信息、意识及其从神经动力学中的涌现：基于整合信息分解框架的因果涌现｜周日直播·因果涌现读书会第四季

导语

本周日上午的「因果涌现」读书会第四季将介绍整合信息分解（ΦID）框架用于定量刻画涌现的相关研究，ΦID为探索信息、意识及其从神经动力学中的涌现提供了丰富的新方法。此次读书会由美国亚利桑那州立大学复杂系统博士章彦博、圣路易斯华盛顿大学（WUSTL）系统科学与数学系博士生吕奥博，以及北京师范大学系统科学学院硕士生杨明哲共同带来丰富的内容分享，欢迎感兴趣的朋友参与！

内容简介

本期读书会围绕基于整合信息分解框架的因果涌现定量方法展开。
首先，我们将回顾本季读书会所提到的信息分解框架（PID）以及整合信息分解（ΦID）框架[1]，通过探讨因果涌现的概念及性质，介绍整合信息分解框架如何识别与定量因果涌现[2]。具体将包括在该框架下因果涌现的分类，系统（在给定理想宏观态条件下）的因果涌现潜力以及在特定宏观态情况下的定量定义，并在此基础上介绍一组在实践中识别因果涌现的充分指标。
接着，我们将介绍一种基于机器学习的理想宏观态变量的获取方式[3]。以识别因果涌现的充分指标为优化目标，可以让机器捕捉到复杂的涌现斑图。这是信息分解领域结合机器学习技术的一次初步尝试。
最后，我们从信息论角度探讨意识与涌现之间的关系，整合信息分解方法表明，给定系统的意识是否是一种涌现现象取决于其信息论构成。总体而言，ΦID为探索信息、意识及其从神经动力学中的涌现提供了丰富的新方法[4]。

内容大纲

• 往期内容回顾

• 吕奥博：定量因果涌现

• 框架介绍

• 充分指标

• 杨明哲：利用机器学习寻找理想宏观态

• 机器学习框架

• 实验

• 章彦博：整合信息分解与意识的涌现综述

• 整合信息论潜在应用

• 因果涌现框架

核心概念

• 因果涌现

• 因果解耦

• 向下因果

• 协同信息

• 信息分解

• 整合信息分解

• 意识的涌现

主讲人简介

章彦博，美国亚利桑那州立大学复杂系统博士，本科毕业于中国科学技术大学凝聚态物理系，现在塔夫茨大学进行博士后研究，集智科学家，曾在瑞典卡罗琳斯卡医学院进行访问交流。研究方向：统计物理、复杂系统等。他的研究兴趣主要是试图理解我们这个世界的“特殊尺度”。为什么原子会存在？为什么分子会存在？为什么“事物”的概念是一个有用的概念？此外，他还致力于利用化学反应网络探索生命的起源。学者主页：https://pattern.swarma.org/user/1244
吕奥博，圣路易斯华盛顿大学（WUSTL）系统科学与数学系博士生，研究方向为系统科学、信息论、控制等。学者主页：https://pattern.swarma.org/user/74882
杨明哲，北京师范大学系统科学学院硕士生，张江老师因果涌现研究小组成员。研究领域是因果涌现、复杂系统自动建模。学者主页：https://pattern.swarma.org/user/76769

参与方式

直播信息时间：2024年3月3日（本周日）上午9:00-11:00
报名参与读书会：斑图链接：https://pattern.swarma.org/study_group_issue/609
扫码参与因果涌现读书会，加入群聊，获取系列读书会回看权限，加入因果涌现社区，与社区的一线科研工作者沟通交流，共同推动因果涌现这一前沿领域的发展。

参考文献

[1] Mediano, P. A. M., Rosas, F., Carhart-Harris, R. L., Seth, A. K., & Barrett, A. B. (2019). Beyond integrated information: A taxonomy of information dynamics phenomena (arXiv:1909.02297). arXiv. http://arxiv.org/abs/1909.02297

[2] Fernando E. Rosas, Pedro A. M. Mediano, Henrik J. Jensen, et al. Reconciling emergences: An information-theoretic approach to identify causal emergence in multivariate data. PLoS computational biology, 2020, 16(12)

[3] Kaplanis, Christos, Pedro Mediano, and Fernando Rosas. Learning Causally Emergent Representations. NeurIPS 2023 workshop: Information-Theoretic Principles in Cognitive Systems. 2023.

