集智俱乐部读书会
集智俱乐部读书会是面向广大科研工作者的系列论文研读活动，其目的是共同深入学习探讨某个科学议题，了解前沿进展，激发科研灵感，促进科研合作，降低科研门槛。
读书会活动始于 2008 年，至今已经有 40 余个主题，内容涵盖复杂系统、人工智能、脑与意识、生命科学、因果科学、计算社会科学等。凝聚了众多优秀科研工作者，促进了科研合作发表论文，孵化了许多科研产品。如 2013 年的“深度学习”读书会孕育了彩云天气 APP，2015 年的“集体注意力流”读书会产生了众包书籍《走近2050》等。
集智俱乐部从2020年开始举办线上读书会，目前已有因果科学、生命复杂性、图神经网络、复杂系统自动建模、科学学、复杂经济学等主题的读书会，沉淀了非常多的主题和讨论，具体可看以下列表。
[因果科学与Causal AI读书会]
Judea Pearl 认为当下正在进行一场改变数据科学的新革命 — ”因果革命“。因果革命和以数据为中心的第一次数据科学革命，也就是大数据革命（涉及机器学习，深度学习及其应用，例如Alpha-Go、语音识别、机器翻译、自动驾驶等等 ）的不同之处在于，它以科学为中心，涉及从数据到政策、可解释性、机制的泛化，再到一些社会科学中的归因和公平性问题，甚至哲学中的创造性和自由意志 。可以说， 因果革命彻底改变了科学家处理因果问题的方式，形成了一门新学科—因果科学。
前的大多数 AI 系统只是曲线拟合，他们面临许多开放性难题本质上与因果相关，而其中的三个最主要困难 (1) 稳健性/适应性， (2) 可解释性，和 (3) 不能理解因果关系，而这些问题可以用现代因果建模解决。因果推理和机器学习融合，构建具备果推理能力的 Causal AI 系统，是实现强人工智能的关键步骤。
To Build Truly Intelligent Machines, Teach Them Cause and Effect
— Judea Pearl
为此，我们希望可以通过因果推理的专题读书会，来梳理因果科学的核心内容，理解它如何改变数据科学，助力 AI 系统超越曲线拟合和获得回答因果问题的能力。
参与方式
面向复杂系统的人工智能研究读书会
本次读书会的目的是通过闭门分享讨论的形式，我们将为大家提供更加沉浸，深度，自由的交流环境。帮助大家了解面向复杂系统的人工智能研究和前沿进展，了解深度学习，因果推断等方法论如何与复杂系统研究相互影响。为大家在自己的研究领域引入何种人工智能方法提供灵感。
此外，本次读书会还将邀请数名进行过高质量分享的青年学者参与我们后续的闭门研讨活动：“集智-凯风研读营”。研读营是集智年度最高水准的闭门科学研讨活动，是集智科学家们的年度聚会。在研读营期间，你将与多位来自不同领域，世界各个高校的集智科学家们进行为期一周的广泛而深刻的闭门交流，共享前沿知识和灵感。历届研读营都是集智科学家相互赋能的平台，每次研读营之后，集智科学家们都会带着新的灵感进一步推进自己的研究。
基本介绍
近 3 年来，随着数据量的井喷式增长，计算效率的显著提升，以深度学习为代表的人工智能技术迎来了第三次高潮，许多人工智能的产品应用在生活的方方面面，如人脸识别，机器翻译，语音识别等。但是进一步，人们希望机器可以辅助决策时却发现，以人类的视角没有办法很好的理解机器的决策，这时候就存在人与机器的「信任鸿沟」。我们不敢真正信任机器的决策，这也是人工智能在落地智能金融，无人驾驶等更复杂领域时遇到的问题和瓶颈。
所以为了更好利用机器的智能，理解复杂世界，人们开始寻求新的解释世界的方式：希望可以从「复杂系统」的角度进行突破，借助人工智能的方法和技术，揭开人工智能的黑箱，实现人与机器的真正信任。
集智俱乐部一直以来都是国内研究复杂科学的前沿阵地，我们希望可以发动社区内相关领域的研究者，一起来共同学习和探索，结合复杂系统的理论和方法，来更好的理解人工智能。所以我们发起了「面向复杂系统的人工智能研究」读书会。本次读书会将会围绕下面二个子主题，分别是：
基于深度学习的复杂系统自动建模
基于可解释性的因果推断方法论
报名方式
- 第一步：扫码填写报名信息。
- 第二步：信息填写之后，会弹出对应的负责人微信二维码，截图扫码添加二维码即可。
- 第三步：添加负责人微信号，提交保证金399元。
- 第四步：拉入对应的读书会讨论群。
- 第五步：想进一步继续参与研读营的朋友，发送简历或个人网站，research gate主页等能说明身份的资料给到负责人，在读书会结束之后，将公布研读营入选名单。
内容列表
本次读书会已经结束，内容沉淀在了集智学园的平台上，往期回放解读可以看相关的内容。https://campus.swarma.org/course/1775
其他参考资料
文章总结
相关路径
- 面向复杂系统的人工智能读书会论文列表，这个是根据读书会中解读的论文，做的一个分类和筛选，方便大家梳理整个框架和内容。
- 因果推断方法概述,这个路径对因果在哲学方面的探讨，以及因果在机器学习方面应用的分析。
