因果涌现 - 版本历史

Jake：/* 相关概念的发展 */

2025-12-05T00:41:25Z

相信未来：撤销相信未来（讨论）的版本47530

2025-11-09T11:13:17Z

撤销相信未来（讨论）的版本47530

显示更改

2025年11月9日 (日) 11:10 相信未来

2025-11-09T11:10:29Z

显示更改

相信未来：/* 因果及其度量 */

2025-10-15T03:47:04Z

因果及其度量

相信未来：/* 涌现 */

2025-10-15T03:46:41Z

涌现

相信未来：/* 相关概念的发展 */

2025-10-15T03:45:59Z

相信未来：/* 涌现 */

2025-10-15T03:42:19Z

涌现

相信未来：/* 在脑神经系统上的应用 */

2025-10-15T03:33:33Z

在脑神经系统上的应用

相信未来：/* 计算力学 */

2025-10-15T03:18:20Z

计算力学

相信未来：/* 不可交换性 */

2025-10-15T02:09:24Z

不可交换性

@@ 第9行： / 第9行： @@
 ===相关概念的发展===
 因果涌现理论是一种试图用基于因果的定量研究方法，从现象学的角度回答什么是涌现这一问题的理论，因此因果涌现的发展与人们对涌现和因果等概念的认识和发展密切相关。
 ====涌现====

←上一版本		2025年10月15日 (三) 03:47的版本
第30行：		第30行：


−	随着近年来[[因果科学]]得到了进一步的发展，使得人们可以用数学框架来量化因果，[[因果]]描述的是一个动力学过程的[[因果效应]]<ref name=":14">Pearl J. Causality[M]. Cambridge university press, 2009.</ref><ref>Granger C W. Investigating causal relations by econometric models and cross-spectral methods[J]. Econometrica: journal of the Econometric Society, 1969, 424-438.</ref><ref name=":8">Pearl J. Models, reasoning and inference[J]. Cambridge, UK: CambridgeUniversityPress, 2000, 19(2).</ref>。Judea Pearl<ref name=":8" />利用[[概率图模型]]来描述因果相互作用。Pearl 用不同的模型来区分并量化了三个层次的因果关系，这里我们比较关注[[因果阶梯]]中的第二层：对输入分布做[[干预]]。此外，由于发现的因果关系背后的不确定性和模糊性，测量两个变量之间的因果效应程度是另一个重要问题。许多独立的历史研究已经解决了因果关系测量的问题。这些测量方法包括[[休谟]]的[[恒定连接概念]]<ref>Spirtes, P.; Glymour, C.; Scheines, R. Causation Prediction and Search, 2nd ed.; MIT Press: Cambridge, MA, USA, 2000.</ref>和基于值函数的方法<ref>Chickering, D.M. Learning equivalence classes of Bayesian-network structures. J. Mach. Learn. Res. 2002, 2, 445–498.</ref>，Eells 和 Suppes 的概率性因果度量<ref>Eells, E. Probabilistic Causality; Cambridge University Press: Cambridge, UK, 1991; Volume 1</ref><ref>Suppes, P. A probabilistic theory of causality. Br. J. Philos. Sci. 1973, 24, 409–410.</ref>，以及 Judea Pearl 的[[因果度量]]指标等<ref name=":14" />。	+	随着近年来[[因果科学]]得到了进一步的发展，使得人们可以用数学框架来量化因果，[[因果]]描述的是一个动力学过程的[[因果效应]]<ref name=":14">Pearl J. Causality[M]. Cambridge university press, 2009.</ref><ref>Granger C W. Investigating causal relations by econometric models and cross-spectral methods[J]. Econometrica: journal of the Econometric Society, 1969, 424-438.</ref><ref name=":8">Pearl J. Models, reasoning and inference[J]. Cambridge, UK: CambridgeUniversityPress, 2000, 19(2).</ref>。Judea Pearl<ref name=":8" />利用[[概率图模型]]来描述因果相互作用。Pearl 用不同的模型来区分并量化了三个层次的因果关系，这里我们比较关注[[因果阶梯]]中的第二层：对输入分布做[[干预]]。此外，由于发现的因果关系背后的不确定性和模糊性，测量两个变量之间的因果效应程度是另一个重要问题。许多独立的历史研究已经解决了因果关系测量的问题。这些测量方法包括[[休谟]]的[[恒定连接概念]]<ref>Spirtes, P.; Glymour, C.; Scheines, R. Causation Prediction and Search, 2nd ed.; MIT Press: Cambridge, MA, USA, 2000.</ref>和基于值函数的方法<ref>Chickering, D.M. Learning equivalence classes of Bayesian-network structures. J. Mach. Learn. Res. 2002, 2, 445–498.</ref>，Eells 和 Suppes 的概率性因果度量<ref>Eells, E. Probabilistic Causality; Cambridge University Press: Cambridge, UK, 1991; Volume 1.</ref><ref>Suppes, P. A probabilistic theory of causality. Br. J. Philos. Sci. 1973, 24, 409–410.</ref>，以及 Judea Pearl 的[[因果度量]]指标等<ref name=":14" />。
−

