其他
意识更像温度还是生命？
导语
睡梦中的你是有意识的吗？乌龟的意识水平比人低吗？意识的水平可以衡量吗？科学家提出一种像几何学一般的公理体系来测量意识水平，这就是整合信息论（IIT）。该理论认为，意识是整合的信息，就像温度是平均分子动能一样，结果却遭遇难以验证的挑战，并且会预测奇怪的结果。萨赛克斯大学认知和计算神经科学教授阿尼尔·赛斯（Anil Seth）在《意识机器》一书中指出，问题的症结或许在于，不应该像IIT中一样使用内在信息，而应该使用与观察者相关的信息，这意味着要把意识看作生命而不是温度。
研究领域：复杂系统，意识水平，整合信息论，信息论
你的意识现在有多清醒？是什么让人觉得自己是有意识的，而不是像一大块活着的肉，或是没有生命的硅，没有任何内在的宇宙？新的理论和技术使科学家能够首次测量意识的水平。
“意识水平”的概念，揭示了一个人的意识程度相对全面的变化，比如正常觉醒和全身麻醉或植物人状态之间的区别。然而，我们还可以用其他方式来思考意识水平可能意味着什么。例如，婴儿的意识水平比成人的低吗？乌龟的意识水平比这两者都低吗？
以一个典型的成年人为例。他做梦时的意识水平，比他吃完丰盛的午餐、心不在焉地处于半昏迷状态时更高或更低吗？像这样的问题没有直接的答案。在某些方面，做梦可能是更有意识的。例如，感知现象学的生动性；但在另一些方面，做梦可能是不那么有意识的。例如，对正在发生的事情的反思性洞察力程度。
本文接下来介绍测量意识的理论——整合信息论（Integrated Information Theory, IIT）。
1. 有序与无序之间
1. 有序与无序之间
在NCC方法中，托诺尼和埃德尔曼没有将注意力集中在单一的模范性意识体验上（比如“看到红色”的体验），而是提出了一般意识体验的特征是什么。他们做了一个简单但深刻的观察：所有的意识体验都是信息丰富的和具有整合性的。以此为出发点，他们提出了每一种意识体验的神经基础，而不仅是看到红色、感到嫉妒或感觉牙痛等特定体验。
意识的概念是同时具有信息性和整合性的，我们需要展开分析一下这个想法。
让我们从信息开始。意识体验是“信息丰富的”是什么意思？埃德尔曼和托诺尼想说的，并不是说阅读报纸可以提供丰富的信息，而是说，尽管一开始看起来微不足道，但却隐藏着丰富的内容。有意识的体验能够提供丰富的信息，因为每一种有意识的体验都不同于你曾经拥有的、将要拥有的，或者可能拥有的所有其他有意识的体验。
透过我前面的桌子望向窗外，我以前从未如此精确地体验过咖啡杯、电脑显示器和窗外空中的云搭配在一起感觉——当与我内心世界背景中的所有其他感知、情感、思想组合在一起的时候，这种体验更加独特。在任何一个时刻，我们在众多可能的意识体验中，只能拥有一种意识体验。因为这个体验是被拥有的，而不是其他任意的体验，因此，每一种有意识的体验都大大减少了不确定性。而不确定性的减少在数学上就是信息的含义。
一种特定意识体验的信息量并不取决于它有多丰富或多详细，也不取决于它对拥有这种体验的人有多大启发。坐在过山车上吃草莓的时候听妮娜·西蒙娜的音乐，就像闭着眼睛坐在一间安静的房间里，什么都没经历过一样，也排除了其他许多另类体验。每一次体验都会以相同的程度减少可能会体验范围内的不确定性。
在这种观点下，任何特定的意识体验的“它是什么样”的性质与其说是由“它是什么”来定义的，不如说是由所有未实现的、但可能不是它这种情况来定义的。纯粹的红色性体验就是这样的，不是因为任何“红色性”的内在属性，而是因为红色不是蓝色、绿色，或任何其他颜色，或任何气味、想法、遗憾的感觉，或任何其他形式的心理内容。红色性之所以是红色性，是因为不是所有事情都存在红色性，同时其他所有意识体验也是如此。
