张江,北京师范大学系统科学学院教授、集智俱乐部创始人、集智科学研究中心理事长、集智学园(北京)科技有限公司董事长,曾任腾讯研究院特聘顾问。主要研究领域包括因果涌现、复杂系统自动建模、社会与经济系统的规模法则(Scaling Laws)等。其开创的集智俱乐部是国内外知名的学术社区,致力于复杂系统、人工智能等多领域的跨学科交流与合作。

基本信息

类别 信息
姓名: 张江(Jiang Zhang)
国籍: 中国
母校: 北京交通大学
所在机构: 北京师范大学系统科学学院,集智俱乐部
研究方向: 复杂系统分析与建模,复杂网络与机器学习,规模法则(Scaling Laws)
个人主页链接 https://bnusss.github.io/
所在城市: 北京
电子邮箱: zhangjiang@bnu.edu.cn
联系电话: +86 10 58807085



详细介绍

张江,北京师范大学系统科学学院教授,集智俱乐部创始人,集智学园(北京)科技有限公司创始人兼董事长,集智研究中心理事长,曾任腾讯研究院特聘顾问。2006年博士毕业于北京交通大学经济与管理学专业;2006-2008年在中科院数学与系统科学研究院的复杂系统研究中心从事博士后研究工作;2008年6月-2012年7月,北京师范大学管理学院系统科学系讲师;2017年7月至今在北京师范大学系统科学学院担任教授。

主要关注领域:复杂系统分析与建模、复杂网络与机器学习、社会与经济系统的规模法则(Scaling Laws)等。

文章发表在包括:Nature Communications、Nature Machine Intelligence、Nonlinear Systems、Chaos、Physical Review E等国际知名刊物上。

他长期积极参与国际学术交流活动,曾多次访问圣塔菲研究所(Santa Fe Institute)等知名机构。2008年获得北京师范大学第11届青年教师教学基本功大赛理科组一等奖。曾先后获得多项国家自然科学基金资助。

其开创的集智俱乐部是国内外知名的学术社区,致力于复杂系统、人工智能等多领域的跨学科交流与合作,目前已在学术界和产业界产生了一定影响力。曾影响、孕育多家人工智能创业团队,包括:彩云AI、Momenta自动驾驶团队等,其创始人都是俱乐部核心成员。2018年俱乐部资深成员吴令飞发表Nature封面期刊。集智俱乐部为冠名出版过多本科普著作,包括《科学的极致——漫谈人工智能》、《走近2050——注意力、互联网与人工智能》、《深度学习原理与 PyTorch 实战》、《NetLogo多主动建模入门》,译作《深度思考》等。

2016年底创办集智学园(北京)科技有限公司,专门致力于复杂性科学、人工智能等领域的知识服务工作,合作伙伴包括腾讯、华为、湖畔大学、混沌大学等多家知名机构。2019年底获得国家高新技术企业称号。

2021年底注册民非组织集智科学研究中心,为集智俱乐部实体,任该中心法人与理事长。

学术背景

张江老师累计发表论文SCI论文二十余篇,译著1本,专著1本。主要关注领域为复杂系统分析与建模、网络、因果涌现、机器学习,规模标度律等,他长期积极参与国际学术交流活动,曾先后访问过美国密西根大学(Michigan University)、佛蒙特大学(University of Vermont)、圣塔菲研究所(Santa Fe Institute)、瑞士弗雷堡大学(University of Fribourg)、亚利桑那州立大学(Arizona State University)等地。

2023年出版专著:《规模法则:探索细胞到城市的普适规律》

访学经历

  • 2010.11~至今:多次访问美国圣塔菲研究所(Santa Fe Institute);他在圣塔菲的访问经历记录:访问圣塔菲研究所
  • 2014.12~2015.1:访问亚利桑那州立大学(Arizona State University);
  • 2007.7~2007.8: 学术访问美国密西根大学复杂系统研究中心;
  • 2007.6~2007.7: 赴美国Vermont大学参加Stephen Wolfram的A New Kind of Science暑期学校;
  • 2005.8: 参加圣塔菲研究所在北京主办的复杂系统暑期学校;

