Bridging integrated information theory and the free-energy principle in living neuronal networks
The University of Tokyo(东京大学);International Research Center for Neurointelligence (WPI-IRCN), The University of Tokyo Institutes for Advanced Study (UTIAS)(东京大学高等研究院神经智能国际研究中心(WPI-IRCN))
该研究以活神经元网络为对象,分析发现解离神经元培养物的信念更新与整合信息相关,通过实验和伊辛模型揭示了整合信息理论与自由能原理的经验联系。
2026-07-30 q-bio.NC
Nonequivalence of expected free energy and revised system integrated information in noisy permutation networks
Kyoto University(京都大学);Kyoto MPI Inc.(京都MPI株式会社)
本研究证明在噪声置换网络中,期望自由能相等不蕴含修订后IIT系统整合信息相等,揭示局部自由能对应与全局非等价性共存,强调综合IIT与FEP需保留反事实因果信息。
2026-10-08 cond-mat.stat-mech q-bio.NC
Can extrinsic methods reveal intrinsic structure? Complementing IIT with QStr
该研究探讨IIT与QStr的理论关系,提出二者共享研究对象但方法论互补,QStr可补充IIT的窄质性研究与数学工具,IIT或可奠基QStr的外在结构
2026-08-27 q-bio.NC
Integrated information and dimensionality in continuous attractor dynamics
意识的整合信息理论(IIT)提出意识是神经元动力学中的整合信息,引起了人们越来越多的关注。然而,目前制定的IIT提出了实际和理论问题时,我们的目标是通过计算从神经元信号的综合信息,以实证检验的理论。例如,测量集成信息需要同时观察所考虑系统中的所有元素,但这实际上相当困难。此外,由于非线性动力系统的一般性质,即所谓的“嵌入”,计算综合信息所需的空间划分的解释在连续时间序列变量中变得模糊。“在这里,我们建议,这些问题的某些方面得到解决,通过考虑共享吸引子动力学的拓扑维数作为连续吸引子动力学中综合信息的指标。在这个公式中,未观察到的节点对吸引子动力学的影响可以使用一种称为延迟嵌入的技术来重建,该技术允许我们从部分观测中识别嵌入吸引子的维数。我们提出拓扑维数代表了集成信息的一个关键属性,因为它对一般坐标变换是不变的。我们用简单的例子来说明这个新的框架,并讨论它是如何与最近基于清醒和麻醉动物的神经记录的发现相结合的。这种拓扑方法将IIT的现有概念扩展到连续动力系统,并通过大幅放松评估真实神经系统中集成信息所需的条件,为用实验数据测试理论提供了一个急需的框架。
2017-01-20 q-bio.NC
Measuring the integrated information of a quantum mechanism
整合信息论(IIT)最初被认为是一种意识理论,它提供了一个理论框架,旨在描述一个系统在其当前状态下指定的关于自身的组成因果信息。然而,作为意识理论的IIT是否与作为微观物理学理论的量子力学相容,还有待确定。在这里,我们提出了一个扩展的IIT的最新形式主义,以评估机制集成信息($φ$)的系统子集的有限维量子系统(例如,量子逻辑门)。为此,我们翻译最近开发的,独特的措施的内在信息的密度矩阵公式,并扩展的概念,条件独立,以适应量子纠缠。IIT分析的组成性质可能会揭示复合量子态和算子的内部结构,而这些结构是使用标准信息论分析无法获得的。最后,我们的研究结果应该为关于意识、因果关系和从经典到量子的物理学之间联系的理论争论提供信息。
2023-01-04 q-bio.NC quant-ph
Moving Past the Minimum Information Partition: How To Quickly and Accurately Calculate Integrated Information
意识的整合信息理论(IIT)面临的一个突出挑战是找到一种快速准确地从神经数据中计算整合信息的方法。已经提出了许多基于时间序列数据的综合信息的测量,但是大多数测量需要找到网络的最小信息划分,这在计算上是昂贵的并且对于真实的大脑数据是不实际的。在这里,我们引入了一种新的划分,最大模块划分,跨它快速计算集成信息。我们还介绍了一种新的检测任务的模拟数据,以评估跨不同分区的综合信息措施的性能。我们表明,即使在相对较大的网络中,也可以在最大模块化分区以及先前提出的原子分区中可靠快速地计算集成信息,这构成了研究人员在真实大脑数据中凭经验测试IIT预测能力的进步。
2016-05-03 q-bio.NC
Measuring Integrated Information: Comparison of Candidate Measures in Theory and Simulation
