资讯统整理论

整合信息论（英语：Integrated information theory，IIT）是个尝试解释意识并且将其量化的理论，尝试解释意识是什么，以及意识为什么可能与某些物理系统有关联。该理论还会预测这种与意识相关的物理系统是否具有意识，意识程度为何，还有正在经历怎样的特殊经验。根据IIT的观点，一个系统的意识（它的主观感受）被设想为与其因果属性（它的客观样貌）完全相同。因此我们可以借由揭示物理系统的完整因果力来理解其意识体验。（请参阅主要同一性）？

IIT是由威斯康辛大学的精神病学家和神经科学家朱利奥·托诺尼于2004年提出。该理论的最新版本称为IIT 3.0，于2014年发布。

本理论是基于两项重要的生理观察结论，第一个是每一个被观察到的意识状态都包含将近无穷的资讯。以看电影为例，当人看到电影画面的每一个单一影格，人脑会立刻将画面转换成“特定意识感知”。和数码相机不同，人脑会将画面中所看到的所有事物组合起来（明暗、颜色、线条、图型、辨识出的物体、整个场景内容)，这些复杂的组合在数学上将会投射到一个特定的意识空间中的某个区域，这可以导出第二个观察结论。

从意识状态里所得到的所有资讯是完全地和自然地整合在我们的心智活动里，要让人脑分开感知并且了解事物是不可能的。

戴维·查尔莫斯认为，任何以纯粹的物理术语来解释意识的尝试（亦即，从当前的物理定律出发，推究出意识是必要的且必然的存在）最终都会遇到所谓的“困难问题”。但是IIT并非试图由物理原理得出意识，而是“从意识出发”（肯定意识的存在性），进而论证物理基质需具备什么特性，才得以解释意识存在性。这种从现象学到机械论的跨越是以IIT的假设为基础才得以完成，也就是“意识经验的形式属性如果可以完全由底层物理系统解释，那么这个物理系统的属性就必须受到经验属性的约束。”

具体而言，IIT试图厘清意识经验的本质属性，称作“公理”（axioms），再由此找出有意识的物理系统所具有的本质属性，称作“公设”（postulates），进而从现象学转向机械论。

这些公理是为了捕获每种意识经验的本质，每条公理都应该适用所有可能产生的经验。

随着理论发展，公理的用词也略有变化，关于最新、最完整的公理陈述如下：

公理描述了意识经验中的规律性，而IIT试图对这些规律性进行解释。什么东西能够解释每一种都是存在的、结构化的、特定的、统一的、绝对的经验呢？IIT认为，一个具有这些相同属性的潜在因果系统的存在，提供了最简洁的解释。因此，如果物理系统是有意识的，那么所凭借的就是其因果属性。

有意识的物理基质所需的属性被称为“公设”，因为这种物理基质的存在本身就只是个假设（记住，IIT坚持人们唯一可以确信的是自身意识的存在）。在下面的内容中，“物理系统”被认为是一组元素，每个元素都有两个或更多的内部状态，影响该状态的输入，以及受该状态影响的输出（神经元或逻辑门是自然的例子）。因此给出“物理系统”的定义，公设如下：

有关IIT的数学形式，完整而透彻的说明请参考。以下内容旨在作为简要摘要，从中涉及的最重要的定量中改编而来。在参考资料中可以找到用于定量计算的算法之虚拟码。 直观说明请参阅描述PyPhi工具箱的论文补充材料。

系统是一组元素，每个元素具有两个以上的内部状态，还有影响该状态之输入以及受该状态影响之输出。机制是系统元素的子集。下面的机制级别的参量用于评估任何给定机制的整合，而系统级别的参量则用于评估机制集（“集合集”）的整合。

为了将IIT形式主义应用于系统，必须知道系统的完全转移几率矩阵（TPM）。TPM规定了所有系统状态转换的几率。以下每个参量是根据系统的TPM，以自下而上的方式计算。

请注意，$Z_{t-<!--\; -\; -->1}$ 可能与$Z_{t+1}$有所不同，因为受机制影响的元素可能不同于影响它的元素。

$P_{t\pm <!--\; \pm \; -->1}$ 表示一对分区，其中一个分区是在观察机制的原因时考虑的，另一个分区是在观察其效果时考虑的。

关于 $P_{t-<!--\; -\; -->1}$ 的因果库之不可简化性被给定为 ${\mathrm{\phi <!--\; \phi \; -->}}_{\text{cause}}(m_t,Z_{t-<!--\; -\; -->1},P_{t-<!--\; -\; -->1})=\text{EMD}(p_{\text{cause}}(z_{t-<!--\; -\; -->1}|m_t),p_{\text{cause}}(z_{1,t-<!--\; -\; -->1}|m_{1,t})\times <!--\; \times \; -->p_{\text{cause}}(z_{2,t-<!--\; -\; -->1}|m_{2,t}))$，对于$P_{t+1}$因果库亦同。

