通过研究人工生命、人类社会起源以及人类行为等领域，来寻找理解人类社会的答案。

Feb, 2023

人工生命（ALife）作为一门跨学科领域，从各个角度汲取灵感和影响，并依赖于协同努力来进行学术交流。本文的目标是重新激发计算创造力（CC）和人工生命（ALife）领域之间潜在联系的讨论，特别关注开放性（OE）的概念；CC 的主要目标是赋予人工系统创造力，而 ALife 则致力于研究和综合 OE 和人工创新。然而，尽管这些概念非常接近，但迄今为止它们的使用仍然局限于各自的社区，并且它们之间的关系仍然不清楚。我们提供了两个领域研究的历史背景，并回顾了有限的将创造力和 OE 研究相连接的工作。然后，我们强调了需要考虑的具体问题，最终目标是（i）通过突出 OE 的相似之处和不同之处来减少概念模糊性，（ii）确定涵盖 OE 和创造力的研究议程的协同效应，以及（iii）在人工生命和计算创造力研究之间建立对话。

May, 2024

计算在生命科学中的发展历程以及人工智能和机器学习在现代生命科学研究中的应用和影响。

Jun, 2024

现代生命科学研究越来越依赖于人工智能方法来模拟生物系统，主要集中在使用机器学习模型上。然而，机器学习在生物科学中的广泛应用表明其与传统科学探究方法存在显著差异，这种相互作用对未来的科学研究具有重要意义，但却受到较少关注。在本研究中，我们借鉴认识论工具集，将机器学习在生物科学中的最新应用放入现代哲学理论的框架下，以识别可指导机器学习系统为生物现象建模和推动科学知识进展的一般原则。我们提出，科学理解作为信息压缩、定性可理解性和依赖关系建模的概念，为解释机器学习介导的生物系统理解提供了有用的框架。通过对现代生物研究中机器学习的两个关键应用领域 —— 蛋白质结构预测和单细胞 RNA 测序的详细分析，我们探讨了这些特征迄今如何使机器学习系统推进对目标现象的科学理解，以及它们如何指导未来机器学习模型的发展，以及阻碍机器学习实现其作为生物发现工具潜力的关键障碍。考虑机器学习在生物学应用中的认识论特征将改善这些方法解决重要问题和推进对生命系统科学理解的前景。

Mar, 2024

探讨了人类智能与人工智能在预测特定结果方面的优劣，提出了在未来几十年内的劳动分工典范可能是混合智能。这个概念旨在利用人类智能和人工智能的互补优势，以使它们能够比两者分别表现得更好，并探讨了其在组织上下文中的应用。

May, 2021

构建自主的、适应性的代理，通过整合控制论、强化学习和神经科学的最新进展，以内部环境控制为基础，借鉴生命的数学属性，提供了一个以内感为中心的新视角，从而建立自主的适应性代理。

Sep, 2023

本文提供了一个交叉学科的观点，以发展由人与机器组成的社会技术群体，通过结合人工智能和人类智能，共同实现复杂目标，并从彼此学习中不断提高。因此，需要为这些系统提供结构化的设计知识，并展示了使这些应用程序的系统开发人员有用的指导。

May, 2021

我们认为将硬分类界限视为暂时的、观察者相关的、实用主义的观点是有用的，这种观点有助于我们理解生物与技术中的多计算、多功能原则，并有助于我们理解和设计演化和设计系统的方式。

Dec, 2022

该论文介绍了一种名为 Fusion Intelligence (FI) 的仿生智能系统，该系统将生物学中蜜蜂和蚂蚁等生物的感知、智能和独特驱动能力与人工智能的计算能力集成在一起，以模仿自然的方式实现既智能又适应性和响应性的系统。通过改进昆虫传粉效率（传粉学）的模拟案例研究，我们展示了 FI 提升农业物联网系统性能的潜力。

May, 2024

探讨生物机器人的概念在材料科学、信息科学和生命科学等之间的变化和交叉，以及生物学、计算机科学和机器人学的交叉研究可能带来的多尺度控制、自组装和形态与功能之间关系的问题。

Jul, 2022