单靠信息获得高分是不够的。有意识的体验不仅信息丰富，而且是整合的。意识“是整合的”的确切含义还存在很多争议，但从本质上来说，它意味着每一个意识体验都是作为一个统一的场景出现的。我们对颜色的体验离不开呈现它们物体的形状，对物体的体验也离不开它们的背景。我现在的意识体验中有许多不同的元素：电脑和咖啡杯，还有走廊里的关门声和我接下来要写什么的想法，这些似乎都以一种不可避免的基本方式联系在一起，同时作为一个单一且包含意识场景的各个方面。
托诺尼和埃德尔曼提出的关键结论是，如果每一个意识体验在现象学层面上都是信息丰富和统一的，那么意识体验的神经机制也应该表现出这两种特性。正是由于表现了这两种特性，神经机制不仅与每一种意识体验的核心现象学特征相关联，而且实际上还解释了这些特征。
一个机制同时具有整合性和具有丰富信息意味着什么？让我们暂时离开大脑，考虑一个由大量交互元素组成的系统，而不用担心这些元素可能是什么。正如图2.2所示，对于任何这样的系统，我们可以定义一个有两个端点的横轴。在一个极端（左边），所有的元素都是随机而独立的，就像气体中的分子一样。这种系统有最大的信息量和最高程度的随机性。但没有任何整合，因为每个元素都是相互独立的。
在另一个极端 （右边），所有元素都做完全相同的事情，因此每个元素的状态完全由系统中其他元素的状态决定。完全没有随机性。这就像晶格中原子的排列，其中任何单个原子的位置完全由晶格结构决定，而晶格结构又由所有其他原子的位置决定。这种安排具有最大的整合度，但因为系统的可能状态非常少，所以几乎没有信息。
而处在中间的系统，单个元素可能做不同的事情，但其中有一定程度的协调，使系统在某种程度上“作为一个整体”运行。这是可以同时找到整合性和信息性的领域。它也是介于有序与无序之间的中间地带，正因为如此，系统才“复杂”。
当我们将这些描述应用于大脑时，可以看到它们如何阐明意识的神经基础。
在一个信息极其丰富的大脑中，所有的神经元都会独立行动，就像它们完全断开连接一样，随机放电。在这样的大脑中，算法复杂度的测量，比如LZW复杂度，得分会很高。但这个大脑不会支持任何有意识的状态，因为尽管拥有很多信息，但却没有整合。在另一个极端，一个高度有序的大脑会让所有的神经元做完全相同的事情，也许会同步一起放电，有点像全局性癫痫发作时的状态。这时的算法复杂度会非常低，这个大脑也会缺乏意识，但却是因为不同的原因：大量的整合，而没有信息。
因此，针对意识水平的适当测量不应该追踪信息本身，而应该追踪信息与整合是如何共同表达的。这种测量是一种真正意义上的复杂度的测量。它可以通过明确地将机制属性与体验属性联系起来，从而例证研究意识的“真正问题”。
正如我们所看到的，近似算法复杂度，比如LZW复杂度，在这方面做得并不好。它们告诉了我们很多关于信息的，但对整合毫无提及。PCI的情况稍好一些。要想在PCI量表上获得高分，经颅磁刺激传递的能量脉冲必须产生一种难以压缩的大脑活动模式，展现出高的信息含量。为了产生“回声”，脉冲还必须在大脑皮层中传播得足够远和足够广，然后才能评估其压缩性。然而，尽管这种皮层上的扩散暗示了整合，但它仍然不能满足我们对这种测量的理想要求。PCI测量依赖于以一种相当模糊的方式整合大脑活动，否则就不会有回声，但它不以与测量信息相同的定量方式来测量整合。我们正在寻找的是对整合和信息直接敏感的测量方法，来自相同的数据、以相同的方式、在同一时间的测量方法。
至少在理论上，有几项测量可以满足这些标准。早在20世纪90年代，托诺尼和埃德尔曼以及他们的同事奥拉夫·斯波恩（Olaf Sporns），提出了一个测量方法，他们称之为“神经复杂度”。十年后，我用一种不同的数学方法，推导出了我自己的测量方法，称之为“因果密度”。一些新的测量方法（我们将在下一章讨论）也已经以越来越复杂的方式建立在这些基础之上。所有这些测量方法都试图以这样或那样的方式来量化在多大程度上系统处于有序与无序之间的中间地带，在那里可以找到整合的信息。然而，问题是，当应用到实际的大脑成像数据时，还没有一种方法能够特别好地发挥作用。