	====因果涌现====		====因果涌现====

←上一版本		2025年10月15日 (三) 03:46的版本
第12行：		第12行：

	====涌现====		====涌现====
−	[[涌现]]一直是[[复杂系统]]中的一个重要特性，是许多关于系统[[复杂性]]，以及宏微观之间关系讨论的核心概念<ref>Meehl P E, Sellars W. The concept of emergence[J]. Minnesota studies in the philosophy of science, 1956, 1239-252.</ref><ref name=":7">Holland J H. Emergence: From chaos to order[M]. OUP Oxford, 2000.</ref>。涌现可以简单理解为整体大于部分之和，即整体上展现出构成它的个体所不具备的新特性<ref>Anderson P W. More is different: broken symmetry and the nature of the hierarchical structure of science[J]. Science, 1972, 177(4047): 393-396.</ref>。尽管学者们在各个领域都指出存在涌现的现象<ref name=":7" /><ref>Holland, J.H. Hidden Order: How Adaptation Builds Complexity; Addison Wesley Longman Publishing Co., Inc.: Boston, MA, USA, 1996.</ref>，如鸟类的[[群体行为]]<ref>Reynolds, C.W. Flocks, herds and schools: A distributed behavioral model. In Proceedings of the 14th Annual Conference on Computer Graphics and Interactive Techniques, Anaheim, CA, USA, 27–31 July 1987; pp. 25–34.</ref>，大脑中的[[意识]]形成，以及大语言模型的[[涌现]]能力<ref>Wei, J.; Tay, Y.; Bommasani, R.; Raffel, C.; Zoph, B.; Borgeaud, S.; Yogatama, D.; Bosma, M.; Zhou, D.; Metzler, D.; et al. Emergent abilities of large language models. arXiv 2022, arXiv:2206.07682.</ref>，但目前还没有对这一现象普遍认可的统一理解。以往对涌现的研究大多停留在定性的阶段，如 Bedau et al<ref name=":9">Bedau, M.A. Weak emergence. Philos. Perspect. 1997, 11, 375–399.</ref><ref name='downward'>Bedau, M. Downward causation and the autonomy of weak emergence. Principia Int. J. Epistemol. 2002, 6, 5–50. </ref>对涌现进行了分类研究，即将涌现分为名义涌现<ref name=":10">Harré, R. The Philosophies of Science; Oxford University Press: New York, NY, USA , 1985.</ref><ref name=":11">Baas, N.A. Emergence, hierarchies, and hyperstructures. In Artificial Life III, SFI Studies in the Science of Complexity, XVII; Routledge: Abingdon, UK, 1994; pp. 515–537.</ref>、弱涌现<ref name=":9" /><ref>Newman, D.V. Emergence and strange attractors. Philos. Sci. 1996, 63, 245–261.</ref>与强涌现<ref name=":12">Kim, J. 'Downward causation' in emergentism and nonreductive physicalism. In Emergence or Reduction; Walter de Gruyter: Berlin, Germany, 1992; pp. 119–138. </ref><ref name=":13">~~O’Connor~~, T. Emergent properties. Am. Philos. Q. 1994, 31, 91–104</ref>。	