${\mathrm{\phi <!--\; \phi \; -->}}_{\text{cause}}$ 和 ${\mathrm{\phi <!--\; \phi \; -->}}_{\text{effect}}$ 相结合，得出作为整体之$\text{CER}$的不可简化性：$\mathrm{\phi <!--\; \phi \; -->}(m_t,Z_{t\pm <!--\; \pm \; -->1},P_{t\pm <!--\; \pm \; -->1})=min({\mathrm{\phi <!--\; \phi \; -->}}_{\text{cause}}(m_t,Z_{t-<!--\; -\; -->1},P_{t-<!--\; -\; -->1}),{\mathrm{\phi <!--\; \phi \; -->}}_{\text{effect}}(m_t,Z_{t+1},P_{t+1})).$

请注意，尽管最小资讯分区的名称有“分区”，但最小资讯“分区”实际上是一对分区。我们称这对分区为${\text{MIP}}_{\text{cause}}$ 和 ${\text{MIP}}_{\text{effect}}$。

我们称这种元素的选择为 $Z_{t\pm <!--\; \pm \; -->1}^{\ast <!--\; \ast \; -->}=\{Z_{t-<!--\; -\; -->1}^{\ast <!--\; \ast \; -->},Z_{t+1}^{\ast <!--\; \ast \; -->}\}$，并且说这个选择指定了一个最大不可简化因果库（maximally irreducible cause-effect repertoire）。形式上，$Z_{t-<!--\; -\; -->1}^{\ast <!--\; \ast \; -->}=\{\text{*}<!--\; \; -->{\arg max}_{Z_{t-<!--\; -\; -->1}}({\mathrm{\phi <!--\; \phi \; -->}}_{\text{cause}}(m_t,Z_{t-<!--\; -\; -->1},{\text{MIP}}_{\text{cause}}))\}$ 和 $Z_{t+1}^{\ast <!--\; \ast \; -->}=\{\text{*}<!--\; \; -->{\arg max}_{Z_{t+1}}({\mathrm{\phi <!--\; \phi \; -->}}_{\text{effect}}(m_t,Z_{t+1},{\text{MIP}}_{\text{effect}}))\}$。

$m_t$ 的内在因果力（intrinsic cause-effect power）是概念的强度，给出如下：${\mathrm{\phi <!--\; \phi \; -->}}^{\text{Max}}(m_t)=\mathrm{\phi <!--\; \phi \; -->}(m_t,Z_{t\pm <!--\; \pm \; -->1}^{\ast <!--\; \ast \; -->},\text{MIP})=min({\mathrm{\phi <!--\; \phi \; -->}}_{\text{cause}}(m_t,Z_{t-<!--\; -\; -->1}^{\ast <!--\; \ast \; -->},{\text{MIP}}_{\text{cause}}),{\mathrm{\phi <!--\; \phi \; -->}}_{\text{effect}}(m_t,Z_{t+1}^{\ast <!--\; \ast \; -->},{\text{MIP}}_{\text{effect}}))$

在XEMD中，要运输的“地球”是内在因果力 (${\mathrm{\phi <!--\; \phi \; -->}}^{\text{Max}}$)，以及在因果库 $A_{\text{cause}}$ 和 $B_{\text{cause}}$以及因果库 $A_{\text{effect}}$ 和 $B_{\text{effect}}$的情况下，概念 $A$ 和概念 $B$之间的地面距离由下式给出： $\text{EMD}(A_{\text{cause}},B_{\text{cause}})+\text{EMD}(A_{\text{effect}},B_{\text{effect}})$.

对于有${\displaystyle N}$个简单二元元素的系统而言，因果空间是由${\displaystyle 2\times <!--\; \times \; -->2^N}$轴组成，每个轴对应于每个系统可能的过去状态和未来状态。任一因果库规定了系统每种可能的过去和未来状态的几率，可被轻易绘成为这种高维空间中的一个点：该点在每个轴的位置由${\displaystyle R}$指定的状态几率给出 。若一个点也具有标量值（可以非正式地想像为该点的“尺寸”），则概念可以用这种方式轻松表示：该概念的因果库指定了该点在因果空间的位置，以及概念的${\displaystyle {\mathrm{\phi <!--\; \phi \; -->}}^{\text{Max}}}$值指定该点的数值。

如此一来，概念结构${\displaystyle C}$可以绘制为因果空间中的点组成的星座图（constellation）。 每个点称为星（star），每个星的数值（ ${\displaystyle {\mathrm{\phi <!--\; \phi \; -->}}^{\text{Max}}}$ ）是它的尺寸（size） 。