整合信息理论(Integrated Information Theory,IIT)是一种重要的意识理论,其核心措施是量化系统产生的信息超过其部分总和的程度。虽然几个候选措施的综合信息(“$Φ$”)现在存在,很少有人知道他们如何比较,特别是在他们的行为方面的非平凡的网络模型。在这篇文章中,我们提供了六个不同的候选措施的清晰和直观的描述。然后,我们探索这些措施的每一个属性在模拟网络上由八个相互作用的节点,动画与高斯线性自回归动力学。我们发现这些措施的行为有着惊人的多样性--没有两个措施在所有分析中表现出一致的一致性。此外,只有一个子集的措施似乎真正反映了某种形式的动态复杂性,在系统组件之间的同步隔离和集成的意义上。我们的研究结果有助于指导IIT的操作化,并推动可能具有更普遍适用性的综合信息措施的发展。
2018-06-25 q-bio.NC
Network algorithmics and the emergence of information integration in cortical models
近年来,一个被称为整合信息论(IIT)的信息论框架被引入大脑中,用于研究意识的出现[D]。Balduzzi和G. Tononi,PLoS Comput. 4,e1000091(2008)]。IIT声称,这种现象等同于大脑产生的信息超过了大脑组成部分已经相互独立产生的信息。IIT的建模假设并不完全合理,而且由于其关键定义中嵌入了严重的组合增长,因此它也不可测试。在这里,我们介绍了一种替代IIT,而类似的信息理论原则的启发,试图在一定程度上解决IIT的一些缺点。我们的替代框架使用了我们之前介绍的相同的网络算法皮层模型[A。内森和VC Barbosa,Phys.Rev.E81,021916(2010)],并且为了允许相对于IIT稍微改进的可测试性,采用了应用于一组变量的众所周知的信息增益和总相关性的概念,所述一组变量通过模型的动态中的消息表示神经元的可达性。我们认为,这两个数量相互关联的方式,可以用来量化系统的效率,在生成信息之外,这并不取决于集成,并给出计算结果,我们的皮质模型及其变体,无论是结构上的随机意义上的一个Erdos-Renyi随机有向图或结构确定性。我们已经发现,我们的皮层模型相对于其他模型来说是突出的,因为它的许多实例能够比其他大多数实例更有效地整合信息。
2010-12-27 q-bio.NC
Can "consciousness" be observed from large language model (LLM) internal states? Dissecting LLM representations obtained from Theory of Mind test with Integrated Information Theory and Span Representation analysis
本研究应用整合信息理论3.0和4.0及跨度表示分析,探究大型语言模型在心智理论测试中的表示序列,发现当代Transformer LLM表示缺乏统计显著的“意识”现象指标,但在空间置换分析下表现出有趣模式。
2025-06-26 cs.AI cs.CL cs.NE
Only what exists can cause: An intrinsic powers view of free will
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Allen Institute for Brain Science(艾伦脑科学研究所)
本文基于整合信息理论的内在能力本体论,论证意识作为内在存在赋予我们真正的自由意志,即我们是自身行为的起因并承担责任。
2026-09-23 q-bio.NC
The Mathematical Structure of Integrated Information Theory
Munich Center for Mathematical Philosophy, University of Munich(慕尼黑大学数学哲学中心);Cambridge Quantum Computing(剑桥量子计算)
整合信息理论是意识的主要模型之一。它旨在描述物理系统(如大脑)在特定状态下的意识体验的质量和数量。在这方面的贡献,我们提出的数学结构的理论,分离的要素,辅助正式工具。我们提供了一个广义IIT的定义,它具有IIT 3.0的Tononi等。例如,以及Zanardi et.作为特殊情况。这提供了一个公理化的理论定义,可以作为未来正式调查的起点,并作为一个介绍适合研究人员与正式的背景。
2020-02-18 cs.AI cs.IT math.IT
Shannon information and integrated information: message and meaning
本研究对比香农信息论与整合信息理论(IIT),指出IIT将意义视为整合信息并以因果结构刻画,提出意义通信需收发双方因果结构相似,为理解意识与意义的信息机制提供新视角。
2024-12-14 cs.IT math.IT q-bio.NC
The Phi measure of integrated information is not well-defined for general physical systems
根据意识的整合信息理论,意识是物理系统的一个基本的与个体无关的属性,整合信息的度量Φ等于意识的数量或水平。为了使这一点看起来合理,不应该有与IIT公理一致的Phi替代公式,也不应该有Phi定义不清的情况。本文介绍了Phi在其当前制定中未能满足这些标准的三种方式,并讨论了如何解决这个问题。
2019-02-12 q-bio.NC
Information as Maximum-Caliber Deviation: A bridge between Integrated Information Theory and the Free Energy Principle
