美国军事研究人员正在与业界接洽，寻求新的建模复杂动态系统的方法，以预测人类的集体行为，从而克服迄今为止在模拟不断发展的时变系统方面遇到的挑战。

　　4月8日，美国国防预先研究计划局（DARPA）为“复杂系统可推广洞察方法论进展”（MAGICS）项目发布了一项先进研究概念机会。MAGICS旨在利用机器学习建模复杂动态系统，以预测人类的集体行为，旨在推动开发严谨的方法，以准确、细致地理解和预测人类行为。

　　DARPA的研究人员解释说，在过去十多年里，人们一直假设并希望，数字数据流的爆炸式增长和强大的机器学习工具能够让人们更好地理解大规模系统如何应对变化。然而，研究进展停滞不前，因为目前的统计方法无法创建在不断发展的时变系统中仍然有效的模型。解决方案需要克服大型数据集和机器学习无法解决的挑战。

　　MAGICS项目的核心问题是：是否存在用于建模人类集体行为的新方法和范式？研究领域包括数据推断的边界和局限性；对齐验证的局限性；适应性局限性和模型过时性；社会心理领域的局限性以及复杂现象。

　　数据推断的边界和局限性旨在探索确定给定数据源局限性的方法，并培养建立边界或从数据中可靠推断出什么的能力。

　　对齐验证局限性旨在量化可观察指标与潜在结构之间的对齐程度，而这些局限性迄今为止一直阻碍着模型在不同环境、人群和时间跨度中的有效性。

　　适应性局限性和模型过时性旨在评估模型的泛化程度，并考虑不断变化的条件或新信息。

　　社会心理领域局限性旨在克服孤立的方法，这些方法阻碍了对潜在变量之间复杂相互关系的理解，涵盖从态度形成到身份发展的各个方面。

　　复杂现象旨在寻找理解和建模复杂系统的新方法，并利用开放世界系统和数据集。（航柯）