整合信息论在复杂系统中的拓展应用｜周日直播·整合信息论读书会

集智俱乐部 · 公众号 · · 2025-01-25 18:31

正文

导语

大整合信息论作为一种意识理论在相关研究工作中虽然并非最受推崇，但信息整合却被认为是和意识现象最相关的指标。本周日上午的「整合信息论」读书会将由约翰·霍普金斯大学研究生荣英淇，和圣路易斯华盛顿大学（WUSTL）系统科学与数学系在读博士吕奥博分享。第一部分将简单介绍少数有关整合信息论的批评意见，对这些批评意见的回应，IIT因为这些批评意见做了哪些改进。第二部分介绍如何利用演化布尔网络的案例分析协同信息与整合信息。

内容简介

有野心去回答科学上大问题的理论，从诞生到证明或证伪的道路上都往往备受争议。试图通过数学框架去回答意识机制的整合信息论（IIT）也是如此。一方面，公理化的体系，对因果的引入和使用信息论对意识进行测量会让IIT有别于其他意识理论，具有许多可以挖掘的数学内涵。可另一方面，公理不一定能够直接被各路学者接受，引入因果和信息增加了计算本身的复杂度，使其在许多实际验证中不太可能，实验结果是否真的能够佐证整合信息论的有效性？

在本次分享的第一部分，荣英淇同学将简单介绍少数有关整合信息论的批评意见，支持IIT的学者如何回应这些批评意见，IIT本身又因为这些批评意见做出了哪些改进。其中一个比较有意思的点在于，整合信息论作为一种意识理论在相关研究工作中虽然并非最为推崇，可是信息整合却被认为是和意识现象最相关的指标。

接下来，吕奥博同学会围绕信息整合详细介绍一篇相关文献，内容是关于如何利用演化布尔网络的案例分析协同信息与整合信息的关键。有别于以往研究分析协同信息与整合信息的相关性，而是构建具有不同属性（冗余、协同）的演化布尔网络后分析不同网络的整合性。

内容大纲

第一部分：学界对整合信息论的批评以及整合信息论的回应

1. 引子

2. 意识问题简介

定义和分类
相关实验

3. 如何解释意识产生的机制？以整合信息论为例

整合信息论简介
对整合信息论的批评，以 Unfolding Argument 为例
整合信息论是如何反击

4. IIT是如何在批评中进行延拓

蚁群测试（Ant Colony Test)
从 Strong IIT 到 Weak IIT

5. 结语

第二部分： 协同信息与整合信息的关系

1. 演化布尔网络实验

2. 协同信息与整合信息的讨论

核心概念

整合信息论（Integrated Information Theory, IIT)

弱整合信息论（Weak IIT)

“展开”论证（Unfolding Argument）

蚁群测试（Ant Colony Test)

协同信息（Synergistic Information）

布尔网络（Boolean Networks）

参考论文

[1] Doerig, A., Schurger, A., Hess, K., & Herzog, M. H. (2019). The unfolding argument: Why IIT and other causal structure theories cannot explain consciousness. Consciousness and cognition , 72 , 49-59.

[2] Usher, M., Negro, N., Jacobson, H., & Tsuchiya, N. (2023). When philosophical nuance matters: safeguarding consciousness research from restrictive assumptions. Frontiers in Psychology , 14 , 1306023.

[3] Mediano, P. A., Rosas, F. E., Bor, D., Seth, A. K., & Barrett, A. B. (2022). The strength of weak integrated information theory. Trends in Cognitive Sciences , 26 (8), 646-655.

[4] Friedman, Daniel A., and Eirik Søvik. The ant colony as a test for scientific theories of consciousness. Synthese 198.2 (2021): 1457-1480.

[5] Varley, Thomas F., and Josh Bongard. Evolving higher-order synergies reveals a trade-off between stability and information-integration capacity in complex systems. Chaos: An Interdisciplinary Journal of Nonlinear Science 34.6 (2024).

主讲人

荣英淇 ，张江老师因果涌现小组成员。本科阶段在加州大学尔湾分校做的是EEG时间序列里的因果发现和视觉行为的元认知概率模型；研究生阶段在约翰霍普金斯大学做的是人工视觉神经网络和视觉皮层的表征对齐。

吕奥博 ，圣路易斯华盛顿大学（WUSTL）系统科学与数学系在读博士。研究方向为系统科学、信息论等。

参与方式

直播信息：

时间： 2025年1月26日（本周日）上午9:00-11:00