这种情况有些蹊跷。人们可能有理由认为，更贴近理论原则的测量方法在实践中会比算法复杂度之类的测量方法表现得更好，而算法复杂度与基础理论的联系很少。但我们所看到的并非如此，所以这是怎么回事？可能是理论本身被误导了。然而，我的直觉是，我们只需要在完善数学方面做更多的工作，就能使得测量达到我们所希望的效果，并且开发改进大脑成像方法，为测量提供正确的数据。
2. 意识更像温度还是生命？
2. 意识更像温度还是生命？
然而，一个根本的问题仍然存在。意识是否更像温度——可简化为并可识别为物质（或信息）宇宙的基本属性？还是说它更像生命？生命具有不同属性，每一种属性都有其内在机制的解释。到目前为止，我们遇到的测量意识的方法都是从温度的故事中得到的启示，但我的直觉是，最终测量意识的方法可能更适合与生命类比，即意识更像生命。对我来说，“整合”和“信息”是大多数——也许是全体意识体验的一般属性。但这并不意味着意识就是整合的信息，就像温度是平均分子动能一样。
为了了解是什么导致了这种直觉，我们需要将意识和温度之间的类比推向极致，看看它是否以及何时会崩溃。是时候认识意识的“信息整合理论”（IIT）了。
3. 意识是整合的信息
3. 意识是整合的信息
2006年7月，我在拉斯维加斯和朱利奥·托诺尼一起吃意式冰激凌。我们在威尼斯人度假村酒店，我几乎不知道发生了什么。我是前一天从伦敦坐飞机来的，威尼斯人度假村总是营造出一派傍晚时分的景象，假的星星在假的天空下闪烁，假的贡多拉从假的宫殿旁漂过。他们这样做是为了让人们留在那里消费，处于一种永久的享受开胃酒的状态，对时间的流逝毫无察觉。我还在倒时差，有点醉。我们吃了一顿丰盛的晚餐，之后我们一直在讨论关于意识的信息整合理论（IIT）的细节，这一理论的前景不可估量。这是托诺尼的想法，比其他任何神经科学理论都更重要的是，它解决了意识这一难题。IIT认为，主观体验是一种因果模式的属性，信息就像质量或能量一样真实，以至于原子也可能有一点意识。
这不是一个公平的讨论。我花了很多时间来捍卫我最近一篇论文的观点，那篇论文批评了他的早期理论。朱利奥温和而固执地试图解释我为什么错了。我不知道是因为时差、酒，还是朱利奥严密的逻辑，我对自己的信心不如从前了。第二天早上，我决心更加努力地思考，更多地理解，更好地准备，同时少喝酒。
我当时觉得IIT很吸引人，直到现在也是觉得如此，是因为它作为一个范例很好地验证了意识和温度之间的类比。根据IIT，简单来说，意识就是整合的信息。在这种情况下，该理论颠覆了人们对心智和物质如何联系、意识如何与宇宙结构交织在一起的根深蒂固的直觉。
早在2006年，IIT还不为人所知。今天，它是意识科学中最受瞩目，同时也是争论最激烈的理论之一。除了托诺尼自己，这个领域的一些最有名的学者都对它进行了赞颂。NCC方法的前倡导者克里斯托夫·科赫称其为“在最终解决古老的身心问题方面迈出的巨大一步”。但它的雄心和影响力也招致了相当大的阻力。导致这种阻力的原因之一是，它的方法包含艰深的数学知识并且毫无疑问是复杂的。当然，这并不一定是一件坏事：没有人说解决意识谜题应该是简单的。另一种反对意见是，它所提出的主张是如此违反直觉，以至于该理论肯定是错误的。但这种直觉也是危险的，尤其是当面对像意识这样令人困惑的现象时。