+	[[涌现]]一直是[[复杂系统]]中的一个重要特性，是许多关于系统[[复杂性]]，以及宏微观之间关系讨论的核心概念<ref>Meehl P E, Sellars W. The concept of emergence[J]. Minnesota studies in the philosophy of science, 1956, 1239-252.</ref><ref name=":7">Holland J H. Emergence: From chaos to order[M]. OUP Oxford, 2000.</ref>。涌现可以简单理解为整体大于部分之和，即整体上展现出构成它的个体所不具备的新特性<ref>Anderson P W. More is different: broken symmetry and the nature of the hierarchical structure of science[J]. Science, 1972, 177(4047): 393-396.</ref>。尽管学者们在各个领域都指出存在涌现的现象<ref name=":7" /><ref>Holland, J.H. Hidden Order: How Adaptation Builds Complexity; Addison Wesley Longman Publishing Co., Inc.: Boston, MA, USA, 1996.</ref>，如鸟类的[[群体行为]]<ref>Reynolds, C.W. Flocks, herds and schools: A distributed behavioral model. In Proceedings of the 14th Annual Conference on Computer Graphics and Interactive Techniques, Anaheim, CA, USA, 27–31 July 1987; pp. 25–34.</ref>，大脑中的[[意识]]形成，以及大语言模型的[[涌现]]能力<ref>Wei, J.; Tay, Y.; Bommasani, R.; Raffel, C.; Zoph, B.; Borgeaud, S.; Yogatama, D.; Bosma, M.; Zhou, D.; Metzler, D.; et al. Emergent abilities of large language models. arXiv 2022, arXiv:2206.07682.</ref>，但目前还没有对这一现象普遍认可的统一理解。以往对涌现的研究大多停留在定性的阶段，如 Bedau et al<ref name=":9">Bedau, M.A. Weak emergence. Philos. Perspect. 1997, 11, 375–399.</ref><ref name='downward'>Bedau, M. Downward causation and the autonomy of weak emergence. Principia Int. J. Epistemol. 2002, 6, 5–50. </ref>对涌现进行了分类研究，即将涌现分为名义涌现<ref name=":10">Harré, R. The Philosophies of Science; Oxford University Press: New York, NY, USA , 1985.</ref><ref name=":11">Baas, N.A. Emergence, hierarchies, and hyperstructures. In Artificial Life III, SFI Studies in the Science of Complexity, XVII; Routledge: Abingdon, UK, 1994; pp. 515–537.</ref>、弱涌现<ref name=":9" /><ref>Newman, D.V. Emergence and strange attractors. Philos. Sci. 1996, 63, 245–261.</ref>与强涌现<ref name=":12">Kim, J. 'Downward causation' in emergentism and nonreductive physicalism. In Emergence or Reduction; Walter de Gruyter: Berlin, Germany, 1992; pp. 119–138. </ref><ref name=":13">O'Connor, T. Emergent properties. Am. Philos. Q. 1994, 31, 91–104</ref>。

