讨论:NIS

• NIS（神经信息压缩器）是一个以最大化粗粒化过程中有效信息的神经网络框架。

NIS的提出实际上是为了解决因果涌现辨识问题的。而且，NIS虽然力图最大化EI，但第一个版本并没有真正实现这个目标。

• 它由可逆神经网络组成，分为编码器、解码器、动力学学习器三部分

NIS的这三部分并不都是可逆的，只有编码解码器可逆，而且这两个共享同一个神经网络。

• 琐碎的策略

建议用 平凡解 来作对应的中文名词

• 数学框架：最大化EI

这里感觉因果容量没说清楚。改变输入概率分布和改变干预分布的区别是什么？（所以因果容量和信道容量有区别吗？）另外，后面又提到宏观态和最大熵分布，这和因果容量是什么关系？

• 在这种粗粒化之后，二者都试图最大化由此产生的有效信息量

这里的有效信息量不是很明白，它应该不是 effective information， 最好可以在行文中区分开这两个概念。

• 神经网络框架

图中粗粒化策略的符号有问题。

• NIS并未真正地最小化有效信息

最大化