University of Oxford(牛津大学)
本文提出信息可定义为动态偏离最大 caliber 路径集的量,通过最大 caliber 变分原理重新推导了IIT的现象学计算,为IIT扩展到新动态领域提供了理论桥梁。
2026-05-03 cs.AI cs.IT math.IT
Efficient Algorithms for Searching the Minimum Information Partition in Integrated Information Theory
在大脑中整合信息的能力被认为是认知和意识的基本属性。整合信息理论(IIT)假设大脑中整合信息($Φ$)的数量与意识水平有关。IIT提出,为了量化系统中的信息集成,集成信息应该在系统的分区上测量,在该分区上,分区引起的信息损失最小,称为最小信息分区(MIP)。彻底搜索MIP的计算成本随着系统大小呈指数增长,使得难以将IIT应用于真实的神经数据。先前已经表明,如果$Φ$的测量满足数学性质,子模块性,则可以通过优化算法以多项式阶数找到MIP。然而,尽管$Φ$的第一个版本是子模块化的,但是后面的版本不是。在这项研究中,我们经验性地探索在何种程度上该算法可以适用于非次模块措施的$Φ$通过评估该算法在模拟数据和真实的神经数据的准确性。我们发现,该算法确定MIP在一个近乎完美的方式,即使是非子模块化的措施。我们的研究结果表明,该算法允许我们在一个实际的时间量内测量$Φ$在大型系统。
2018-02-13 cs.IT math.IT q-bio.NC
Computing Integrated Information
整合信息理论(IIT)已经成为意识研究的主要理论之一。IIT从本质上提出,量化意识等同于最大程度整合的概念信息,由一种称为$Φ^{max}$的度量来量化,而现象学经验对应于处于某种状态的物理系统的最大程度不可约因果库的相关集合。然而,为了最终将理论应用于实验数据,需要一个足够通用的公式。与目前的工作,我们提供了这个一般的配方,全面和简约地表示$Φ^{max}$的语言的概率模型。在这里,描述一个系统的随机过程对应于一阶时不变的马尔可夫过程,所有必要的数学运算定义的$Φ^{max}$是完全指定的系统的联合概率分布在两个相邻点的离散时间。我们提出了一个详细的建设性规则的基础上灵活的边缘化和因式分解的联合分布的系统分解成两个不相交的子系统。此外,我们暂停介入演算的方法基于系统扰动,这使我们能够省略未定义的条件分布和虚拟化。我们验证了我们的配方在先前建立的离散的例子系统,在其中我们进一步解决了以前未探索的理论问题,由于非唯一性的最大不可约的因果剧目,这反过来也需要$Φ^{max}$的敏感性的感受质空间中的概念结构的形状的感受质欠定。本着建设性的精神,我们建议对框架进行若干修改,以解决其中一些问题。
2017-03-03 q-bio.NC
Integrated information as a common signature of dynamical and information-processing complexity
复杂性科学的信息处理方法和动力学方法之间明显的二分法迫使研究人员在两套不同的工具和解释之间做出选择,这造成了冲突,往往阻碍了科学的进步。尽管如此,考虑到这两种方法之间的共同理论目标,推测存在潜在的共同签名是合理的,这些签名捕获了动态系统和信息处理系统中的有趣行为。在这里,我们认为,整合信息理论(IIT),最初设想在理论神经科学的务实使用,可以提供一个潜在的统一框架,研究一般的多变量系统的复杂性。此外,通过利用集成信息分解($Φ$ ID)框架提出的指标,我们的研究结果表明,集成信息可以有效地捕获令人惊讶的异构签名的复杂性-包括亚稳定性和关键性的耦合振荡器网络以及分布式计算和涌现的稳定粒子在细胞自动机-而不依赖于特质,特设标准。这些结果表明,如何不可知的使用IIT可以提供重要的步骤,弥合信息和动态方法之间的差距,以复杂的系统。
2021-06-18 nlin.AO q-bio.NC
Simultaneity of consciousness with physical reality: the key that unlocks the mind-matter problem
本文提出一个基于现象学确定前提的因果原理,表明意识经验能独立于内容创造额外因果自由度,为心物问题提供新解释。
2026-01-23 q-bio.NC
Simulation Study of Two Measures of Integrated Information
背景资料:许多作者基于信息论、格兰杰因果关系和复杂性等理论原理提出了意识的定量理论(QTC)。最近,Virmani和Nagaraj(arXiv:1608.08450v2 [cs.IT])注意到集成信息和压缩复杂性之间的相似性,并在此基础上提出了一种新的网络复杂性度量,称为Phi-Compression Complexity(Phi-C或$Φ^C$)。他们使用布尔网络进行的计算机模拟表明,$Φ^C$与Giulio Tononi等人的综合信息测量$Φ$ 3.0相比毫不逊色,并表现出理想的数学和计算特性。研究方法:在目前的工作中,$Φ^C$被测量为两种类型的模拟网络:(A)网络表示简单的神经元连接图案(图9中的Tononi和Sporns,BMC神经科学4(1),2003);(B)随机网络来自Erdös-R ényi G(N,p)图。所有模拟的代码都是用Python 3.6编写的,并且使用NetworkX库来模拟图形。结果和讨论摘要:在模拟A中,对于同一组网络,$Φ^C$值与IIT 1.0 $Φ$的值以违反直觉的方式不同。看来,$Φ^C$捕捉信息集成,网络拓扑结构,图形组成和节点熵之间的相互作用的一些不变的方面。Virmani和Nagaraj(arXiv:1608.08450v2 [cs.IT])试图强调$Φ^C$和IIT $Φ$之间的相关性,而模拟A的结果强调了两种测量方法在捕获综合信息…