[4] Luppi A.I., Mediano P.A.M., Rosas F.E., et al. What it is like to be a bit: an integrated information decomposition account of emergent mental phenomena. Neuroscience of Consciousness, 2021, 16;2021(2):niab027

学习资料推荐吕奥博、邓鸥：信息论方法识别多元数据中的因果涌现https://pattern.swarma.org/study_group_issue/239

新信息论：从分解到整合

因果涌现读书会第四季招募中

什么是意识？意识能否度量？机器能否产生意识？对于意识问题，人们可能即将迎来一个大的突破，各种有关意识的理论正如雨后春笋般展现出勃勃生机。其中神经科学家 Giulio Tononi 的整合信息论（IIT）被认为是最有前景的意识理论之一。如果说意识是大脑神经活动的一种涌现结果，那么刻画涌现便成为理解意识过程中一个重要环节。因果涌现理论目前发展出两个派别，除了 Erik Hoel 的有效信息因果涌现框架，还有一个是 Rosas 的信息分解（PID）框架，此后 Rosas 基于此进一步提出融合整合信息论的信息分解框架 ΦID，尝试构建新的意识理论。

一边是信息整合（IIT），一边是信息分解（PID），看似分裂，实际上都是对香农经典信息论的进一步发展。因果涌现读书会第四季「新信息论：从分解到整合」由北京师范大学系统科学学院教授、集智俱乐部创始人张江老师领衔发起，旨在梳理信息论领域的发展脉络，从香农的经典信息论开始，重点关注整合信息论和信息分解这两个前沿话题，及其在交叉领域的应用。希望通过对这些“新信息论”度量指标的深入探讨，帮助我们理解什么是意识，什么是涌现，并找到不同学科，不同问题背后的统一性原理。

详情请见：新信息论：从分解到整合｜因果涌现读书会第四季启动

因果涌现社区

跨尺度、跨层次的涌现是复杂系统研究的关键问题，生命起源和意识起源这两座仰之弥高的大山是其代表。因果涌现理论、机器学习重整化技术、信息论或信息分解等近年来新兴的理论与工具，有望破解复杂系统的涌现规律。

集智俱乐部因果涌现读书会目前已经进行了三季。第一季读书会系统地梳理了因果涌现的概念，以及它与Sloopy Model、复杂性阈值、自指等概念之间的联系，也探讨了因果涌现理论在复杂网络、机器学习中的应用。参看：因果涌现读书会启动：连接因果、涌现与自指——跨尺度动力学与因果规律的探索。

第二季读书会探讨了涌现、因果科学和机器学习三大主题的融合，包括信息论拓展、因果涌现理论、因果表示学习、多尺度机器学习动力学建模。请参看：因果、涌现与机器学习：因果涌现读书会第二季启动。

第三季读书会进一步围绕因果涌现的核心问题「因果涌现的定义」以及「因果涌现的辨识」进行深入学习和讨论，对 Erik Hoel 提出的 Causal Emergence，Causal Geometry 等因果涌现的核心理论进行探讨和剖析，并详细梳理其中涉及到的方法论，包括从动力学约简、隐空间动力学学习等其他领域中学习和借鉴相关的研究思路，最后探讨因果涌现的应用，包括基于生物网络、脑网络或者涌现探测等问题展开扩展，发掘更多的实际应用场景。请参看：因果涌现读书会第三季启动：深入多尺度复杂系统核心，探索因果涌现理论应用

此次读书会主题是「新信息论：从分解到整合」，是因果涌现系列读书会的第四季，将重点梳理信息分解与整合信息论的相关研究。请参看：新信息论：从分解到整合｜因果涌现读书会第四季启动

因果涌现社区聚集了600+成员，积累了大量论文解读资料。欢迎感兴趣的朋友报名，加入因果涌现社区，解锁对应录播权限。

因果涌现读书会回放视频第一季：https://pattern.swarma.org/study_group/7第二季：https://pattern.swarma.org/study_group/16第三季：https://pattern.swarma.org/study_group/28第四季：https://pattern.swarma.org/study_group/35
因果涌现社区共创的文章

点击“阅读原文”，报名读书会