续举办了四季「因果涌现」读书会，系统梳理了因果涌现理论的发展脉络，深入探讨了信息整合与信息分解的本质，并探索了在生物网络、脑网络、机器学习等跨学科领域的应用。此次将追踪因果涌现领域的前沿进展，展示集智社区成员的原创性工作，希望探讨因果涌现理论、复杂系统的低秩表示理论、本征微观态理论之间的相通之处，对复杂系统的涌现现象有更深刻的理解。读书会从2024年4月19日开始，每周五晚20:00-22:00进行，持续时间预计8-10周。欢迎感兴趣的朋友报名参与！

详情请见：

“复杂 AI 次方”开放实验室招募

作为北师大系统科学学院的教授，以及集智俱乐部、集智学园的创始人，集智科学研究中心院长，张江从2003年开始，就长期从事有关复杂系统建模的工作。近年来，张江带领着北师大的研究组开始聚焦在基于新兴AI技术进行基于数据驱动的自动建模研究，并立志破解复杂系统的涌现之谜。我们希望可以有对复杂系统自动建模领域有热情，且认可这个领域发展前景的朋友一起来合作，促进这一领域的快速发展。 我们希望这个叫做“ Complexity AI ”，中文叫做“复杂AI次方”的开放实验室，能够真正实现思想共享、资源共享、跨学科交叉，共同为复杂系统自动建模而奋进。

详情请见：

1.

2.

3.

4.

5.

6.[db:内容]?