2,435
个编辑
更改
→起源
2017年，Erik Hoel<ref>Hoel, E.P. When the map is better than the territory[J]. Entropy, 2017, 19(5), p.188.</ref>引入信息论中的经典概念——香农的信道容量，提出系统中也存在类似“因果容量”。香农发现，信道上的信息传输速率对输入概率分布p(X)的变化很敏感，因此使用由使互信息最大化的输入集合来定义了信道容量，这也是信道能够可靠传输信息的最大速率。正如改变通道的输入概率p(X)会增加信息传输速率一样，改变干预分布也会增加因果系统的有效信息，也是映射到宏观层次的干预分布改变，导致因果涌现发生。因果容量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，通过粗粒化映射，设置系统部分变量为外生变量（设置其一直保持初始状态；允许“黑盒”式在干预下变化，但无法查看）等模型选择的方式，可以改变一个系统的因果容量。此外，作者提出一个更普遍的原则：模型构建使用的改变干预分布方法越多，因果容量就越接近信道容量。
2017年，Erik Hoel<ref>Hoel, E.P. When the map is better than the territory[J]. Entropy, 2017, 19(5), p.188.</ref>引入信息论中的经典概念——香农的信道容量，提出系统中也存在类似“因果容量”。香农发现，信道上的信息传输速率对输入概率分布p(X)的变化很敏感，因此使用由使互信息最大化的输入集合来定义了信道容量，这也是信道能够可靠传输信息的最大速率。正如改变通道的输入概率p(X)会增加信息传输速率一样，改变干预分布也会增加因果系统的有效信息，也是映射到宏观层次的干预分布改变，导致因果涌现发生。因果容量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，通过粗粒化映射，设置系统部分变量为外生变量（设置其一直保持初始状态；允许“黑盒”式在干预下变化，但无法查看）等模型选择的方式，可以改变一个系统的因果容量。此外，作者提出一个更普遍的原则：模型构建使用的改变干预分布方法越多，因果容量就越接近信道容量。
== 主要理论 ==
== 主要理论 ==