更改

在本文中，我们将首先区分几种涌现的概念，并借此简要说明其中的一些关键挑战。接着，我们将介绍一种名为“G-涌现”(G-emergence)的新测量方法，这种方法具体化了一个直观的想法，即涌现过程既独立于其底层因果因素，同时又依赖于这些因素。G-涌现简单易用，我们会通过一个经典的涌现现象例子——鸟群飞行的模拟来展示这一方法的应用(下图是一群即将栖息的椋鸟)。最后，我们将讨论相关的测量方法，如何化解“向下因果”(downward causation)这一形而上学上的难题，以及它如何为科学中最难解决的问题之一的神经机制与现象体验之间的关系带来新的启示。

在本文中，我们将首先区分几种涌现的概念，并借此简要说明其中的一些关键挑战。接着，我们将介绍一种名为“G-涌现”(G-emergence)的新测量方法，这种方法具体化了一个直观的想法，即涌现过程既独立于其底层因果因素，同时又依赖于这些因素。G-涌现简单易用，我们会通过一个经典的涌现现象例子——鸟群飞行的模拟来展示这一方法的应用(下图是一群即将栖息的椋鸟)。最后，我们将讨论相关的测量方法，如何化解“向下因果”(downward causation)这一形而上学上的难题，以及它如何为科学中最难解决的问题之一的神经机制与现象体验之间的关系带来新的启示。

值得注意的是，基于格兰杰因果量化涌现的方法可以视为一种早期的因果涌现理论，早在Erik Hoel于2013年提出因果涌现理论<ref name="Hoel_causal_emergence">{{cite journal|author=Hoel E.P., Albantakis L., Tononi G.|title=Quantifying causal emergence shows that macro can beat micro|journal=Proceedings of the National Academy of Sciences of the United States of America|year=2013|volume=110|issue=49|pages=19790–19795|doi=10.1073/pnas.1314922110}}</ref>之前便已发展。Erik Hoel的因果涌现理论从信息论角度定义了“有效信息”(Effective Information，简称EI)，有效信息可以用来衡量一个马尔科夫动力学的因果效应的强度，进而揭示宏观层级因果作用可能超越微观层级的现象。而G-涌现则通过评估宏观变量相对于微观变量集合的格兰杰自主性(G-autonomy)和格兰杰因果(G-causality)，定量分析宏观层级是否展现出涌现特性。总之，格兰杰因果量化涌现的方法为复杂系统涌现现象提供了定量工具，是因果涌现领域的一次重要尝试。

值得注意的是，基于格兰杰因果量化涌现的方法可以视为一种早期的因果涌现理论，早在Erik Hoel于2013年提出因果涌现理论<ref name="Hoel_causal_emergence">{{cite journal|author=Hoel E.P., Albantakis L., Tononi G.|title=Quantifying causal emergence shows that macro can beat micro|journal=Proceedings of the National Academy of Sciences of the United States of America|year=2013|volume=110|issue=49|pages=19790–19795}}</ref>之前便已发展。Erik Hoel的因果涌现理论从信息论角度定义了“有效信息”(Effective Information，简称EI)，有效信息可以用来衡量一个马尔科夫动力学的因果效应的强度，进而揭示宏观层级因果作用可能超越微观层级的现象。而G-涌现则通过评估宏观变量相对于微观变量集合的格兰杰自主性(G-autonomy)和格兰杰因果(G-causality)，定量分析宏观层级是否展现出涌现特性。总之，格兰杰因果量化涌现的方法为复杂系统涌现现象提供了定量工具，是因果涌现领域的一次重要尝试。

[[文件:图1鸟群.png|'''图1：'''一群即将栖息的椋鸟。|替代=|无框|500x500像素]]

[[文件:图1鸟群.png|'''图1：'''一群即将栖息的椋鸟。|替代=|无框|500x500像素]]