558
个编辑
更改
→在因果涌现中的应用
=== 在因果涌现中的应用 ===
=== 在因果涌现中的应用 ===
协同披露提供一种直接的路径来检测涌现情况，而无需重复计算冗余。
数据集<math>X=(X_1,…,X_n )</math>可以视作微观态，中间量Y可以视为宏观态，映射<math>p_(Y|X)</math>可以视作粗粒化过程。协同披露信息量<math>I_s (W,X)</math>可以视为因果涌现的度量。从<math>Y</math>推测<math>W</math>可以视为向下的因果关系。
因果涌现特征的预测能力超出了单个成分。当预测力涉及到个别元素时，就会产生向下因果关系；当它涉及自身或其他高阶特征时，会出现因果解耦。