邀请报告

  • 2023.5:重庆西南大学“第十九届中国网络科学论坛”邀请报告
  • 2011.6:Internet,Satellite session at NetSci 2021 on "Complex Networks in Economics and lnnovation",邀请报告
  • 2019.11:广西大学“管理学在中国”2019邀请报告;
  • 2019.10:江苏大学“全国复杂网络大会图网络与机器学习分会场”邀请报告;
  • 2019.10:新加坡南洋理工大学“International Conference of Complex Systems”口头报告;
  • 2019.9:清华大学“International Conference of Social Computing”邀请报告;
  • 2019.9:郑州大学“全国物理秋季年会统计物理分会场”邀请报告;
  • 2018.1:杭州市西湖区黄龙饭店“第四届国际网络科学-X会议”邀请报告;
  • 2009.6:北京师范大学“International Conference on Economic Science with Heterogeneous Interacting Agents, ESHIA2009”;
  • 2011.6:赴上海参加“International Conference of Econophysics”;
  • 2010.7:赴香港参加“StatPhysHK: Complexity, Computation, Information”会议;
  • 2009.2:赴上海理工大学“Complexity Science 2009”会议;

职业历程

  • 2017.6至今,任北京师范大学系统科学学院教授;[1]
  • 2012.7~2017.6,任北京师范大学系统科学学院副教授;
  • 2008年6月~2012年7月,任北京师范大学管理学院系统科学系讲师;
  • 2006.4~2008.4,在中科院数学与系统科学研究院的复杂系统研究中心从事博士后研究工作,导师:郭雷;
  • 2006年博士毕业于北京交通大学经济与管理学专业;

所获奖励

  • 2006年获中科院系统所许国志博士后奖励基金;
  • 2008年获北京师范大学青年教师教学基本功比赛理科一等奖;
  • 2014.1~2016.12,入选北京市青年英才计划,项目:复杂网络的异速生长律研究;

合作学者

主要论文/著作/课程

所有已发表论文记录可以访问张江老师研究组页面

代表性论文

涌现与因果是理解复杂系统的两个基本概念,同时它们也是相互联系的。一方面,涌现指宏观属性不能由微观个体特性所解释的现象。另一方面,因果也具备涌现特性,这意味着当我们提高描述系统的抽象层级,就可能得到全新的因果规律。因果涌现理论试图在这两种概念建立起一座桥梁,甚至于用因果性定量刻画涌现。本篇论文综述了因果涌现在定量研究及应用的最新进展,重点包括:“定量的因果涌现”和“从数据中识别因果涌现”两个方面。后一个方面由于结合了机器学习和神经网络技术,因而建立了因果涌现理论与机器学习之间的联系。我们指出,这种联系包括将机器学习技术用于因果涌现识别及其将因果涌现理论用于机器学习这两个方面,这两个方面都凸显出了有效信息(EI)作为因果涌现的核心度量指标的重要性。本文的最后也对潜在应用等方面进行了讨论。


经典的因果涌现理论指出对于一个马尔科夫动力系统来说,通过选择恰当的粗粒化策略,可以在宏观状态得到因果性更强的马尔科夫动力学,这一现象被称为因果涌现。然而,由于最优的粗粒化策略很难被找到,因此如何从数据中识别这类因果涌现现象成为了制约该理论应用的难点。这篇文章提出了一种称为“神经信息压缩机”(Neural Information Squeezer, 简称NIS)的机器学习框架,从而可以自动从时间序列数据中提取有效的粗粒化策略和宏观动力学,并能辨识出因果涌现现象。通过使用可逆神经网络,我们可以把粗粒化策略分解为:“信息转换”和“信息抛弃”这两个过程,从而使得我们不仅可以控制信息通道的带宽,还可以获得系统的一些可解析的特征。最后,本文展示了该系统如何应用于一些具体的案例。


探究非平衡系统中的相变现象和普适性行为,是统计物理研究领域的重点课题之一。在非平衡态统计物理学中,动力配分函数(dynamical partition function)堪称其核心概念的代表之一,有着与平衡态统计物理中的系综和配分函数相仿的地位。与计算平衡态系统配分函数不同,动力配分函数的求解不仅需要对所有可能的系统状态进行求和,还必须引入对时间这一额外维度的考量。虽然在长时间极限情况下,该问题可通过简化处理并利用大偏差理论等方法进行分析,但要精确计算系统在任意有限时间内演化得到的动力配分函数,仍是一项颇具挑战性的工作。这个计算难题不仅继承了平衡态配分函数计算的复杂性,还需精确捕捉系统变量在任意时刻的联合分布情况。


