5,443
个编辑
更改
→因果涌现定义
[[文件:向下因果与因果解耦2.png|链接=https://wiki.swarma.org/index.php/%E6%96%87%E4%BB%B6:%E5%90%91%E4%B8%8B%E5%9B%A0%E6%9E%9C%E4%B8%8E%E5%9B%A0%E6%9E%9C%E8%A7%A3%E8%80%A62.png|替代=|无框|300x300像素]]
[[文件:向下因果与因果解耦2.png|链接=https://wiki.swarma.org/index.php/%E6%96%87%E4%BB%B6:%E5%90%91%E4%B8%8B%E5%9B%A0%E6%9E%9C%E4%B8%8E%E5%9B%A0%E6%9E%9C%E8%A7%A3%E8%80%A62.png|替代=|无框|300x300像素]]
==== 因果涌现定义 ====
==== 基于部分信息分解的因果涌现定义 ====
具体而言，作者基于系统上下时刻间互信息的整合信息分解后的信息原子，提出了两种因果涌现的定义方法：
具体而言，作者基于系统上下时刻间互信息的整合信息分解后的信息原子，提出了两种因果涌现的定义方法：
</math>
</math>
若 <math>Un(V_t;X_{t+1}| X_t)</math> 大于 0，则系统必然会出现因果涌现。然而，<math>V_t</math> 的选择往往需要预先定义粗粒化函数，因此方法一无法回避 [[Erik Hoel因果涌现理论]] 的局限。而方法二借助协同信息来判断因果涌现的发生，但协同信息的计算复杂，存在组合爆炸问题，往往不可行。
若 <math>Un(V_t;X_{t+1}| X_t)</math> 大于 0，则系统必然会出现因果涌现。然而，<math>V_t</math> 的选择往往需要预先定义粗粒化函数，因此方法一无法回避 [[Erik Hoel因果涌现理论]] 的局限。而方法二借助协同信息来判断因果涌现的发生，但协同信息的计算复杂，存在组合爆炸问题，往往不可行。
这些挑战说明，尽管 PID 框架提供了强有力的因果涌现理论基础，但其应用仍然依赖于实际系统的计算方法和数据可获取性。
这些挑战说明，尽管 PID 框架提供了强有力的因果涌现理论基础，但其应用仍然依赖于实际系统的计算方法和数据可获取性。
需在此添加编者注：（格式待调整）。
=====基于整合信息分解的因果涌现定义=====
=====因果涌现充分指标=====
在PID框架中，基于协同信息（synergistic information）的概念，Rosas 引入了使用 <math> \Phi ID </math> 框架的因果涌现的定量定义，以应对确定适当粗粒化策略（coarse-graining strategy）的挑战。该定义包括两个核心方面：
在PID框架中，基于协同信息（synergistic information）的概念，Rosas 引入了使用 <math> \Phi ID </math> 框架的因果涌现的定量定义，以应对确定适当粗粒化策略（coarse-graining strategy）的挑战。该定义包括两个核心方面：
尽管提出了因果涌现的严格定量定义，但<math> \Phi ID </math>可能很复杂且计算量很大，因此很难将该方法应用于实际系统。此外，PID 计算的不一致性导致因果涌现的定义依赖于特定的 PID 计算。
尽管提出了因果涌现的严格定量定义，但<math> \Phi ID </math>可能很复杂且计算量很大，因此很难将该方法应用于实际系统。此外，PID 计算的不一致性导致因果涌现的定义依赖于特定的 PID 计算。
=====因果涌现充分指标=====
为了解决上述提到的问题，Rosas简化了因果涌现的计算，并建立了一套基于因果解耦和向下因果的识别标准。具体来说，为了避免该方法基于特定的某个协同信息和冗余信息的具体量化方法，这套标准通过反复减去冗余信息，使结果成为因果涌现的充分条件。
三个指标如下：
三个指标如下：