对我来说，更大的问题是，IIT的非凡主张需要非凡的证据，然而，这正是IIT解决这项难题的宏伟目标，使得它最独特的主张在实践中无法被检验。我们无法获得所需要的特别证据。幸运的是，并非一切都已失去。正如我将要解释的，一些关于IIT的预测可能是可以检验的，至少在原则上是这样的。同时对于IIT还有其他的解释，这些解释更符合真正的问题，而不是复杂问题，这些解释推动了对意识水平的新测量方法的发展，这些方法既符合理论原则，又适用于实践。
4. 整体大于部分之和
4. 整体大于部分之和
IIT的核心是一个名为“菲尔”（希腊字母“Φ”）的单一测量标准。理解Φ的最简单的方法是，就信息而言，它测量了一个系统如何的“大于其各部分之和”。一个系统怎么可能超越它各个部分的总和？我们以一群鸟来做一个大致的类比：这群鸟似乎比组成它的鸟群多出些什么——它似乎有一个“自己的生命”。IIT采纳了这个想法，并将其转化并应用到信息领域。在IIT中，Φ测量的是一个系统“作为一个整体”所产生的信息量，超过了它的各个部分独立产生的信息量。这构成了该理论的主要观点，即系统是有意识的，其整体比它的各个部分产生更多的信息。
请注意，这不仅是一个关于相关性的观点，也不是一个关于系统的机制性质如何解释现象学性质的真正问题式主张。这是一个关于恒等式的断言。根据IIT的说法，Φ的水平是系统的固有特性（意味着它不依赖于外部观察者），它与该系统相关的意识量相同。高Φ表示意识丰富。零Φ意味着没有意识。这就是为什么IIT是基于温度的意识观的终极表达。
怎样才能拥有高Φ？尽管核心思想与前一章的内容已经很相似，但仍有一些重要的区别，因此值得从头说起。
想象一个由简化的人工“神经元”组成的网络，每个神经元都可以处于开或关的状态。为了拥有较高的Φ，网络必须满足两个主要条件。首先，网络的全局状态，即网络“作为一个整体”，必须排除大量可供选择的可能的全局状态。这就是信息，它反映了现象学的观察，即每一种意识体验都排除了大量可能的其他意识体验。其次，当将系统作为一个整体来考虑时，所得的信息应该大于将其划分为多个部分（单个神经元或神经元组）并单独考虑每个部分时所得的信息。这就是整合，它反映了一种观察，即所有的意识体验都是统一的，它们都是“一体的”。Φ通过给予系统一个数字，来测量系统在这两个维度上有多高的得分。
一个系统无法拥有高Φ的原因很多。一是信息得分低。一个最简单的例子是一个单一的光电二极管，也就是一个简单的光传感器，它可以“开”或“关”。它的Φ值很低或为零，因为它的状态在任何时候都只携带很少的信息。无论它处于何种状态（Φ值为1或0，开或关），都只能排除另外一种选择（Φ值为0或1）。一个光电二极管最多传递一个“比特”的信息。
系统具有低Φ的另一种方式是在整合上得分较低。想象一个大的光电二极管阵列，就像你手机摄像头里的传感器一样。系统的全局状态就是整个阵列的状态，这可以携带大量的信息。一个足够大的传感器阵列，对于每一个它所遇到的不同的世界状态，传感器阵列都会进入一个不同的全局状态。这就是为什么摄像头是有用的。但是这种全局信息对传感器本身并不重要。传感器中的单个光电二极管在因果关系上相互独立——它们的状态只取决于每次遇到的光的水平。把传感器切成一堆（因果关系独立的）光电二极管，它也能很好地工作。传感器阵列作为一个整体所传递的信息不比所有传感器、所有光电二极管独立传递的信息更多。这意味着它生成的信息不超过其各部分的总和，因此它的Φ也将为零。
另一个具有启发性的Φ为零的例子是所谓的“裂脑”情况。想象一个网络被分成完全独立的两半。这个网络的每一半可能有一个非零的Φ，但是整个网络将会是零Φ。这是因为有一种方法可以将网络分成两部分，而其中整体不超过部分的总和。这个例子强调了Φ如何依赖于系统的最佳“分割”方式，一种能最小化整体和部分之间差异的方式。这是IIT与众不同的一个方面，使其有别于前一章所描述的复杂度测量方式。