这篇文章开发了一种可解释的胶囊网络深度学习架构(scCapsNet),在此基础上,使用多个scRNA-seq数据集评估scCapsNet为单细胞转录组分析指定的值。利用二维主成分分析(PCA)对特征提取层内权值参数进行分析。通过竞争性单细胞类型识别,scCapsNet模型能够进行特征选择来识别编码不同亚细胞类型的基因组,使亚细胞型识别成为可能的RNA表达特征被有效地集成到scCapsNet的参数矩阵中。这一特性使基因调控模块的发现成为可能。


这篇文章提出了一套全新的网络和动力学重构的算法。即仅根据时间序列数据,就能够重构整个原始的相互作用网络以及每个节点的动力学,这相当于对原系统进行了自动建模。该算法不仅在精确度上远超其它对比算法,而且可以广泛地适用于各类系统。于2019年发表在Applied Network Science上。相关的论文解读资料可以查看超越简单规则——用图神经网络对复杂系统进行自动建模


这篇文章不仅回答了宏观规模标度律的起源,而且可以精准预测人口、GDP、道路网络等城市要素的空间分布情况。于2017年发表在Nature Communications上。


这篇文章主要提出了一种几何网络模型,该模型可以很好地对社会经济系统中的缩放行为进行解释。于2017年发表在Scientific Reports上。


代表著作

《规模法则》

  • 张江:规模法则:探索从细胞到城市的普适规律,人邮出版社,2023

这是一本有关复杂系统的前沿研究方向“规模法则”(scaling law)的科普读物。所谓复杂系统,是指由大量个体通过错综复杂的相互作用关系形成的整体,它包括生命系统、生态系统、互联网社区、城市、国家、企业等。这些复杂系统表面上看起来毫不相干,甚至按照传统的学科划分,它们隶属于完全不同的科学领域,但是它们背后却存在统一的规律与法则。规模法则就是这些规律中的一组非常简洁而深刻的定量法则,它描绘了复杂系统的各类宏观变量是如何随着系统规模的大小而变化的,而且通常能够表达成简单的幂律公式。这些简单的数量关系背后隐藏着更深刻的复杂系统普适的基本原理。

《数字创世纪——人工生命的新科学》

本书对计算机和生物学交叉的前沿学科——人工生命进行了较系统详细的论述,在深入讨论了人工生命思想的起源、理论根据、计算机建模技术以及最新进展的基础上,系统地探讨人工生命的主要内容以及构建方法,通过对生命和计算关系的论述揭示了人工生命的计算主义哲学蕴意。本书涉及到虚拟生命(数字生命)的构建、基于行为的机器人的设计、人工生命的涌现与进化等内容,可供对人工生命、复杂系统理论、计算机程序演化、机器人研究、人工智能等感兴趣的读者,以及从事相关科学技术哲学研究的人员和学生参考。

最受欢迎的课程

张江老师作为复杂性思维的布道者,在复杂性科学的科普上准备了很多的适合于初学者了解的科普内容和视频,将复杂性科学的概念和生活紧密结合,同时又能有趣的阐述晦涩难懂的概念,非常值得学习。

复杂性思维2020

本课程中,张江老师将用一套自己搭建的“复杂性阶梯”的框架串联起众多复杂性科学概念,包括混沌、秩序、自催化网络、涌现、混沌边缘、热力学第二定律、分形、网络、自指等等。沿着复杂性阶梯一路攀爬,复杂性层级将逐步提升。生命组织如此,人类组织亦是如此,它们其实都遵循着非常相似的复杂性规律。只不过由于每个系统演化所处的阶段的不同,以及我们每个人看待这些事物的观察视角不同,因而它就会呈现出令人眼花缭乱的复杂性。本课程则带领你透过现象看到本质。






深度学习原理与Pytorch实战

此系列课程主要围绕集智俱乐部众包写作的书籍《深度学习原理与 PyTorch 实战》展开,兼具理论与实践,是想要掌握一门深度学习技术不可错过的课程。每节课围绕一个有意思的实战案例展开,不仅循序渐进地讲解了PyTorch的基本使用、神经网络的搭建、卷积神经网络和循环神经网络的实现,而且全面深入地介绍了计算机视觉、自然语言处理、迁移学习,以及最新的对抗学习和深度强化学习等前沿技术。同学们可以通过亲自动手实践,轻松入门深度学习,学会构造一个图像识别器,生成逼真的图画,让机器理解单词与文本,让机器作曲,教会机器玩游戏,还可以实现一个简单的机器翻译系统。








