5,443
个编辑
更改
→有效信息
在整合信息理论（Integrated Information Theory, IIT）中，Φ（信息整合度）是该理论的核心指标，本质上属于一种有效信息（Effective Information, 简称 EI）。具体而言，当把大脑视为一个因果网络时，Φ 指的是在所有子网络中，因果瓶颈处的有效信息所能达到的最大值。
在整合信息理论（Integrated Information Theory, IIT）中，Φ（信息整合度）是该理论的核心指标，本质上属于一种有效信息（Effective Information, 简称 EI）。具体而言，当把大脑视为一个因果网络时，Φ 指的是在所有子网络中，因果瓶颈处的有效信息所能达到的最大值。
[[文件:整合信息论图4.png|无|缩略图|900x900像素|图1 两个网络的比较]]
[[文件:整合信息论图4.png|无|缩略图|900x900像素|图1 两个网络的比较]]
为理解这一概念，可从复杂网络的例子入手。假设有两个网络（如图2.1 所示），二者均包含约 10 个社团结构（即紧密联系的子图）。其中，左侧网络的社团具有高度异质性，社团大小差异显著，且存在少量小集团似乎脱离网络整体；右侧网络的社团大小相对同质化，社团间连接更为紧密，但各小集团内部联系较弱。判断哪一网络更具整体性，可转化为考察哪一网络更易被切分为不连通的两半。显然左侧网络更易被拆分，因其存在少数 “脆弱” 连边，切断此类连边即可使网络分为两半。
对于一般网络，需先找到最薄弱的环节，即找出最少的几条边，切断这些边便能将网络分为不连通的两个子网络，可用这些 “脆弱” 连边的数量来度量网络的整体性，这一数量被称为 φ。不过，这种判断并非绝对准确。例如左侧网络，若单独考察其右下角最大的连通集团，会发现该集团自身整体性很强，各节点紧密相连。因此，评估网络时需遍历其所有子网络，在这些子网络中找到 φ 最大的那个，并用该最大子网络的 φ（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 Φ。通过搜索所有子网络找到使 φ 最大的子网络，如左图中由五个相互紧密联系的社团组成的子网络。
对于一般网络，需先找到最薄弱的环节，即找出最少的几条边，切断这些边便能将网络分为不连通的两个子网络，可用这些 “脆弱” 连边的数量来度量网络的整体性，这一数量被称为 φ。不过，这种判断并非绝对准确。例如左侧网络，若单独考察其右下角最大的连通集团，会发现该集团自身整体性很强，各节点紧密相连。因此，评估网络时需遍历其所有子网络，在这些子网络中找到 φ 最大的那个，并用该最大子网络的 φ（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 Φ。通过搜索所有子网络找到使 φ 最大的子网络，如左图中由五个相互紧密联系的社团组成的子网络。