3,094
个编辑
更改
→起源
== 起源 ==
== 起源 ==
2013年，Erik Hoel在文章<ref name="hoel_2013" />中首次使用[[有效信息]]指标，用来定量描述涌现现象，在[[有效信息]]指标的基础上提出了[[因果涌现]]理论。根据这一理论，一个马尔科夫动力系统中微观状态的转移规则，即微观动力学或微观的因果机制是已知的。在此基础上，将多个微观状态进行合并，即文中所表述的粗粒化映射，可以得到相应的宏观状态，相应地，微观动力学也被粗粒化为宏观动力学。其中，微观动力学或因果机制是富含所有信息的，宏观动力学或因果机制是随附于（Supervene）微观因果机制的。因果涌现现象被描述为：粗粒化后的宏观动力学的因果效应高于微观动力学的因果效应。其中，[[因果效应的度量]]是使用[[有效信息]]这一指标的。这一指标的定义为干预下的互信息，即将系统中的因变量（即系统上一时刻的状态）干预为均匀分布，然后计算原因变量和结果变量之间的互信息大小。这种定义反映了因果机制对原因和结果状态的约束强度，也就是因果相互作用强度。
2013年，Erik Hoel在文章<ref name="hoel_2013" />中首次使用[[有效信息]]指标，用来定量描述涌现现象，并提出了[[因果涌现]]理论。根据这一理论，一个马尔科夫动力系统中微观状态的转移规则，即微观动力学或微观的因果机制是已知的。在此基础上，将多个微观状态进行合并，即文中所表述的粗粒化映射，可以得到相应的宏观状态，相应地，微观动力学也被粗粒化为宏观动力学。其中，微观动力学或因果机制是富含所有信息的，宏观动力学或因果机制是随附于（Supervene）微观因果机制的。因果涌现现象被描述为：粗粒化后的宏观动力学的因果效应高于微观动力学的因果效应。其中，[[因果效应的度量]]是使用[[有效信息]]这一指标的。这一指标的定义为干预下的互信息，即将系统中的因变量（即系统上一时刻的状态）干预为均匀分布，然后计算原因变量和结果变量之间的互信息大小。这种定义反映了因果机制对原因和结果状态的约束强度，也就是因果相互作用强度。
2017年，Erik Hoel<ref name="hoel_2017">Hoel, E.P. When the map is better than the territory[J]. Entropy, 2017, 19(5), p.188.</ref>引入信息论中香农定义的“信道容量”（information channel capacity）概念，提出动力系统中也存在类似“因果容量”（Causal Capacity）的概念。香农发现，信道上的信息传输速率对输入信号概率分布非常敏感，因此选择使系统输入输出互信息最大化的输入集合来定义信道容量，反映信道允许可靠传输信息的最大速率。类似地，在因果性度量中，根据定义，改变干预分布也会改变系统的[[有效信息]]，从微观映射到宏观层次的过程中实际改变了干预分布，因而发生因果性变化，这是因果涌现现象存在的前提。除了13年提出的粗粒化方式，即通过合并一些变量为宏观变量<ref name="hoel_2013" />以外，作者还提出了另一种粗粒化系统的方式，即将部分变量视为外生变量，例如设置这些变量的取值，让它们一直保持初始状态，或视其为“黑盒”从而随机取值，这样的设置可以提升系统的因果性，因此是另一种因果涌现现象。那么，因果容量就被定义为一个系统以最大信息量和最有效的方式将干预转化为结果的能力，Erik Hoel还提出一个普遍的原则：系统中可使用的改变干预分布的方式越多，因果容量就越接近信道容量。
2017年，Erik Hoel<ref name="hoel_2017">Hoel, E.P. When the map is better than the territory[J]. Entropy, 2017, 19(5), p.188.</ref>引入信息论中香农定义的“信道容量”（information channel capacity）概念，提出动力系统中也存在类似“因果容量”（Causal Capacity）的概念。香农发现，信道上的信息传输速率对输入信号概率分布非常敏感，因此选择使系统输入输出互信息最大化的输入集合来定义信道容量，反映信道允许可靠传输信息的最大速率。类似地，在因果性度量中，根据定义，改变干预分布也会改变系统的[[有效信息]]，从微观映射到宏观层次的过程中实际改变了干预分布，因而发生因果性变化，这是因果涌现现象存在的前提。除了13年提出的粗粒化方式，即通过合并一些变量为宏观变量<ref name="hoel_2013" />以外，作者还提出了另一种粗粒化系统的方式，即将部分变量视为外生变量，例如设置这些变量的取值，让它们一直保持初始状态，或视其为“黑盒”从而随机取值，这样的设置可以提升系统的因果性，因此是另一种因果涌现现象。那么，因果容量就被定义为一个系统以最大信息量和最有效的方式将干预转化为结果的能力，Erik Hoel还提出一个普遍的原则：系统中可使用的改变干预分布的方式越多，因果容量就越接近信道容量。