这个例子也暗示了一个真实的裂脑情况——通过手术分割大脑皮层半球，就像在某些无法治愈的癫痫患者中发生的那样，可能会有两个独立的“意识”，但不会有一个跨越两个半球的单一意识实体。同样，你和我都是有意识的，但不存在一个跨越我们两人之间的一个集体意识实体，因为从信息上我们可以从中间分开。
我们先来看看真正的大脑，IIT巧妙地解释了许多关于意识水平的观察。还记得上一章提到的小脑，尽管包含了大脑中约3/4的神经元，但它似乎与意识没有太多关系。这可以用IIT来解释，因为小脑的解剖结构类似于摄像头中的传感器阵列——大量对Φ不友好的半独立电路。相比之下，大脑皮层充满了密集的互相联接线路，这可能与高Φ有关。那么，为什么意识在无梦睡眠、麻醉和昏迷期间会减弱呢？鉴于这种互相连接的线路不会发生改变，IIT认为，在这些状态下，大脑皮层神经元之间互相作用的能力受到损害，以至于Φ消失了。
IIT是研究意识的一个“公理化”方法。它从理论原理出发，而不是从实验数据出发。从逻辑上来说，公理是不验自明的真实陈述，从某种意义上说，人们普遍认为他们不需要额外的证明。希腊哲学家欧几里得提出的“两个完全占据相同空间的形状是相同的形状”就是一个很好的例子。IIT提出了关于意识的公理，主要是说，意识体验同时是整合的和信息丰富的，并使用这些公理来支持这些意识体验的基础机制必须具有哪些属性的主张。根据IIT，任何具有这些特性的机制，无论是否是大脑，无论是否为生物，都会有非零Φ，并且会有意识。
5. 测量Φ的挑战
5. 测量Φ的挑战
数学中信息的标准使用是由克劳德·香农在20世纪50年代制定的，它与观察者相关。与观察者相关的信息是指，从观察者的角度，通过观察处于特定状态的系统，不确定性减少的程度。例如，想象多次摇动一个骰子，每次都从六种可能性中观察得到一种结果：同时每次也都排除了五种其他的可能。这对应于特定数量（以比特为单位） 的不确定性的减少，也是“对于”观察者来说的信息。
要测量与观察者相关的信息，通常只要观察系统在一段时间内的行为就足够了。使用骰子，你可以写下每次投掷时所得到的结果，这将让你能够计算投掷任何特定数字所产生的信息。如果这个系统是一个神经元网络，记录神经元随时间的活动就足够了。外部观察者可以记录神经元进入的所有不同状态，计算与每个状态相关的概率，然后测量不确定性的减少，这个不确定性的减少与神经元网络处于这些状态中的任何一个有关。
然而，对于IIT来说，信息不能以这种相对观察者的方式来处理。这是因为IIT上的信息，整合的信息，也就是Φ，实际上是意识，所以如果我们把信息看作与观察者相关，那么就意味着意识也与观察者相关。但意识不是与观察者相关的。我是否有意识不应该也不会取决于你或其他任何人如何测量我的大脑。
因此，IIT中的信息必须被视为系统内在的，而不是相对于外部观察者的。它的定义必须不依赖于任何外部观察者。它必须是“对于”系统本身来说的信息，而不是对于任何人或任何其他东西来说的信息。否则，作为IIT的核心，Φ与意识之间的恒等关系就无法成立。
为了测量内在信息，仅仅观察系统随时间的推移如何运行是不够的。作为科学家，作为外部观察者，你需要知道一个系统所有可能的不同运行方式，即使在实际中它从来也没有按照所有可能的方式运行。知道一个系统随时间推移实际做了什么（这很容易，至少在原则上是相对于观察者的）并不等同于知道一个系统可以做什么，即使它从未做过（这通常很困难，即使不是不可能，但与观察者无关）。
用信息论的语言来说，这些情况之间的区别是系统状态的“经验”分布和它的“最大熵”分布 （后者之所以得此名，是因为它反映了一个系统的最大不确定性水平） 之间的区别。想象一下，多次摇动两个骰子，也许你会掷出7、8、11和其他一些数字，但绝不会掷出12。在这种情况下，经验分布不会包含12，但最大熵分布会，因为即使在这个特定的投掷序列中掷出12没有发生，但它仍然有发生的概率。这意味着任何特定的结果，无论是7、8还是11，相比于最大熵分布（包含掷出12），经验分布（不包含掷出12）都会产生更多的信息（减少更多的不确定性，排除更多的备选项）。
