更改

不过，这种判断并非绝对准确，因为评估网络时需遍历其所有子网络，在这些子网络中找到<math>\phi</math> 最大的那个子网络，并用该子网络的 <math>\phi</math>（即最“薄弱”环节的连边数）作为整个网络整体性的度量，这便是整个网络的 <math>\Phi</math>。但是，在图2.1中，可以发现每个社团内节点的连接是相同的，而区别在于这些社团彼此之间的连接，所以即使遍历子网络之后，左图子网络的 <math>\phi</math>值只会大于等于右图。

不过，这种判断并非绝对准确，因为评估网络时需遍历其所有子网络，在这些子网络中找到<math>\phi</math> 最大的那个子网络，并用该子网络的 <math>\phi</math>（即最“薄弱”环节的连边数）作为整个网络整体性的度量，这便是整个网络的 <math>\Phi</math>。但是，在图2.1中，可以发现每个社团内节点的连接是相同的，而区别在于这些社团彼此之间的连接，所以即使遍历子网络之后，左图子网络的 <math>\phi</math>值只会大于等于右图。

== 意识程度的度量（<math>\Phi</math> ）计算框架 ==

== 意识程度的度量（Φ）计算框架 ==

理解上述类比后，便可理解信息整合度 <math>\Phi</math> 的真实计算过程：首先，将复杂网络替换为大脑构成的因果网络，其中节点可视为神经元，连边代表神经元之间的突触链接；其次，将连边理解为两个节点间的因果联系，连边的强弱对应因果联系的[[有效信息]]（将系统二分后干预其中一个子系统的状态分布，其子系统之间的[[互信息]]（Mutual Information），考察的是被切分的两个网络间的因果影响，具体可参见[[有效信息]]词条）；最后，一个因果网络的信息整合程度，就指的是所有子网络中因果瓶颈（即最小有效信息）处的[[有效信息]]所能达到的最大值，而具有这一最大有效信息的子网络便是意识发生的区域。

理解上述类比后，便可理解信息整合度 <math>\Phi</math> 的真实计算过程：首先，将复杂网络替换为大脑构成的因果网络，其中节点可视为神经元，连边代表神经元之间的突触链接；其次，将连边理解为两个节点间的因果联系，连边的强弱对应因果联系的[[有效信息]]（将系统二分后干预其中一个子系统的状态分布，其子系统之间的[[互信息]]（Mutual Information），考察的是被切分的两个网络间的因果影响，具体可参见[[有效信息]]词条）；最后，一个因果网络的信息整合程度，就指的是所有子网络中因果瓶颈（即最小有效信息）处的[[有效信息]]所能达到的最大值，而具有这一最大有效信息的子网络便是意识发生的区域。