NetLogo多主体建模入门

《NetLogo多主体建模入门》这个课程就是通过数个案例教会大家如何去动手搭建一个多主体仿真模型,以及如何利用NetLogo软件实现这些模型,是一门既有理论又有实操的入门课程。它将会循序渐进地给你介绍如何使用NetLogo软件,如何通过算法来理解数值微分、数值积分,甚至求解微分方程、动力系统。通过学习,你就能搭建一个人工生命的世界,一个人工经济系统,以及一个人工生态系统。通过计算模拟,你还能理解到什么叫做捕食与被捕食的依存关系,病毒如何沿着网络进行传播甚至大爆发,你还能对人类财富不平等的起源拥有全新的洞察。其实,所有这一切真没有那么复杂,无非就是几行NetLogo的代码而已。而所有这些不同领域的知识都可以从玩弄这些代码得到。






主导的项目

科研项目

  • 2020年度北京师范大学“新型冠状病毒防治科研攻关”项目,基于大规模人口移动的新冠病毒疫情扩散模型、预测及其干预,2020.04-2020.06,20万,在研,主持
  • 国家自然科学基金,面上项目,11775020,非线性波在非均匀振荡介质内传播特性的研究,2018-01至2021-12,56万,在研,参与
  • 国家自然科学基金,面上项目,6167020305,互联网的集体注意力流研究,2016-02至2020-12,77.04万,在研,主持
  • 北京师范大学自主科研基金,310421103,开放式流网络的结构、演化与应用,2015-09至2018-09,35万, 已结题,主持
  • 国家自然科学基金,青年项目,11205014,在相干态表象中求解非平衡多体系统量子主方程,2012-01至2014-12,20万,已结题,参与
  • 国家自然科学基金,面上项目,61174165,经济系统中的流动性及其对尺度分布的影响,2012-01至2015-12, 60万,已结题,参与
  • 国家自然科学基金,青年项目, 61004107,加权食物网的异速标度律研究,2010-01至2013-12, 22万,已结题, 主持

企业科研合作项目

与腾讯合作

   

利用海量腾讯社交网络数据,比如好友关系、消息量,加群信息等,对企业社群进行构建以及分析。通过社交网络数据对企业社群进行分析可以对企业的发展趋势有更准确的掌握,比如根据企业的社群网络的变化可以看出企业内部凝聚力的变化,企业内员工的入/离职情况可以判断企业的发展方向等等。因此,借助腾讯大量的社交网络数据以及我们的提供的网络分析的工具和方法,可以从图网络的角度对企业的发展趋势有一个更清晰的判断。

包括从海量的社交网络中构建企业社群以及对企业社群进行分析和比较。在企业社群的构建过程中,我们采用标签传播等算法,构建企业内员工的社交网络。目前主要对3000家上市企业的社群进行构建。基于构建出的企业社群,对公司发展状况进行分析,比如通过计算节点度中心性等指标进行KOL关键人物发现、对比不同时间企业社群网络的变化特征,通过员工画像分析其变化原因以及企业发展趋势等。

以某准备上市的汽车企业为例,我们构建了其18年9月份和10月份两个月的企业社群,然后对企业社群进行分析,可以看出,从网络图和指标上看,该公司社群较稳定,而通过对员工的浏览情况的分析,可以看出员工更加关注新能源、电动汽车、未来等相关内容,与目前该公司正在准备上市,且新能源汽车已成为支柱业务情况相一致。因此,分析公司社群动态变化可以帮助了解公司现状,甚至提前了解公司动态。



与某知名企业合作

我们利用复杂性科学中的规模理论(scaling theory)分析了大型知名企业X公司30年的成长过程,并与全球5万家公司进行了比较,从而帮助该公司发现了企业在实际经营中的重点问题。此项研究获得了该公司领导高层的一致认可,为企业制定了发展战略和方向。

这一套针对企业现状的定量评估系统是十分有价值的。首先这套系统可以帮助企业进行自身的“体检”。了解企业目前的发展状况,特别是与市场上其他公司相比企业的表现及排名,有助于企业发现异常的指标,并及时采取行动;

其次该方法也支持同“年龄”的公司、同产业或者跨产业的公司比较,了解自身在市场大环境中的生存状况。相比绝对值或者人均值等直接比较的方法,规模法则考虑了企业规模不同带来的影响以及市场非线性作用。