IIT借由提出经验的现象学性质和物理系统的因果性质之间的同一性来解决心物问题 ：“由状态中的复杂元素指定的概念结构与其经验相同。”

具体来说，因果空间中概念结构的形式完全规定了经验的性质，而概念结构的不可简化性${\displaystyle {\mathrm{\Phi <!--\; \Phi \; -->}}^{\text{Max}}}$指定了其存在的级别（亦即复合体的意识级别）。在概念结构中，每个概念对经验品质的贡献是由其最大不可简化的因果库所规定，而概念结构的不可简化性${\displaystyle {\mathrm{\phi <!--\; \phi \; -->}}^{\text{Max}}}$则指定该概念在经验中的存在量。

根据IIT的说法，经验是在某种状态下一系列复杂机制的内在属性。

即使只是中等规模的系统，${\displaystyle {\mathrm{\Phi <!--\; \Phi \; -->}}^{\text{Max}}}$通常还是难以计算 ，学者为此努力开发整合资讯的启发式度量或代理度量。举例来说，大泉匡史和同事开发了${\displaystyle {\mathrm{\Phi <!--\; \Phi \; -->}}^{\ast <!--\; \ast \; -->}}$ 和几何整合资讯${\displaystyle {\mathrm{\Phi <!--\; \Phi \; -->}}^G}$ ，这些是整合资讯的实际近似值，与阿尼尔·赛斯（英语：Anil Seth）（Anil Seth）和亚当·巴瑞特（Adam Barrett）先前制定的代理度量有关。 但是，这些代理度量均未在数学上证明与与实际值${\displaystyle {\mathrm{\Phi <!--\; \Phi \; -->}}^{\text{Max}}}$有关，这使得对使用代理度量的分析解释变得十分麻烦。即使应用在极小的系统上，仍会给出不同的定性结果。

整合资讯的重大计算挑战是找到神经系统的最小资讯分区 ，这需要遍历所有可能的网络分区。 为了解决此问题，Daniel Toker和Friedrich T. Sommer表明，系统动力学相关矩阵的频谱分解是最小资讯分区的一种快速而强健的代理。

虽然 用于评定系统的${\displaystyle {\mathrm{\Phi <!--\; \Phi \; -->}}^{\text{Max}}}$的算法以及概念结构相对简洁，然而因其时间复杂度过高，导致许多有趣系统的计算难以处理 。启发法和近似法有时可以大致估算复杂系统的整合资讯，但是通常不大可能给出精确的计算。这些计算上的挑战，再加上在实验条件下可靠而准确地评估意识的任务本身已经很艰难，使得许多理论预测难以验证。

尽管存在这些挑战，研究人员仍试着利用资讯整合和差异化的方法，评定不同受试者的意识层次。 举例来说，近期一项研究使用了${\displaystyle {\mathrm{\Phi <!--\; \Phi \; -->}}^{\text{Max}}}$较少的代理，能够可靠地区分清醒、睡眠（做梦与非做梦）、麻醉和昏迷（植物性，极低度意识与闭锁）中不同的意识层次。

IIT还做出了一些与现有实验证据相吻合的预测，并且可以用来解释意识研究中的一些反直觉的发现。例如，可以使用IIT来解释为何某些大脑区域（如小脑）占了一定大小的尺寸且功能十分重要，但似乎对意识没有贡献。

整合信息论受到了广泛的批评和支持。

协助开发该理论的神经科学家克里斯托夫·科赫称IIT为“唯一真正有前途的意识基础理论”。 技术人员和前IIT研究员维吉尔·格里菲斯（Virgil Griffith）表示：“IIT目前是意识理论的前沿。”但是，对于 IIT是否是有效理论，他的回答是“可能不对。”

神经科学家和意识研究者阿尼尔·赛斯（英语：Anil Seth）对这理论表示支持，并提出几点注意事项，他主张“意识体验是高度资讯化的，而且总是整合的。”；“从IIT可立即得知，对于我们所知道的关于意识的某些事情有很好的事后解释。”但他也声称，“我认为IIT中不那么有希望的部分是它声称整合资讯实际上就是意识，认为两者之间存在同一性。”，并批评了该理论的泛心论（Panpsychism）推断。

以提出意识难题而闻名的哲学家戴维·查尔莫斯对IIT表达一些兴致。在查尔莫斯看来，IIT是朝着正确方向发展的，无论是否正确。

丹尼尔·丹尼特认为IIT是一种“以新颖方式使用香农资讯论的整合资讯”所描述的意识理论。因此，“‘关于性’（aboutness）的作用非常有限：它会去度量系统或机制先前所拥有关于自身状态的香农资讯量。（亦即所有部分的状态）”。

