5,443
个编辑
更改
跳到导航
跳到搜索
第24行：
第24行： − A system is described by its [[transition probability matrix]] (TPM), denoted <math>T_U = p(\mathbf{u}' \mid \mathbf{u})</math>, over all its possible states. From this, IIT defines:<ref name=":1" /> − + + + − ''Integrated information'' (φ) as the irreducibility of that cause–effect structure across the minimum information partition (MIP):+ − ''Complexes'' are defined as the systems (subsets of units) that locally maximize φ. Their internal distinctions and relations form the Φ-structure of the system:+ − + − +
→意识程度的度量
为了将IIT形式主义应用于系统，必须知道系统的概率转移矩阵（TPM）。TPM规定了所有系统状态转换的几率。以下每个参量是根据系统的TPM，以自下而上的方式计算。
为了将IIT形式主义应用于系统，必须知道系统的概率转移矩阵（TPM）。TPM规定了所有系统状态转换的几率。以下每个参量是根据系统的TPM，以自下而上的方式计算。
''Intrinsic information'' (ii) for a state s over a possible cause/effect state <math>\tilde{s}</math>:
一个系统由其在所有可能状态上的 [[转移概率矩阵]]（TPM）来描述，记为 <math>T_U = p(\mathbf{u}' \mid \mathbf{u})</math>。基于此，信息整合理论（IIT）定义如下：<ref name=":1" />
对于一个状态 <math>s</math> 相对于一个可能的因果状态 <math>\tilde{s}</math> 的内在信息（ii）：
<math> \text{ii}(s, \tilde{s}) = p(\tilde{s} \mid s) \log_2 \left( \frac{p(\tilde{s} \mid s)}{p(\tilde{s})} \right) </math>
<math> \text{ii}(s, \tilde{s}) = p(\tilde{s} \mid s) \log_2 \left( \frac{p(\tilde{s} \mid s)}{p(\tilde{s})} \right) </math>
整合信息（φ）是指在最小信息分割（MIP）上该因果结构的不可约性：
<math> \phi = \min_{\theta} \left[ \text{ii}(s, \tilde{s}) - \text{ii}_{\theta}(s, \tilde{s}) \right] </math>
<math> \phi = \min_{\theta} \left[ \text{ii}(s, \tilde{s}) - \text{ii}_{\theta}(s, \tilde{s}) \right] </math>
复体被定义为局部使 φ 最大化的系统（单元子集）。它们的内部差异和关系构成了系统的 Φ - 结构：
<math> \Phi = \sum_{\text{distinctions, relations}} \phi </math>
<math> \Phi = \sum_{\text {差异，关系}} \phi </math>
<math>\Phi</math> corresponds to the ''quantity'' of consciousness, while the particular structure of distinctions and relations defines its ''quality''.
<math>\Phi</math> 对应于意识的数量，而差异和关系的特定结构定义了意识的质量。
=== Φ 的计算示例 ===
=== Φ 的计算示例 ===