最后,这套方法可以对企业进行动态化的预测和评估。即对企业一段时间内的生长状况作出评价,评分越高,企业的成长性越高。

数据来自标准普尔(S&P)核心数据库Capital IQ以及Capital IQ旗下的Compustat数据,数据包括了57427家公司的财务数据和经营数据,按照GICS(全球行业分类系统)将公司分为了12个经济部门和285个子行业。这些数据作为我们的对比数据,在企业评估时发挥作用。

总结而言,基于规模理论的指导,我们可以对企业的静态表现和动态生长做出定量评估,有助于企业经营者对企业自身发展和市场平均水平有清晰的了解,并且能够帮助企业快速定位异常指标,及时做出调整和改进,同时也能够方便企业分析竞争对手的现状和历史发展状况。



企业咨询合作项目

与得到合作

北京师范大学系统科学学院教授、集智俱乐部创始人张江的全新课程《张江·复杂科学前沿》已经上线得到APP。十多年的科研与教学积累,1套独有的框架脉络,超过1年的斟酌打磨,27节精品内容,5小时原声呈现,共同构建起这门课程。这既是复杂性科学的新手入门课,也是复杂性思维的升级训练营。
收获一套前沿学科的认知框架。 复杂科学是一门前沿学科,学科很年轻,还没有形成成体系的学科框架。只靠自己学,可能只记住了比如涌现、混沌、自组织等复杂科学的概念,弄不清楚它们之间的联系。 而张江老师会给你搭建一套认识复杂科学的框架。你再看到复杂科学的新书、新概念,会自己定位它们的位置,有个更全面的理解。
收获更多观察世界的新视角。 复杂科学是名副其实的“跨领域”研究学科。它跨越的学科范围之广,涉及物理学、生命科学、生态学、人工智能,及社会科学等。 学习这个学科,能让你能超越分属于不同学科孤立的琐碎知识,找到不同事物背后的共性规律,给你带来更本质的洞察。
复杂科学一线研究者亲自讲述。 张江老师从事复杂科学的教学与科研十余年,曾主持多项国家级复杂科学研究项目,在Nature Communications、Scientific Reports等国际刊物上发表过论文60多篇,活跃在学科前沿的第一线。 课程中用到的部分案例,就来自张老师自己的研究成果。在这些研究成果中,还包括他和复杂科学领域里的大神,杰弗里·韦斯特共同做过的课题。
获得跨学科的知识借鉴。 复杂科学可以为你的工作提供更多的启发。比如你是一名创业者,你是一名产品经理,在学习这门课之前,你很可能想不到进化论对你的创业项目能有什么帮助。但是学过这门课,你会发现它完全可以借鉴过来,帮助你做产品研发。
  • 公司介绍:
得到,旨在为用户提供“省时间的高效知识服务” ,2016年5月上线,由罗辑思维团队出品,提倡碎片化学习方式,让用户短时间内获得有效的知识。

与混沌大学合作

  • 合作课程:《复杂性思维:重塑理解世界的思维框架》
  • 主要内容:
通过介绍复杂性科学的经典理论和前言进展,带你了解什么是复杂系统,什么是复杂性科学,复杂系统如何演化,群体智慧是怎么产生的,如何才能抵御熵增走向进化,对于企业来说,如何利用复杂性思维打造有生命力的学习型组织,如何促进组织的自组织和涌现。
  • 公司介绍:
混沌大学公司名为混沌时代(北京)教育科技有限公司,成立于2014年,致力于为创新创业者提供认知升级。创办人李善友教授亲自打磨创新学科,同时邀请中国及全球名师,通过线上或线下讲授,以及独特的思维模型+刻意练习学习方法,开创了互联网时代的创新教育。


与湖畔大学合作

  • 合作课程:《熵增、规模理论和企业生命周期》
  • 主要内容:
万事万物都无法回避生长、衰老与死亡。然而,生物、城市以及公司的生长、衰老与死亡的机制是什么?张江老师通过从热力学第二定律谈起,指出熵才是主宰万事万物生老病死背后的核心因素,并运用发展于物理学中的标度分析(Scale)方法到生物、城市以及企业等不同的宏观复杂系统之上,找到了它们背后的普适规律,与系统的生老病死与其新陈代谢的规模法则联系起来,同时应用于企业,揭示出不同行业中的增长规律,并且在个体上对企业进行诊断和评价。
  • 公司介绍:
湖畔大学由柳传志、马云、冯仑、郭广昌、史玉柱、沈国军、钱颖一、蔡洪滨、邵晓锋九位企业家和著名学者共同发起创办。湖畔大学坚持公益性和非营利性,主张坚守底线、完善社会。