2017-06-29 q-bio.NC
Consciousness: Here, There but Not Everywhere
本文提出整合信息理论(IIT)作为意识理论,基于现象学公理推导物理机制属性,解释意识存在与质量,并预测数字计算机即使模拟人脑也几乎无意识。
2014-05-27 q-bio.NC
Measuring integrated information from the decoding perspective
越来越多的证据表明,大脑整合信息的能力是意识的先决条件。意识的整合信息理论(IIT)提供了一种数学方法来量化整合在系统中的信息,称为整合信息,$Φ$。综合信息在理论上被定义为一个系统作为一个整体产生的信息量,超过其各部分独立产生的信息量之和。IIT预测,大脑中整合信息的数量应该反映意识水平。这个理论的经验评估需要计算从实验中获得的神经数据的综合信息,虽然使用原始措施$Φ$的困难排除了这样的计算。虽然以前已经提出了一些实际的措施,我们发现,这些措施不能满足理论要求的综合信息的措施。综合信息的度量应满足如下下限和上限:当系统不产生信息(无信息)或系统由独立部分组成(无综合)时,综合信息的下限应为0。综合信息的上界是指整个系统产生的信息量,在各部分独立产生的信息量等于0时实现。在这里,我们推导出新的实用措施$Φ^*$通过引入一个概念的失配解码从信息论。我们表明,$Φ^*$是适当的有界从下面和上面,根据需要,作为一个综合信息的措施。在高斯假设下推导出了解析表达式$Φ^*$,使其易于应用于实验数据。
2015-05-17 cs.IT math.IT q-bio.NC
A Compression-Complexity Measure of Integrated Information
量化整合信息是建立意识基础理论的主要方法。集成信息论(IIT)由于其理论上的强大框架而在这方面受到关注。然而,它面临着一些限制,如当前状态依赖,计算昂贵,无法应用于真实的大脑数据。另一方面,扰动复杂性指数(PCI)是区分不同意识水平的临床指标。虽然PCI声称捕捉脑网络中的功能分化和整合(类似于IIT),但它与整合信息论的联系相当薄弱。受这两种方法的启发,我们提出了一种新的措施- $Φ^C$使用一种新的压缩复杂度的角度,作为两者之间的桥梁,第一次。$Φ^C$是建立在无损数据压缩的原则,基于复杂性的措施,其特征的动态复杂性的大脑网络。$Φ^{C}$表现出以下突出的创新:(i)数学上有界的,(ii)可忽略的当前状态的依赖性,不像$Φ$,(iii)集成的信息作为压缩复杂性,而不是作为一个信息理论的量,(iv)更快的计算,因为原子二分区的数量与网络的节点数成线性比例,从而避免组合爆炸。我们的计算机模拟表明,$Φ^C$有类似的层次结构,$<Φ>$的几个多节点网络,它展示了丰富的分化,集成和网络的节点熵之间的相互作用。$Φ^C$是一种很有前途的启发式度量,可以表征像人脑这样的大型网络中集成信息的数量(因此是意识数量的度量),并提供了一个机会来测试对真实神经数据的大脑复杂性的预测。
2016-12-13 cs.IT math.IT q-bio.NC
Intrinsic meaning, perception, and matching
本文扩展整合信息理论,提出知觉是复合体以内在连接提供结构的解释过程,并用知觉分化量化环境意义性,以刻画内在意义与环境因果过程的匹配关系。
2024-12-31 q-bio.NC
Causal Event Networks: Cognition, Complexity and Physical Laws
在计算和复杂性背景下构建的信息流与认知过程和意识的理解相关。在本文中,我们首先分析了近年来在信息与整合理论(IIT)下发展起来的一个基于认知信息集分区之间的相互作用的信息理论框架。我们讨论了这些想法的范围和局限性,介绍了相关的措施划分信息集。我们引入了一套假设,将认知描述为空间和时间中事件的偏序集合。我们认为,相关的顺序和并发计算的概念,在一个理想化的最小认知设备。基本认知链的概念形式化了认知的时间界限。
2014-02-26 q-bio.NC
Towards a (meta-)mathematical theory of consciousness: universal (mapping) properties of experience
本文提出用范畴论作为元数学框架分析意识理论,证明信息整合理论(IIT)的六条公理均可由普遍映射性质导出,从而为意识的(元)数学理论奠定形式基础,并提出“意识是一种普遍性质”的格言。
2025-07-03 q-bio.NC
Dissociating Artificial Intelligence from Artificial Consciousness
University of Wisconsin(威斯康星大学);Brock University(布洛克大学);Allen Institute(艾伦研究所)
本文基于整合信息理论(IIT)证明,两个功能等价的系统在现象上可能不等价,数字计算机可模拟人类行为而不复制其体验,从而将人工智能与人工意识分离。
2025-03-03 cs.AI cs.CY q-bio.NC
Integrated information in the thermodynamic limit