- 因果推断方法概述,这个路径对因果在哲学方面的探讨，以及因果在机器学习方面应用的分析。
- 因果科学和 Causal AI入门路径，这条路径解释了因果科学是什么以及它的发展脉络。此路径将分为三个部分进行展开，第一部分是因果科学的基本定义及其哲学基础，第二部分是统计领域中的因果推断，第三个部分是机器学习中的因果（Causal AI）。
- 复杂网络动力学系统重构文献，这个路径是张江老师梳理了网络动力学重构问题，描述了动力学建模的常用方法和模型，并介绍了一些经典且重要的论文，这也是复杂系统自动建模读书会的主要论文来源，所以大部分都有解读视频。
- 应用于复杂系统建模的深度学习技术小综述，这个路径是张江老师对复杂系统自动建模的一个小综述，主要介绍了复杂系统自动建模的四个阶段，并介绍了一些经典且重要的论文。
- 基于图网络和深度学习的复杂系统自动建模技术，本篇路径则重点放在综述用神经网络、深度学习方法实现的各种方法和文献。我们将按照动力学学习、网络结构学习及其它这三个方面来综述。
科学学读书会
科学是研究实践、是理性精神，也是一个由学者、文献、科研项目、科学思想与灵感等一起构成的自组织、自生长的复杂系统。科学学则是一门学科，旨在深入理解科学研究的种种因素并推动科学发展。
基本介绍
科学是一个由学者、文献、科研项目、科学思想与灵感等一起构成的自组织、自生长的复杂系统。与人类社会的其他复杂系统相比，科学通过自我革新精神实现了更大跨度的发展（科学革命），又通过文献传承更好的记录了自身的发展历史。
科学复杂系统中的事件对世界有广泛而深刻的影响：
- 创新是如何发生的
- 科学思想与知识是如何传播的
- 各学科发展的趋势是什么
- 跨学科研究何以不断涌现
- 团队规模如何影响科研成果
- 科学家的职业生涯与成就有无规律可循
- ...
这些都是科学学研究的问题。通过研究和回答这些问题，我们能够以科学的视角认知科学、理解科学，进而也促进科学事业的发展。
报名方式
内容列表
本次读书会已经结束，内容沉淀在了集智学园的平台上，往期回放解读可以看相关的内容。https://campus.swarma.org/course/2014
其他参考资料
文章总结
相关路径
- 复杂系统下的科学学，这个是根据读书会中解读的论文，做的一个分类和筛选，方便大家梳理整个框架和内容。
- 计算社会科学入门路径，这个路径是梳理了计算社会科学的历史和研究方法，并列举了一些重要且经典的论文。
复杂系统自动建模读书会
复杂系统广阔而神秘，地球上的生物、气候、人脑、社会和经济的组织、一个生态系统、一个活细胞、甚至整个宇宙都属于复杂系统。本文旨在召集对复杂系统建模感兴趣或正在进行相关研究的朋友参与到此次读书会中，通过阅读经典文章，大家集思广益，激发科研想法，促进科研合作。
基本介绍
复杂系统是对生物，社会，金融，气候等不同领域内大量现象进行建模的重要手段。复杂系统的一大特征是，在系统内存在着大量个体，他们之间会发生相互作用。在现实生活中，尤其是在当今的大数据时代，我们通常面临的问题就是我们拥有大量对系统进行观察的数据，如个体个体的时间演变状态，个体的信息，而无法直接观察到个体之间的网络连接结构，也不知道个体之间的动力学演化规则。复杂网路自动建模问题关注的即是通过数据驱动，通过机器学习或其他算法去找到他们相互作用的关系以及动力学法则，从而对整个复杂系统进行建模。
本次读书会的核心目的是「助力科研」，旨在汇集一批对复杂系统自动建模感兴趣或者正在进行相关研究的朋友，通过阅读和讨论一系列前沿或者经典的对复杂系统进行结构和动力学重构的文章，进行深度讨论和交流，从而激发科研想法，促进读书会成员内部的科研的合作，产出和落地，并产生学术价值。
这是一个长期的读书会活动，读书会预计持续时间为半年，每2周会有人选择网络重构文献待续列表中论文（会持续增加新的经典和前沿论文），制作论文解读的 ppt 文件，在 zoom 会议软件上按照每2周1次，每次研读2-3篇论文的形式进行，以分享、讨论、复现代码为主。
报名方式
内容列表
本次读书会已经结束，内容沉淀在了集智学园的平台上，往期回放解读可以看相关的内容。https://campus.swarma.org/course/1740
其他参考资料
文章总结
相关路径
- 复杂系统自动建模必读论文列表，这个是根据读书会中解读的论文，做的一个分类和筛选，方便大家梳理整个框架和内容。
- 复杂网络动力学系统重构文献，这个路径是张江老师梳理了网络动力学重构问题，描述了动力学建模的常用方法和模型，并介绍了一些经典且重要的论文，这也是复杂系统自动建模读书会的主要论文来源，所以大部分都有解读视频。
- 应用于复杂系统建模的深度学习技术小综述，这个路径是张江老师对复杂系统自动建模的一个小综述，主要介绍了复杂系统自动建模的四个阶段，并介绍了一些经典且重要的论文。
- 基于图网络和深度学习的复杂系统自动建模技术，本篇路径则重点放在综述用神经网络、深度学习方法实现的各种方法和文献。我们将按照动力学学习、网络结构学习及其它这三个方面来综述。