物理学家马克斯·泰格马克也对 IIT 的方法表示了一定支持，并认为这与他自己关于意识是一种“物质状态”的想法相一致。泰格马克也试图解决计算背后的计算复杂性问题。根据马克斯·泰格马克的说法，“ IIT所提出的整合度量在计算上对于大型系统来说是不可行的，随着系统资讯含量的增加，其计算量会以超指数的方式成长” 因此，Φ在一般情况下只能被近似处理。然而，对Φ的不同近似方法却给出了截然不同的结果。其他工作表明，在一些大型平均场神经网络模型中可以算出Φ，不过该理论有些假设必须修改以捕获这些大型系统的相变。

IIT开发人员的乐观观点并不为整个科学界所认同。根据一封写给国家健康研究所的公开信，IIT作为一种意识理论的说法“目前尚未获得科学界认可或检验”，神经科学学会的前主席，以及多位国家科学院和皇家学会的成员签署这封公开信，他们希望看到资金投向更多研究意识状态和无意识状态的神经机制的经验性计划。

有人批评说，IIT作为意识理论的主张“目前未获科学上的确认或检验”。然而，尽管IIT所建议的完整分析目前确实无法在人脑上完成，但IIT已经被应用于视觉皮层模型，严谨而成功地解释为什么视觉空间会有这样的感觉。

神经科学家比约恩·梅克（英语：Björn Merker）（Björn Merker）、大卫·汝道夫（David Rudrauf）和哲学家肯尼思·威里福特（Kenneth Williford）共同撰写了一篇论文，基于几个理由批评了IIT。首先，未证明事实上结合整合和差异化的系统的所有成员在正式的IIT意义上都是有意识的，表现出高水准的资讯整合和差异化的系统可能提供了意识的必要条件，但这些属性的组合并不等同于意识的条件。其次，度量值Φ反映的是全局资讯传输的效率，而非意识程度，Φ在不同清醒状态（如清醒、有梦睡眠和无梦睡眠、麻醉、癫痫和昏迷）与意识程度的相关性实际上反映的是皮质参与的有效网络互动程度。因此，Φ反映的是网络效率而非意识，而意识是皮质网络效率所提供的功能之一。当然，IIT强调了所有五个公设被满足的重要性（不是只有资讯和整合），并没有声称Φ与意识相同，这削弱了这些作者在IIT主题上的批评基础。。

普林斯顿大学的神经学家迈克尔·格拉齐亚诺（英语：Michael Graziano）（ Michael Graziano，注意力基模理论的提出者）将 IIT 视为伪科学。他声称 IIT 是一种“魔法理论”（ magicalist theory），“没有机会在科学上成功或被人理解”。

理论计算机科学家斯科特·亚伦森（英语：Scott Aaronson） （ Scott Aaronson）批评了IIT，他借由IIT自身的公式来证明，无作用的串联逻辑门只要以正确方式布局，不仅会拥有意识，而且“远比人类有意识”。 托诺尼本人也同意这一评估，并指出，根据IIT的说法，即使是更简单的无作用逻辑门配置，如果足够大也会拥有意识。但是他进一步指出，这是IIT的优点，而不是缺点。

由58位参与意识科学研究的学者所撰写的同行评议，否定了这些关于逻辑门的结论，认为它们是“神秘和不可证伪的主张”，应与“实际有生产力的假说”有所区别。 IIT作为一种科学的意识理论，在科学文献中被批评为根据其定义只能“要么是错误的，要么是不科学的”。IIT也被意识领域的其他成员指责为需要“不科学的信仰飞跃”。该理论也因未能回答意识理论所要求的基本问题而受到批评。哲学家亚当·鲍茨（Adam Pautz）说，“只要IIT的支持者不解决这些问题，他们就等于尚未提出可评论真假的明确理论。”

有影响力的哲学家约翰·希尔勒曾对理论进行过批判，他称：“理论意味着泛心论”，“泛心论的问题不在于它是错的，而是它连成为错误的资格都没有。严格来说，它并没有意义，因为没有给这个主张一个明确的概念”。然而，一个理论是否有泛心论的含义（即所有或大部分物理上存在的东西必须是，某种有意识的事物的一部分，或者是由有意识的事物组成）与该理论的科学性无关。希尔勒的观点也遭到其他哲学家的反驳，认为他误解并歪曲了一个与他自己的想法有共鸣的理论。

IIT的数学也受到了批评，因为“具有高Φ值需要高度特定的结构，而这受到微扰会变得不稳定”。这种对微小扰动的敏感性与人脑神经可塑性的实验结果不一致。

哲学家蒂姆·贝恩（英语：Tim Bayne）（Tim Bayne）批评了该理论的公理基础。 他得出的结论是，托诺尼等人的所谓“公理”并非真正的公理。

整合信息论也在各方面受到批评，包括：