整合信息的能力是生物和认知系统的一个显着特征。集成信息理论(IIT)提供了一种数学方法来量化系统中的集成水平,但其计算成本通常排除了其应用范围,超出了相对较小的模型。因此,它还没有很好地理解集成规模与系统的大小或不同的时间尺度的活动,也没有一个系统如何保持其集成,因为它与环境的相互作用。在这里,我们第一次展示了当系统变得非常大时,信息集成尺度的测量方法。使用动力伊辛模型和平均场近似统计力学,我们表明,信息集成发散在某些临界点的热力学极限。此外,通过比较系统块体在这些临界点上的不同趋异趋势,我们划定了一个完整单元与其环境之间的边界。最后,我们提出了一个模型,自适应地保持其集成,尽管在其环境的变化,通过生成一个关键的表面,其完整性得到保留。我们认为,这些极限情况下的综合信息的探索有助于解决各种不了解的生物,神经和认知系统的组织问题。
2018-07-04 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Astrocyte-induced positive integrated information in neuroglial ensembles
综合信息是信息理论中的一个定量指标,它衡量了一个系统的所有部分在信息交换方面相互联系的紧密程度。在这项研究中,我们表明,星形胶质细胞,在神经元之间的信息传递的调节中起着重要的作用,可能有助于产生积极的整合信息的神经元集合。分析和数值计算表明,星形胶质细胞的存在可能是必不可少的神经星形胶质细胞系综的信息属性。此外,所提出的“尖峰爆发”机制产生积极的综合信息是通用的,并不限于神经胶质细胞网络,并给出了一个完整的分析描述。
2018-08-08 q-bio.NC
Embodied Consciousness Theory
神秘的意识现象,在几千年来一直是哲学关注的主题之后,在最近几十年里吸引了许多科学好奇心;许多来自不同科学领域的聪明人都在试图阐明这一点。目前的神经科学知识允许我们设想意识的物理方面背后的神经过程,无论它的经验背后是什么,没有物理标志,尽管在最近的努力中获得了很好的基础,但仍然是一个谜:在已知的理论中,如全球工作空间理论(GWT)[1]和整合信息理论(IIT)[2],巨大的努力未能提供一个坚实的意识理论:前者提出了一个关于“有意识的精神努力”的神经基础的简单假设,而后者假设“经验是大脑的内在属性”,阐明了它是如何通过基于某些信息的神经活动过渡到其物理基础的。目前的工作提出了一个理论的意识,植根于简单和直接的影响,计算操作的大脑是一致的众所周知的事实和最近的发现,这表明存在运动皮层活动在中继意识的经验。尽管简单,该理论提供了物理主义的基础[3],以及对意识的一些Meta水平的问题的答案。
2020-10-21 q-bio.NC
Integrated Information and Metastability in Systems of Coupled Oscillators
已经表明,模块化网络中的振荡器组可以表现出丰富多样的亚稳态嵌合体状态,其中同步和去同步共存。独立地,在整合信息理论的幌子下,研究人员试图量化复杂动力系统呈现整合和分离活动平衡的程度。在本文中,我们把这两个领域的研究一起表明,系统的振荡器的问题表现出一个关键的峰值的综合信息,与其他措施,如亚稳性和联盟熵的峰值相吻合。
2016-06-27 q-bio.NC
Estimations of Integrated Information Based on Algorithmic Complexity and Dynamic Querying
信息的概念本身已经成为一种语言,连接了分析自然现象和人造系统的多个学科。综合信息已被作为一种度量标准引入,以量化系统生成的信息量,而不是其元素生成的信息。然而,这个有趣的概念伴随着计算的代价,因为计算需要指数数量的系统细分。在这里,我们介绍了一种新的框架,连接算法的随机性和综合信息和数值方法,用于估计综合信息使用的扰动测试植根于算法的信息动力学。该方法量化了系统在受到扰动时程序大小的变化。背后的直觉是,如果一个对象是随机的,那么随机扰动对较短的程序所发生的事情几乎没有影响,但是当一个对象有能力在两个方向上移动(朝向或远离随机性)时,它将被证明可以更好地集成为复杂性的度量,区分随机性和简单性。我们表明,具有高集成信息值的对象也是更可压缩的,因此,更敏感的扰动。我们发现,这样的扰动测试量化压缩敏感性提供了一个系统的手段来提取解释-因果帐户-自己的行为。我们的技术可以减少计算的数量,以达到一些界限或估计,作为算法的扰动测试引导一个有效的搜索估计综合信息。我们的工作为在理论和实践层面上系统地探索算法复杂性和综合信息之间的联系奠定了基础。
2019-06-06 q-bio.NC
Integrated Information in the Spiking-Bursting Stochastic Model
本研究提出了一个全面的分析描述的经验“整体减和”版本的综合信息相比,“解码器为基础”的版本的“尖峰爆发”离散时间,离散状态的随机模型,这是最近推出的描述一种特定类型的动态神经元星形胶质细胞网络。“整体减和”的信息可能会改变符号,并在“净协同作用”的这种转变的解释是在文献中。这促使我们特别感兴趣的符号的“整体减和”信息在我们的分析考虑。的行为的“全减和”和“基于解码器”的信息措施被发现承担了很多的相似性,显示它们的相互渐近收敛的时间不相关的活动增加,与符号过渡的“全减和”的信息相关联的快速增长的“基于解码器”的信息。这项研究的目的是创建一个理论基础,使用尖峰爆发模型作为一个很好理解的参考点,应用综合信息的概念,表现出类似的突发行为的系统(特别是神经元-星形胶质细胞网络)。该模型也可以作为一个新的离散状态测试台不同配方的综合信息的兴趣。
2019-09-06 q-bio.NC
Improved Measures of Integrated Information
