更改

IIT1.0 (查看源代码)

2026年4月3日 (五) 22:35的版本

删除2,194字节、 2026年4月3日 (星期五)

→‎计算案例：章节删除冗余计算步骤

第194行：第194行：

为了将整合信息论的形式化定义转化为直观理解，本小节通过一个高度简化的计算案例，逐步演示Φ值的核心计算流程。考虑一个由若干元素组成的系统X。每个元素（例如，可类比为大脑中的一个皮层微柱）可以处于不同的离散活动状态。系统的动力学由元素间的连接权重矩阵定义。我们的目标是：分析系统X的所有可能子集，计算每个子集的整合信息量Φ，并最终识别出系统中的复合体——即那些具有正Φ值且不被更高Φ值子集所包含的元素子集，它们被认为是意识体验的潜在物理载体。

−

~~核心计算步骤~~

−

~~计算遵循以下四个关键步骤，旨在量化一个子系统S的整合信息能力：~~

−

*步骤1：计算有效信息

−

~~有效信息衡量的是一个子系统内部两部分之间的因果效力。~~

−

操作：对于子系统S的任意一种二分（分割为互补部分A和B），我们评估从A到B的因果影响。具体做法是：对A的输出施加最大熵干预——即用独立的随机噪声源替代A的实际输出，然后观察B的状态分布因此产生的变化。

−

定义：从A到B的有效信息定义为：EI(A→B) = MI(A_Hmax; B)。其中MI是互信息，A_Hmax代表A处于最大熵（完全随机）状态。这衡量了A的所有可能输出能在B中产生多少可区分的因果效应。

−

~~双向评估：同理可计算EI(B→A)。该二分下的整体有效信息为两者之和：EI(A↔B) = EI(A→B) + EI(B→A)。 ~~

−

*步骤2：确定最小信息二分

−

~~一个子系统的整合能力受限于其内部最薄弱的因果连接。~~

−

寻找“最弱环节”：遍历子系统S所有可能的分割方式，对每种分割计算归一化的有效信息 EI(A↔B) / H_max(A, B)（其中H_max为分割部分的最大信息容量）。

−

~~最小信息二分：使上述归一化值达到最小的那种分割，称为最小信息二分。它代表了将系统分割为两部分时，信息损失相对最少的“瓶颈”。~~

−

*步骤3：计算整合信息Φ

−

~~子系统S的整合信息量Φ(S)，就定义为其最小信息二分上的（非归一化）有效信息值。即：~~

−

~~Φ(S) = EI( MIB(S) ) ~~

−

Φ值直观意义：如果将系统在它的最弱环节处分割，其整体内部因果效力会损失多少。如果存在一种分割能使其完全分裂为两个独立部分（EI(A↔B)=0），则Φ=0，该系统不具备整合性。

−

*步骤4：识别复合体

−

~~在复杂系统中，可能存在多个具有正Φ值的子系统。 ~~

−

~~复合体定义：复合体是满足两个条件的元素子集S：(1) Φ(S) > 0；(2) 它不被任何包含它的、具有更高Φ值的子集所涵盖。~~

−

~~主复合体：所有复合体中，拥有最大Φ值的那个称为主复合体，被认为是系统主要意识体验的载体。~~

具体示例

第271行：第247行：

*双向互惠连接少：该网络几乎不存在双向互惠连接（即A指向B且B也指向A），而[[随机网络]]中此类连接大量存在。此网络具有很高的整合度，<math>\Phi</math>值达60.76比特，同等规模[[随机网络]]的<math>\Phi</math>值仅35.66比特。

[[文件:整合信息论图3.png|无|缩略图|600x600像素|图6 通过搜索所有的八节点的网络结构使φ值最大得到的最优网络结构]]

−

=神经科学上的应用=

MaXChenEE

37

个编辑