更改

==== 大脑复杂性的探究 ====

==== 大脑复杂性的探究 ====

神经科学领域中，传统功能连接（FC）方法仅能测量脑区活动的统计相似性，却无法区分两种本质不同的信息处理模式这——冗余信息（多个脑区提供相同内容，增强鲁棒性）与协同信息（只有联合多个脑区才能获得的新信息，体现整合能力）。而高级认知功能（如工作记忆、社会认知）高度依赖协同整合，但由于缺乏有效量化协同信息的计算工具，其神经基础长期难以直接揭示。

神经科学领域中，传统功能连接（FC）方法仅能测量脑区活动的统计相似性，却无法区分两种本质不同的信息处理模式这——冗余信息（多个脑区提供相同内容，增强鲁棒性）与协同信息（只有联合多个脑区才能获得的新信息，体现整合能力）。而高级认知功能（如工作记忆、社会认知）高度依赖协同整合，但由于缺乏有效量化协同信息的计算工具，其神经基础长期难以直接揭示。

而由Andrea I. Luppi等研究者在2022年的文章《A synergistic core for human brain evolution and cognition》之中提出了大脑协同核这一神经科学理论，旨在克服FC方法的局限，为人脑如何通过信息整合支撑复杂认知能力提供理论解释。

而由Andrea I. Luppi等研究者在2022年的文章《A synergistic core for human brain evolution and cognition》之中提出了大脑协同核这一神经科学理论，旨在克服FC方法的局限，为人脑如何通过信息整合支撑复杂认知能力提供理论解释。

关于这一工作的详细介绍，可访问集智斑图网站,在《因果涌现读书会（第五季）》中由王志鹏同学主讲的《大脑认知与演化的协同核》视频中进行查看。

关于这一工作的详细介绍，可访问集智斑图网站,在《因果涌现读书会（第五季）》中由王志鹏同学主讲的《大脑认知与演化的协同核》视频中进行查看。

=== 意识的形式理论 ===

==== 意识的形式理论 ====

在2021年的一篇工作中.Luppi等研究者提出了一种基于PID框架扩展的<math>\Phi</math>ID框架的意识理论，称之为<math>\mathrm{Psy}</math>-ID理论。

在2021年的文章《What it is like to be a bit: an integrated information decomposition account of emergent mental phenomena》中.Luppi等研究者提出了一种基于PID框架扩展的<math>\Phi</math>ID框架的意识理论，称之为<math>\mathrm{Psy}</math>-ID理论。

 

=== PID框架在人工智能领域中的应用 ===

=== PID框架在人工智能领域中的应用 ===

在人工智能领域中，PID框架中的冗余、特有、协同等原子常被用于模型和算法设计中。

在人工智能领域中，PID框架中的冗余、特有、协同等原子常被用于模型和算法设计中。

Xiu Lixin等研究者在2026年的一篇ICLR会议论文中,基于PID框架构建了一套模型无关的量化分析框架,为揭示视觉-语言大模型（LVLMs)推理过程的信息机制提供了工具,填补了现有研究仅依赖准确率进行评估的局限。

 

Xiu Lixin等研究者在2026年的工作 《A Comprehensive Information-Decomposition Analysis of Large Vision-Language Models》中,基于PID框架构建了一套模型无关的量化分析框架,为揭示视觉-语言大模型（LVLMs)推理过程的信息机制提供了工具,填补了现有研究仅依赖准确率进行评估的局限。