虽然有越来越多的兴趣在计算和认知系统中测量综合信息,目前的方法在实践中这样做是计算上不可行的。现有的和新的集成措施进行了调查和分类的各种理想的属性。一个简单的分类Phi措施,他们每个人的特点是他们的选择的因式分解方法(5个选项),选择的概率分布比较(3x 4选项)和选择的测量比较概率分布(7个选项)。当要求Phi-测度满足最小的吸引性质时,这数百个选项减少到只有少数几个,其中一些是相同的。有用的精确和近似公式推导出,可以应用到现实世界的数据,从实验室实验,而不构成不合理的计算需求。
2016-11-29 q-bio.NC
Recency effect disappears when information is integrated from independent perceptual sources
本研究探讨了个体整合离散感觉证据的认知机制,发现当信息来自同一知觉来源时存在序列依赖效应,而来自独立正交来源时该效应消失,突显了知觉独立性对信息整合与决策的重要作用。
2025-06-26 q-bio.NC
Information Integration In Large Brain Networks
神经科学中一个突出的问题是了解信息是如何在大脑的许多模块中整合的。虽然经典的信息论测量方法已经改变了我们对大脑感觉外围的前馈信息处理的理解,但在大脑其他部分的大规模循环网络中,缺乏类似的信息流测量方法。为了解决这个问题,最近的工作在信息理论已经产生了一个健全的措施,网络范围内的“综合信息”,这可以估计从时间序列数据。但是,计算障碍阻碍了测量真实大脑中大规模信息整合的尝试。具体来说,综合信息的测量涉及到对网络信息“最弱环节”的组合搜索,这是一个计算时间随网络规模呈超指数级增长的过程。在这里,我们表明,谱聚类,应用于时间序列数据的相关矩阵,提供了一个近似的,但强大的解决方案,寻找大型网络的信息最薄弱的环节。这将大型系统中集成信息的计算时间从比宇宙寿命更长的时间减少到几分钟。我们评估这种解决方案的耦合振荡器,以及在高密度的皮质电图数据从两个猕猴的类脑系统,并显示信息的“最薄弱环节”的猴子皮层分裂后的感觉区从前联合区。最后,我们使用我们的解决方案提供证据支持长期存在的假设,即信息集成最大化的网络具有高的全球效率,模块化的网络结构促进信息的隔离。
2019-02-08 q-bio.NC
Consciousness as Uncommon Self-Knowledge: A Synergistic Information Framework
Stanford University(斯坦福大学)
本文提出罕见自我知识作为意识的标准,通过协同信息框架区分意识与元认知,解决IIT等理论的反例,并提供可操作的实证预测。
2026-05-11 cs.AI q-bio.NC
Beyond integrated information: A taxonomy of information dynamics phenomena
大多数信息动力学和统计因果分析框架依赖于共同的直觉,即因果相互作用本质上是成对的-每个“原因”变量都有一个相关的“效果”变量,因此可以在它们之间绘制“因果箭头”。然而,将相互依赖性描述为有向图的分析无法区分可以在系统内共存的丰富多样的信息流模式。这反过来又给试图将“动态复杂性”或“综合信息”的概念操作化带来了问题。为了解决这个缺点,我们结合部分信息分解和综合信息的概念,并获得我们所谓的综合信息分解,或$Φ$ ID。我们展示了如何$Φ$ ID铺平了道路,更详细的分析,在多元时间序列的相互依赖关系,并揭示了集体模式的信息动态,以前没有报道。此外,$Φ$ ID揭示了通常被称为“整合”的东西实际上是几种异质现象的集合。此外,$Φ$ ID可用于制定新的、定制的综合信息度量,以及理解和减轻现有度量的局限性。
2019-09-05 physics.data-an q-bio.NC
Existence of an infinite family of substrates satisfying all the postulates of integrated information theory, exclusion included, with arbitrarily large integrated information
该研究构造了满足整合信息理论全部公设(含排斥性)的无限族基底,其整合信息随单元数二次方幂增长。
2026-10-05 cs.IT math.IT q-bio.NC
Towards an extended taxonomy of information dynamics via Integrated Information Decomposition
从人脑到全球经济的复杂系统是由多种因素组成的,这些因素以这样的方式相互作用,以至于“整体”的行为似乎往往比用“各部分之和”来解释更容易。“我们理解和控制这些系统的能力仍然有限,其中一个原因是我们仍然不知道如何最好地描述和量化高阶动力学相互作用,这些相互作用增加了它们的复杂性。为了解决这个问题,我们结合信息分解和集成信息理论的原则,我们称之为集成信息分解,或$Φ$ ID。$Φ$ ID提供了一个全面的框架,原因,评估和理解复杂的多变量系统的信息动态。$Φ$ ID揭示了以前未报告的集体信息流模式的存在,提供了工具来表达众所周知的信息传输和动态复杂性的措施,这些模式的聚合。通过计算和实证的例子,我们证明,$Φ$ ID扩展了我们的解释能力超越传统的因果发现方法-跨学科的复杂系统的研究具有深远的影响。
2021-09-27 physics.data-an q-bio.NC
