历史背景
zy: 概述-历史背景；合并意识问题 写作逻辑：意识简单定义-意识问题（身心问题-物理过程如何产生意识体验）-传统研究思路-面临的问题-Tononi的开创的思路-引入通信和复杂性思维（还没写）-IIT引入
zy：改成 以前的框架（哲学、神经科学），补充泛灵论的思想。
ymz：现在历史背景里少了对查尔莫斯简单问题和难问题的划分的介绍。
整合信息量
- 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）
ymz：有效信息是什么 zhs:已将这部分表述删除，并对文章后面提到的有效信息做了简要的说明，并引导读者可参见有效信息词条
- 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。
ymz：什么是因果瓶颈 zhs:关于因果瓶颈在下文中有介绍“对于任意选定的子网络，遍历所有切断它的划分方法，找到最小有效信息的切分，该切分处称为因果瓶颈”
- 假设有两个网络（如图2.1 所示）
ymz：标识不对 zhs:已改
- 为理解这一概念，可从复杂网络的例子入手
ymz：最好先说明这只是个粗糙的类比，因为真实计算过程不只考虑网络连边，还考虑动力学 zhs:已修改
- 综上，一个因果网络的信息整合程度是所有子网络中因果瓶颈处的有效信息所能达到的最大值，而具有这一最大有效信息的子网络便是意识发生的区域。
ymz：这段内容和对这张图的解释不清晰。对于最后的结论，这两个网络哪个应该是phi看起来最大的那个？ zhs:已对这部分内容进行补充。
- 有效信息（EI）：AHmax为什么最大
- 熵的计算：标题需要改
- 具体计算过程为：首先遍历所有子网络（即子系统）；对于任意选定的子网络，遍历所有切断它的划分方法，找到最小有效信息的切分，该切分处称为因果瓶颈，此处的有效信息即为该子网络的 φ；在所有子网络中找到 φ 最大的那个，这个最大的 φ 就是 Φ，即该因果网络的信息整合程度。
ymz:计算过程就放到下面讲计算的时候再讲就好了。另外这里的 φ 和 Φ写法还不一样，是刻意区分的吗？要把定义突出出来 zhs:我觉得此部分为对上面的一个phi计算过程的总结，我觉得也可放在这，并且此处也做了对因果瓶颈的解释,已做区分说明“在这里为了方便区分用[math]\displaystyle{ /phi }[/math]表示子网络的整合信息量，[math]\displaystyle{ \Phi }[/math]表示整体网络的整合信息量”
相关实验与研究
- 整合信息论（IIT）与全局神经网络工作空间（GNWT）
ymz:名字里的IIT可以去掉，因为整个词条都是在讲IIT