←上一版本		2025年10月15日 (三) 03:45的版本
第12行：		第12行：

	====涌现====		====涌现====
−	[[涌现]]一直是[[复杂系统]]中的一个重要特性，是许多关于系统[[复杂性]]，以及宏微观之间关系讨论的核心概念<ref>Meehl P E, Sellars W. The concept of emergence[J]. Minnesota studies in the philosophy of science, 1956, 1239-252.</ref><ref name=":7">Holland J H. Emergence: From chaos to order[M]. OUP Oxford, 2000.</ref>。涌现可以简单理解为整体大于部分之和，即整体上展现出构成它的个体所不具备的新特性<ref>Anderson P W. More is different: broken symmetry and the nature of the hierarchical structure of science[J]. Science, 1972, 177(4047): 393-396.</ref>。尽管学者们在各个领域都指出存在涌现的现象<ref name=":7" /><ref>Holland, J.H. Hidden Order: How Adaptation Builds Complexity; Addison Wesley Longman Publishing Co., Inc.: Boston, MA, USA, 1996.</ref>，如鸟类的[[群体行为]]<ref>Reynolds, C.W. Flocks, herds and schools: A distributed behavioral model. In Proceedings of the 14th Annual Conference on Computer Graphics and Interactive Techniques, Anaheim, CA, USA, 27–31 July 1987; pp. 25–34.</ref>，大脑中的[[意识]]形成，以及大语言模型的[[涌现]]能力<ref>Wei, J.; Tay, Y.; Bommasani, R.; Raffel, C.; Zoph, B.; Borgeaud, S.; Yogatama, D.; Bosma, M.; Zhou, D.; Metzler, D.; et al. Emergent abilities of large language models. arXiv 2022, arXiv:2206.07682.</ref>，但目前还没有对这一现象普遍认可的统一理解。以往对涌现的研究大多停留在定性的阶段，如 Bedau et al<ref name=":9">Bedau, M.A. Weak emergence. Philos. Perspect. 1997, 11, 375–399.</ref><ref name='downward'>Bedau, M. Downward causation and the autonomy of weak emergence. Principia Int. J. Epistemol. 2002, 6, 5–50. </ref>对涌现进行了分类研究，即将涌现分为名义涌现<ref name=":10">Harré, R. The Philosophies of Science; Oxford University Press: New York, NY, USA , 1985.</ref><ref name=":11">Baas, N.A. Emergence, hierarchies, and hyperstructures. In Artificial Life III, SFI Studies in the Science of Complexity, XVII; Routledge: Abingdon, UK, 1994; pp. 515–537.</ref>、弱涌现<ref name=":9" /><ref>Newman, D.V. Emergence and strange attractors. Philos. Sci. 1996, 63, 245–261.</ref>与强涌现<ref name=":12">Kim, J. ~~‘Downward causation’~~ in emergentism and nonreductive physicalism. In Emergence or Reduction; Walter de Gruyter: Berlin, Germany, 1992; pp. 119–138. </ref><ref name=":13">O’Connor, T. Emergent properties. Am. Philos. Q. 1994, 31, 91–104</ref>。	+	[[涌现]]一直是[[复杂系统]]中的一个重要特性，是许多关于系统[[复杂性]]，以及宏微观之间关系讨论的核心概念<ref>Meehl P E, Sellars W. The concept of emergence[J]. Minnesota studies in the philosophy of science, 1956, 1239-252.</ref><ref name=":7">Holland J H. Emergence: From chaos to order[M]. OUP Oxford, 2000.</ref>。涌现可以简单理解为整体大于部分之和，即整体上展现出构成它的个体所不具备的新特性<ref>Anderson P W. More is different: broken symmetry and the nature of the hierarchical structure of science[J]. Science, 1972, 177(4047): 393-396.</ref>。尽管学者们在各个领域都指出存在涌现的现象<ref name=":7" /><ref>Holland, J.H. Hidden Order: How Adaptation Builds Complexity; Addison Wesley Longman Publishing Co., Inc.: Boston, MA, USA, 1996.</ref>，如鸟类的[[群体行为]]<ref>Reynolds, C.W. Flocks, herds and schools: A distributed behavioral model. In Proceedings of the 14th Annual Conference on Computer Graphics and Interactive Techniques, Anaheim, CA, USA, 27–31 July 1987; pp. 25–34.</ref>，大脑中的[[意识]]形成，以及大语言模型的[[涌现]]能力<ref>Wei, J.; Tay, Y.; Bommasani, R.; Raffel, C.; Zoph, B.; Borgeaud, S.; Yogatama, D.; Bosma, M.; Zhou, D.; Metzler, D.; et al. Emergent abilities of large language models. arXiv 2022, arXiv:2206.07682.</ref>，但目前还没有对这一现象普遍认可的统一理解。以往对涌现的研究大多停留在定性的阶段，如 Bedau et al<ref name=":9">Bedau, M.A. Weak emergence. Philos. Perspect. 1997, 11, 375–399.</ref><ref name='downward'>Bedau, M. Downward causation and the autonomy of weak emergence. Principia Int. J. Epistemol. 2002, 6, 5–50. </ref>对涌现进行了分类研究，即将涌现分为名义涌现<ref name=":10">Harré, R. The Philosophies of Science; Oxford University Press: New York, NY, USA , 1985.</ref><ref name=":11">Baas, N.A. Emergence, hierarchies, and hyperstructures. In Artificial Life III, SFI Studies in the Science of Complexity, XVII; Routledge: Abingdon, UK, 1994; pp. 515–537.</ref>、弱涌现<ref name=":9" /><ref>Newman, D.V. Emergence and strange attractors. Philos. Sci. 1996, 63, 245–261.</ref>与强涌现<ref name=":12">Kim, J. 'Downward causation' in emergentism and nonreductive physicalism. In Emergence or Reduction; Walter de Gruyter: Berlin, Germany, 1992; pp. 119–138. </ref><ref name=":13">O’Connor, T. Emergent properties. Am. Philos. Q. 1994, 31, 91–104</ref>。