Considering dynamical synergy and integrated information; the unusual case of minimum mutual information
本文研究了二元动态过程中时间协同与整合信息的估计问题,揭示了基于最小互信息的协同估计量存在无法区分真正整合系统与一阶自相关非整合系统等数学局限性,并推导了整合信息减少而协同性增加的条件及其对神经科学等领域的影响。
2024-07-23 cs.IT math.IT q-bio.NC
Is Consciousness Computable? Quantifying Integrated Information Using Algorithmic Information Theory
在这篇文章中,我们回顾了Tononi(2008)的意识作为整合信息的理论。我们认为,以前的形式化的综合信息(如格里菲斯,2014)取决于信息损失。由于有损集成将需要不断损害现有的记忆,我们建议它是更自然的框架意识作为一个无损的整合过程,并提供了一个形式化的这个想法使用算法信息论。我们证明,完全无损集成需要不可计算的功能。这一结果意味着,如果单一意识存在,它就无法通过计算建模。
2014-05-01 cs.IT math.IT q-bio.NC
Upper bounds for integrated information
本文研究整合信息的上界及其实现条件,提出共享部分的机制无法同时达到最大值的理论结果,并引入系统设计技术以最大化机制或关系的整合信息,可用于减少计算和比较连接模式。
2024-04-21 math.DS math.PR q-bio.NC
How Morphological Computation shapes Integrated Information in Embodied Agents
集成信息理论为意识提供了一种定量的方法,并可应用于神经网络。由这样的网络控制的具体代理影响并被其环境影响。这涉及到,一方面,形态计算内的目标导向的行动,另一方面,综合信息内的控制器,代理人的大脑。在这篇文章中,我们结合不同的方法,以检查信息流之间和内部的身体,大脑和环境的代理。这使我们能够将各种信息流相互关联。我们在一个简单的实验设置测试这个框架。在那里,我们计算的最优策略为目标导向的行为的基础上的“规划作为推理”的方法,其中的信息几何EM算法被用来优化目标的可能性。形态学计算和综合信息,然后计算相对于最优策略。在不断变化的形态环境下比较这些措施的动态,突出了这两个概念之间的对立关系。涉及的形态学计算越多,大脑内部所需的信息整合就越少。为了确定大脑对智能体行为的影响,有必要额外测量进出大脑的信息流。
2021-11-29 cs.IT math.IT q-bio.NC
Integrated Information as a Metric for Group Interaction: Analyzing Human and Computer Groups Using a Technique Developed to Measure Consciousness
许多学科的研究人员以前使用过各种数学技术来分析群体互动。在这里,我们使用了一个新的指标,称为“综合信息”或“phi”。Phi最初是由神经科学家开发的,作为大脑意识的衡量标准,但它在一个单一的数学数量中捕获了两个在许多其他类型的群体中也很重要的特性:差异化信息和整合。在这里,我们将此指标应用于涉及人和计算机的三种类型的组的活动。首先,我们发现,具有较高测量phi的4人工作组更有效地执行广泛的任务,如他们的集体智慧所衡量的。接下来,我们发现具有更高测量phi的维基百科编辑组创建更高质量的文章。最后,我们发现,在最近的六年时间里,在互联网上通信的人和计算机的集合的测量phi增加。总之,这些结果表明,综合信息可以是一个有用的方式来表征某种干扰的复杂性,至少有时,预测组的表现。从这个意义上说,phi可以被看作是一个有效的团队合作的潜在指标。由于该指标最初是作为一种意识的衡量标准而开发的,因此这些结果也提出了一些有趣的问题,即在何种条件下将群体视为具有某种意识可能是有用的。
2017-02-08 cs.SI q-bio.NC
Integrated Information Decomposition Unveils Major Structural Traits of $In$ $Silico$ and $In$ $Vitro$ Neuronal Networks
研究将Φ-ID用于计算机模拟和体外神经元网络数据,把传递熵分解为协同、冗余和唯一信息传递,发现唯一信息最能揭示底层结构拓扑。
2024-06-17 cond-mat.dis-nn q-bio.NC
Unambiguous Representations in Neural Networks: An Information-Theoretic Approach to Intentionality
University of Tübingen(图宾根大学)
本文用信息论定义表征歧义度,通过实验证明神经网络连接结构可无歧义编码表征内容,且歧义度与行为准确率正交。
2026-06-06 cs.AI cs.NE q-bio.NC
Spectral Modes of Network Dynamics Reveal Increased Informational Complexity Near Criticality
