更改

意识的整合信息理论，它的核心观点是：所谓的意识，是一个系统的整合信息的能力<ref name="">{{cite journal|author1=Tononi G|title=An information integration theory of consciousness|journal=BMC Neuroscience|year=2004|volume=5|issue=1|page=42|url=https://doi.org/10.1186/1471-2202-5-42}}</ref>，并且这一能力可以被一个叫做整合信息量（<math>\Phi</math>）的指标来加以定量刻画。

意识的整合信息理论，它的核心观点是：所谓的意识，是一个系统的整合信息的能力<ref name="">{{cite journal|author1=Tononi G|title=An information integration theory of consciousness|journal=BMC Neuroscience|year=2004|volume=5|issue=1|page=42|url=https://doi.org/10.1186/1471-2202-5-42}}</ref>，并且这一能力可以被一个叫做整合信息量（<math>\Phi</math>）的指标来加以定量刻画。

在整合信息理论（Integrated Information Theory, IIT）中，<math>\Phi</math>（信息整合度）是该理论的核心指标。具体而言，当把大脑视为一个因果网络时，<math>\Phi</math> 指的是在所有子网络中，网络连接“薄弱”处的[[有效信息]]所能达到的最大值。为了让大家对这个<math>\Phi</math>（信息整合度）能有一个初步的了解，我们可以从两个复杂网络的例子来进行粗略的类比。

在整合信息理论（Integrated Information Theory, IIT）中，<math>\Phi</math>（信息整合度）是该理论的核心指标。具体而言，当把大脑视为一个因果网络时，<math>\Phi</math> 指的是在所有子网络中，网络连接“薄弱”处的[[有效信息]]所能达到的最大值。由于不同版本的IIT理论对[math]\Phi[/math]的定义都不一样，因此造成了读者的认知混乱。为了说明[math]\Phi[/math]的计算，让我们先来看一个复杂网络上社团划分的类比。

 

 

为了让大家对这个<math>\Phi</math>（信息整合度）能有一个初步的了解，我们可以从两个复杂网络的例子来进行说明。

[[文件:图2.1.png|无|缩略图|900x900像素|图2.1 两个网络的比较]]

[[文件:图2.1.png|无|缩略图|900x900像素|图2.1 两个网络的比较]]