←上一版本		2025年10月15日 (三) 03:42的版本
第18行：		第18行：


−	* [[弱涌现]]是指宏观层面的属性或过程是通过单个组件之间以复杂相互作用的方式产生的，或者弱涌现也可以被理解为原则上能够被计算机模拟的特性。由于[[计算不可约性]]原理，弱涌现特性即使能够被模拟，但仍然不能轻易地简化为微观层面的属性。对于弱涌现来说，其模式产生的原因可能来自微观和宏观两个层面<ref name=":12" /><ref name=":13" />，因此，涌现的因果关系可能与微观因果关系并存。	+	* [[弱涌现]]是指宏观层面的属性或过程是通过单个组件之间以复杂相互作用的方式产生的，或者弱涌现也可以被理解为原则上能够被计算机模拟的特性。由于[[计算不可约性]]原理，弱涌现特性即使能够被模拟，但仍然不能轻易地简化为微观层面的属性。对于弱涌现来说，其模式产生的原因可能来自微观和宏观两个层面，因此，涌现的因果关系可能与微观因果关系并存。

@@ 第696行： / 第696行： @@
 ===在脑神经系统上的应用===
-脑神经系统是一个涌现的多尺度[[复杂系统 Complex Systems|复杂系统]]，Luppi 等人<ref>Luppi AI, Mediano PA, Rosas FE, Allanson J, Pickard JD, Carhart-Harris RL, Williams GB, Craig MM, Finoia P, Owen AM, Naci L. A synergistic workspace for human consciousness revealed by integrated information decomposition. BioRxiv. 2020 Nov 26:2020-11.</ref>基于[[整合信息分解]]，揭示了人类[[意识]]的协同工作空间。作者构建了脑认知的三层架构，包括：外部环境、具体的模块以及协同全局空间。大脑的工作原理主要包括三个阶段：第一个阶段负责将来自多个不同模块的信息收集到工作空间中，第二个阶段负责在工作空间中整合收集到的信息，第三个阶段负责将全局信息广播到大脑的其他部分。作者在三类不同静息态的 fMRI 数据上进行实验，包括 100 个正常人、15 个参与麻醉实验的被试者（包括麻醉前、麻醉以及恢复三种不同状态）以及 22 个慢性意识障碍（DOC）的被试者。该文章使用[[整合信息分解]]得到[[协同信息]]和[[冗余信息]]，以及使用修正后的[[整合信息值]] <math>\Phi_R</math>，来计算每两个脑区之间的协同和冗余值，从而得到每个脑区发挥更大作用的因素是协同还是冗余。同时，他们对比有意识人的数据，发现无意识人的[[整合信息]]发生显著降低的区域都属于[[协同信息]]发挥更大作用的脑区，同时发现整合信息显著降低的区域都属于 DMN（Default Mode Network）这样的功能区，从而定位到对于发生意识具有显著作用的脑区。
+脑神经系统是一个涌现的多尺度[[复杂系统 Complex Systems|复杂系统]]，Luppi 等人<ref>Luppi, A. I., Mediano, P. A., Rosas, F. E., Allanson, J., Pickard, J., Carhart-Harris, R. L., ... & Stamatakis, E. A. (2024). A synergistic workspace for human consciousness revealed by integrated information decomposition. Elife, 12, RP88173.