与龙湖集团合作

  • 合作课程:《复杂性科学与企业管理》
  • 主要内容:
与龙湖的中高管系统地介绍什么是复杂系统,什么是复杂性科学,以及它的发展历史脉络如何,对企业的发展有何帮助,如何运用复杂性思维进行企业管理?对于传统行业如何借助复杂性思维突破转型,走出管理发展的瓶颈。
  • 公司介绍:
龙湖集团1993年创建于重庆,发展于全国,业务涵盖地产开发、商业运营、租赁住房、智慧服务四大主航道业务,并积极试水养老、产城等创新领域。


与百词斩合作

  • 合作课程:《21世纪的复杂性科学》
  • 主要内容:
介绍什么是复杂系统,什么是复杂性科学,以及它的发展历史脉络如何,对企业的发展有何帮助,如何运用复杂性思维进行企业管理?为什么人工智能时代更加需要复杂性思维?针对成都超有爱公司,具体如何利用复杂性理论指导其进一步成长、壮大。
  • 公司介绍:
“百词斩”的公司名称是成都超有爱科技有限公司,成立于 2012 年。产品有 App “百词斩"以及“薄荷阅读”、“番茄英语”、“蛋糕英语”、“芝士派” 等其他英语细分学习领域产品,其中 App “百词斩”的用户已过八千万,领先目前其他在线教育创业公司。配合经纬中国 A 轮、中国文化产业投资基金 B 轮、红杉资本 C 轮、腾讯 D 轮投资,目前公司正稳定而快速的发展中。


与深圳城市设计规划研究院合作

  • 合作课程:《迎接AI时代》
  • 主要内容:
从人工智能的历史到AI时代的未来,再到AI在各个行业的落地应用。本系列课程带你全面走进AI时代。主要介绍了人工智能的发展历史,解答了为什么机器学习构成了新一代人工智能革命的核心?它与普通的人工智能算法最本质的不同是什么?以及最新的人工智能算法包括监督学习、无监督学习、迁移学习、强化学习等在实际生产中的应用,与深规院深度探讨了相应的业务的AI实践与可行性。
  • 公司介绍:
深圳市城市规划设计研究院(深规院)是专注于创造和务实解决城市问题的规划咨询研究与设计机构。深规院擅长以多学科综合规划的方法,应对城市发展过程中出现的复杂问题。1990年成立至今,在深圳以及国内外200多个地区完成了3500多个项目,涉及宏观区域研究、城市综合发展咨询、规划与城市设计、交通与市政基础设施、低碳生态技术研究与应用、地区开发政策等多个领域。同时,深规院与国内外多家咨询公司、大学、大型企业建立了长期的战略伙伴关系,在产业经济、生态环保、社会治理、投资融资、公众咨询、学术培养等方面进行合作。

相关机构

北京师范大学 系统科学学院

北京师范大学系统科学学院是国际一流的复杂性科学研究和人才培养基地,国内系统科学学科建设与发展的引领者,北京师范大学学科交叉和科研创新的重要平台。其使命是探索复杂性,加深人类对自然与社会的认识。推进系统科学基础和前沿科学研究,培养具有综合素质和能力的高水平人才,把系统科学的学术进步转化为推动社会经济发展的力量。

集智俱乐部

集智俱乐部,英文名:Swarma Club,成立于2003年,是一个从事学术研究、享受科学乐趣的探索者的团体,也是国内最早的研究人工智能、复杂系统的科学社区。它倡导以平等开放的态度、科学实证的精神,进行跨学科的研究与交流,力图搭建一个中国的 “ 没有围墙的研究所 ”。

集智学园

集智学园成立于2016年10月1日,是集智俱乐部孕育的创业项目之一。为一个知识服务社区,专门致力于复杂性科学、人工智能等先进技术的普及工作,合作伙伴包括腾讯、华为、北京师范大学、湖畔大学、混沌大学等多家知名机构。2019年底获得国家高新技术企业称号。 旗下产品集智斑图是一个复杂性科学领域的自组织学习社区,包含了该领域学习路径的展示,同时承载了集智特色的论文解读活动,为知识探索者提供了一个良好的学习平台。口号是用知识连接探索者。