动态网络系统的信息复杂性告诉我们这些复杂系统的内在机制和功能是什么?最近的复杂性措施,如综合信息试图操作这个问题,采取整体与部分的角度来看,其中一个显式计算的信息量由网络作为一个整体产生的超过其部分的总和在状态转换期间产生的。虽然存在用于估计网络综合信息的几种数值方案,但追求将综合信息计算为网络权重的函数的分析方法是有益的。我们制定的综合信息使用的Kullback-Leibler分歧之间的多变量分布的网络状态的集合与相应的分解分布在其部分。实现随机高斯动力学,我们进行计算的几个原型网络拓扑结构。我们的研究结果表明,在临界状态附近,信息复杂性增加,这在网络拓扑结构中保持一致。系统动力学的谱分解揭示了信息复杂性是如何由网络的协方差矩阵和邻接矩阵的本征模决定的。我们发现,作为系统的动力学接近临界,高集成的信息是专门由对应于协方差矩阵的领先的本征值的本征模式,而子领先模式得到抑制。这一结果的含义是,它可能是有利的复杂的动态网络系统,如人类大脑或通信系统,以接近临界运行,从而实现有效的信息集成。
2017-07-05 cs.NE physics.soc-ph q-bio.NC
PyPhi: A toolbox for integrated information theory
Neuroscience Training Program, University of Wisconsin–Madison(威斯康星大学麦迪逊分校神经科学培训项目);Wisconsin Institute for Sleep and Consciousness, University of Wisconsin–Madison(威斯康星大学麦迪逊分校威斯康星睡眠与意识研究所)
综合信息论提供了一个数学框架,充分表征物理系统的因果结构。在这里,我们介绍PyPhi,一个Python软件包,它实现了因果分析的框架,并展开了二进制元素的离散动力系统的完整因果结构。该软件允许用户轻松地研究这些结构,作为一个最新的参考实现的形式主义的综合信息理论,并已被应用于研究的复杂性,出现,和某些生物问题。我们首先提供了一个主要的算法的概述,并在分析一个示例系统的过程中演示PyPhi的功能,然后描述算法的设计和实现的细节。PyPhi可以通过命令'pip install pyphi'与Python的包管理器一起安装在配备Python 3.4或更高版本的Linux和macOS系统上。PyPhi是开源的,并在GPL v3下授权;源代码托管在GitHub上https://github.com/wmayner/pyphi。全面和不断更新的文档可在https://pyphi.readthedocs.io/上获得。可以通过https://groups.google.com/forum/#加入pyphi-users邮件列表!forum/pyphi-users .该软件的基于网络的图形界面可在http://integratedinformationtheory.org/calculate.html上获得。
2018-06-27 cs.AI q-bio.NC q-bio.QM
Mutual Information in Coupled Double Quantum Dots: A Simple Analytic Model for Potential Artificial Consciousness
Department of Chemical Engineering, Kyoto University(京都大学化学工程系)
本研究提出耦合双量子点模型,通过计算互信息作为整合信息度量,证明量子点间相互作用增强可提高互信息,为人工意识研究提供基础工具。
2026-09-15 cond-mat.stat-mech cs.ET q-bio.NC
The Global Dynamical Complexity of the Human Brain Network
大型大脑网络作为一个整体整合了多少信息?这种网络的动态复杂性能否以信息论的方式进行全局量化,并与大脑功能进行有意义的耦合?最近,已经提出了动态复杂性的措施,如集成信息。然而,与这些措施相关的分区的标准化和贝尔数相关的问题使得这些方法在计算上对于大规模大脑网络是不可行的。我们这项工作的目标就是解决这个问题。我们制定的网络集成信息是基于网络状态集上的多变量分布与其部分上的相应因子分解分布之间的Kullback-Leibler分歧。我们发现,实现最大信息分区优化计算。这些方法非常适合于具有线性随机动态的大型网络。我们计算的综合信息,系统的吸引子状态,以及网络的非平稳动态状态。然后,我们将这种形式主义应用于大脑网络,以计算人脑连接体的整合信息。与随机重新布线的网络相比,我们发现大脑的特定拓扑结构产生更大的信息复杂性。
2016-12-21 cs.IT math.DS math.IT
Integrated Information and Autonomy in the Thermodynamic Limit
自主性的概念是理解生物组织和生命系统进化过渡的基础。理解一个系统如何将自己构成为一个独立的、有凝聚力的、自组织的实体,是理解生命的一个根本挑战。然而,确定系统或其环境是否产生了允许观察者将生命系统的边界作为一个连贯单元来追踪的相关性通常是一项困难的任务。受综合信息理论框架的启发,我们提出了一个系统的集成水平的措施,作为系统的分区,引入扰动子系统之间的相互作用的响应,而不假设存在一个固定的分布。随着在热力学极限的综合信息的特征转换的目标,我们采用这种措施的动力学伊辛模型的无限大小的平均场技术。我们的研究结果表明,为了保持一个系统的因果影响的整合,因为它的规模增长,一个生命体必须在临界点附近的平衡,最大限度地提高其灵敏度的扰动子系统之间的相互作用。此外,我们观察到这样的措施是如何能够划定代理和它的环境,能够表征简单的情况下,代理环境不对称的代理有能力调节其与环境的耦合。
2019-02-05 cond-mat.dis-nn cond-mat.stat-mech nlin.AO