章节出错了,点此刷新,刷新后小编会在两分钟内校正章节内容,请稍后再试。
……
主要同一性
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ΦMax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ΦMax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。
……
扩展
即使是中等规模的系统ΦMax的计算也往往在计算上很困难，因此人们努力开发集成信息的启发式或代理度量。例如，MasafumiOizumi（大泉正文）及其同事开发了Φ∗和几何集成信息或ΦG是集成信息的实际近似值。这些指标与AnilSeth（阿尼尔·赛斯）和AdamBarrett（亚当·巴雷特）之前开发的代理指标有关，但是，这些代理指标都与实际
ΦMax值没有数学上证明的关系，这使得使用它们的分析的解释变得复杂。即使对于非常小的系统，它们也可以给出定性不同的结果。
2021年，AngusLeung（梁·安格斯）及其同事发表了IIT的数学形式主义在神经数据中的直接应用。为了规避与大型数据集相关的计算挑战，作者专注于苍蝇中的神经元种群活动。研究表明，ΦMax可以很容易地为较小的神经数据集计算。此外，当动物接受全身麻醉时，ΦMax与IIT预测的匹配率显著降低。
计算集成信息的一个重大计算挑战是找到神经系统的最小信息分区，这需要遍历所有可能的网络分区。为了解决这个问题，DanielToker（丹尼尔·托克）和FriedrichT.Sommer（弗里德里希T.索默）已经证明，系统动力学相关矩阵的频谱分解是最小信息分区的快速而稳健的代理。
……
相关实验工作
虽然用于评估系统和ΦMax概念结构的算法相对简单，但其高度的时间复杂性使其在计算上难以处理许多感兴趣的系统。启发式和近似值有时可用于提供复杂系统集成信息的大致估计，但通常无法进行精确计算。这些计算挑战，再加上在实验条件下可靠和准确地评估意识已经很困难的任务，使得测试该理论的许多预测变得困难。
尽管存在这些挑战，研究人员仍试图使用信息整合和分化的测量来评估各种受试者的意识水平。例如，最近的一项研究使用计算密集度较低的代理ΦMax能够可靠地区分清醒、睡眠（做梦与非做梦）、麻醉和昏迷（植物人与最低意识与闭锁）个体的不同意识水平。
IIT还做出了几项与现有实验证据非常吻合的预测，可用于解释意识研究中的一些违反直觉的发现。例如，IIT可用于解释为什么某些大脑区域（如小脑）似乎对意识没有贡献，尽管它们有较大体积，且在功能上相当重要。
……
支持该理论的声音
帮助发展该理论后期版本的神经科学家克里斯托夫·科赫（ChristofKoch）称IIT是“唯一真正有前途的意识基础理论”。
神经科学家和意识研究员AnilSeth（阿尼尔·赛斯）支持这一理论，但有一些警告，声称“有意识的体验信息量很大，并且总是整合的。以及“[IIT]紧接着的一件事是，你对我们所知道的关于意识的某些事情有一个很好的事后解释。但他也声称“我觉得IIT中不太有前途的部分是它声称整合信息实际上是意识的地方——两者之间存在同一性”，并批评了该理论的泛心理学外推。