联系方式

  • 联系电话:+86 10 58807085
  • 电子邮件:jakezj@163.com
  • 北京师范大学办公地点:北京师范大学科技楼B区

相关链接

1、百度百科

2、个人主页

4、Google scholar的个人主页

参考资料

  1. 张江老师个人百度词条
  2. Zhang Zhang, Yi Zhao, Jing Liu, Shuo Wang, Ruyi Tao, Ruyue Xin & Jiang Zhang (2019) A general deep learning framework for network reconstruction and dynamics learning.
  3. Ruiqi Li,Lei Dong,Jiang Zhang,Xinran Wang,Wen-Xu Wang,Zengru Di,H. Eugene Stanley (2017) Simple spatial scaling rules behind complex cities.
  4. Jiang Zhang,Xintong Li,Xinran Wang,Wen-Xu Wang,Lingfei Wu (2015) Scaling behaviours in the growth of networked systems and their geometric origins.

编者推荐

《哥德尔、艾舍尔、巴赫——集异璧之大成》

张江老师曾在多次讲座中必推荐的一本书,就是来自侯世达的《哥德尔、艾舍尔、巴赫——集异璧之大成》,这本书对他产生了非常深远的影响,是他走向复杂性科学的启蒙之作,但是这本巨著内容详尽但不是那么容易理解,为了让大家更好的阅读这本书,他从自身的阅读经验出发,给出了一些方法并且对这本书做了一个大致的解读:解读《GEB》


"科研学习中的快速迭代法"

在这门课程中张江老师总结了这么多年做科研的经验,整理成了一个大的框架,告诉大家如何「科学科研」,希望能够让年轻的科研者少走弯路,快速提升。


其他

张江老师的最近的科研方向集中在图网络和复杂系统自动建模方向,为了让大家快速了解这个领域的知识,并且入门,他梳理了2条特别实用的路径,适合希望在这个领域入门并且深入研究的学生。

这条路径从网络科学的视角入门图网络之学习路径更适合初学者入门学习。
这条路径涵盖不同领域不同方面的87篇文献介绍,堪比综述。复杂网络动力学系统重构文献,更适合在这个领域已经入门,希望深入研究的朋友。

得到课程分享


北京师范大学系统科学学院教授、集智俱乐部创始人张江的全新课程《张江·复杂科学前沿》已经上线得到APP。十多年的科研与教学积累,1套独有的框架脉络,超过1年的斟酌打磨,27节精品内容,5小时原声呈现,共同构建起这门课程。这既是复杂性科学的新手入门课,也是复杂性思维的升级训练营。

  1. 收获一套前沿学科的认知框架。 复杂科学是一门前沿学科,学科很年轻,还没有形成成体系的学科框架。只靠自己学,可能只记住了比如涌现、混沌、自组织等复杂科学的概念,弄不清楚它们之间的联系。 而张江老师会给你搭建一套认识复杂科学的框架。你再看到复杂科学的新书、新概念,会自己定位它们的位置,有个更全面的理解。
  2. 收获更多观察世界的新视角。 复杂科学是名副其实的“跨领域”研究学科。它跨越的学科范围之广,涉及物理学、生命科学、生态学、人工智能,及社会科学等。 学习这个学科,能让你能超越分属于不同学科孤立的琐碎知识,找到不同事物背后的共性规律,给你带来更本质的洞察。
  3. 复杂科学一线研究者亲自讲述。 张江老师从事复杂科学的教学与科研十余年,曾主持多项国家级复杂科学研究项目,在Nature Communications、Scientific Reports等国际刊物上发表过论文60多篇,活跃在学科前沿的第一线。 课程中用到的部分案例,就来自张老师自己的研究成果。在这些研究成果中,还包括他和复杂科学领域里的大神,杰弗里·韦斯特共同做过的课题。
  4. 获得跨学科的知识借鉴。 复杂科学可以为你的工作提供更多的启发。比如你是一名创业者,你是一名产品经理,在学习这门课之前,你很可能想不到进化论对你的创业项目能有什么帮助。但是学过这门课,你会发现它完全可以借鉴过来,帮助你做产品研发。






本词条内容源自wikipedia及公开资料,遵守 CC3.0协议。