</ref>基于[[整合信息分解]]，揭示了人类[[意识]]的协同工作空间。作者构建了脑认知的三层架构，包括：外部环境、具体的模块以及协同全局空间。大脑的工作原理主要包括三个阶段：第一个阶段负责将来自多个不同模块的信息收集到工作空间中，第二个阶段负责在工作空间中整合收集到的信息，第三个阶段负责将全局信息广播到大脑的其他部分。作者在三类不同静息态的 fMRI 数据上进行实验，包括 100 个正常人、15 个参与麻醉实验的被试者（包括麻醉前、麻醉以及恢复三种不同状态）以及 22 个慢性意识障碍（DOC）的被试者。该文章使用[[整合信息分解]]得到[[协同信息]]和[[冗余信息]]，以及使用修正后的[[整合信息值]] <math>\Phi_R</math>，来计算每两个脑区之间的协同和冗余值，从而得到每个脑区发挥更大作用的因素是协同还是冗余。同时，他们对比有意识人的数据，发现无意识人的[[整合信息]]发生显著降低的区域都属于[[协同信息]]发挥更大作用的脑区，同时发现整合信息显著降低的区域都属于 DMN（Default Mode Network）这样的功能区，从而定位到对于发生意识具有显著作用的脑区。
 ===在人工智能系统上的应用===

←上一版本		2025年10月15日 (三) 03:18的版本
第77行：		第77行：

	因果涌现框架与计算力学存在很多相似之处，所有历史过程 <math>\overleftarrow{s}</math> 可以看作是微观状态，所有 <math>R \in \mathcal{R} </math> 对应宏观状态，函数 <math>\eta </math> 可以理解为一种可能的粗粒化函数，因果态 <math>\epsilon \left ( \overleftarrow{s} \right )</math> 是一种特殊状态，它至少可以与微观状态 <math>\overleftarrow{s}</math> 具有相同的预测能力，因此，<math>\epsilon </math> 可以理解为一种有效的[[粗粒化]]策略，因果转移 <math>T </math> 对应于有效的宏观动力学。最小随机性特征表征了宏观动力学的确定性，在因果涌现中可以用[[有效信息]]衡量。		因果涌现框架与计算力学存在很多相似之处，所有历史过程 <math>\overleftarrow{s}</math> 可以看作是微观状态，所有 <math>R \in \mathcal{R} </math> 对应宏观状态，函数 <math>\eta </math> 可以理解为一种可能的粗粒化函数，因果态 <math>\epsilon \left ( \overleftarrow{s} \right )</math> 是一种特殊状态，它至少可以与微观状态 <math>\overleftarrow{s}</math> 具有相同的预测能力，因此，<math>\epsilon </math> 可以理解为一种有效的[[粗粒化]]策略，因果转移 <math>T </math> 对应于有效的宏观动力学。最小随机性特征表征了宏观动力学的确定性，在因果涌现中可以用[[有效信息]]衡量。
−

	====G-emergence====		====G-emergence====

←上一版本		2025年10月15日 (三) 02:09的版本
第822行：		第822行：


−	然而，如文献<ref name=":6" />中指出，通过在连续变量空间中最大化EI的同时考虑模型的误差因素，上述问题可以得到缓解。	+	然而，如文献<ref name="nis+" />中指出，通过在连续变量空间中最大化EI的同时考虑模型的误差因素，上述问题可以得到缓解。
−

	====其它问题及补救====		====其它问题及补救====