与仅仅通过长期观察来测量系统的经验分布相比，测量最大熵分布通常是一件非常困难的事情。有两种方法可以试着解决这个问题。第一种方法是用所有可能的方式干扰系统，看看会发生什么，就像一个孩子可能会按下一个新玩具上的所有按钮，看看它能做什么一样。第二种方法是从系统的物理机制（它的“因果结构”）详尽、完整的知识中推理出最大熵分布。如果你知道一个机制的所有信息，有时候可能可以知道所有它能做的事情，即使在实际中他不会做出这些事情。如果我知道一个骰子有6个面，在不需要投掷的情况下，我也能知道两个骰子可以产生从2到12的所有数字。
不幸的是，我们通常只能了解系统的动态，了解系统通常做什么，而不是系统能做什么。对大脑来说就是这样的。我可以记录你的大脑在不同细节程度上做了什么，但我无法知道它的完整物理结构，也无法以所有可能的方式干扰它的活动。由于这些原因，IIT最独特的观点（Φ实际上是意识）也成了IIT最难以被检验的观点。
还有更基本的问题，即什么才是系统？计算Φ的正确空间和时间尺度是什么？是神经元和毫秒？还是原子和飞秒？整个国家都是有意识的吗？一个国家会比另一个国家更有意识吗？我们甚至可以把地质时间尺度上构造板块的相互作用看作在行星尺度上整合信息吗？
重要的是要认识到，这些挑战——包括测量内在固有信息，而不是相对于观察者的外在信息——只是我们作为科学家，作为外部观察者，试图计算Φ的困难。根据IIT的说法，任何特定的系统都有Φ。它将信息整合，就像你扔一块石头，它在天空中划出一道弧线，而不需要根据万有引力定律计算它的轨迹。一个理论很难验证并不意味着它就是错的。这只是意味着它很难被检验。
6. 奇怪预测
6. 奇怪预测
想象一下，我打开你的头盖骨，在你的大脑中植入一大把新的神经元，每一个都以某种特定的方式连接到你现有的灰质上。再想象一下，在你的一天中，这些新的神经元实际上根本不做任何事情。不管发生什么，不管你做什么，看到谁，它们都不会被激活。你新的增强的大脑出现了，无论从什么角度看，都和原来的大脑一样。但问题是，你的新神经元是按照如下方式组织的：只有你大脑的其他部分遇到了一些它实际上从未遇到过的特定状态，新神经元才会被激活。
例如，假设这些新的神经元只有在你吃了一个田助西瓜（一种长于日本北海道的罕见水果）时才会被激活。假设你从来没有吃过田助西瓜，那么这些新的神经元不会被激活，但尽管如此，IIT会预测你所有的意识体验会改变，哪怕只是非常细微的改变。这是因为现在你的大脑可能处于更多的潜在状态（新的神经元可能会被激活），所以Φ也必须改变。
这种情况的另一方面会导致一个同样奇怪的预测。想象一下，一群神经元静静地待在你的视觉皮层深处。尽管被连接到其他神经元上（因此有可能在正确的输入下发出电信号），但它们什么也不做。然后，通过一些巧妙的实验干预，它们被主动阻止进行神经放电——它们变得不再活跃，而不只是不活跃。即使大脑的整体活动没有发生任何变化，IIT也会再次预测意识体验会发生改变，因为现在大脑可以进入的潜在状态更少了。
值得注意的是，这种实验的一种方案可能很快就会实现，这要归功于光遗传学的新技术，它允许研究人员以精致的细节来控制准确定位的神经元的活动。光遗传学利用基因技术修改特定的神经元，使它们对特定波长的光变得敏感。然后，通过使用激光或LED阵列照射经过基因修改的动物的大脑，这些神经元可以打开或关闭。原则上，光遗传学可以用来灭活已经不活跃的神经元，并评估其对意识感知的影响（如果有的话）。这不是一个简单的实验，也没有提供一种测量Φ的方法。但是，测试IIT任何方面的前景都是令人兴奋的，我很幸运地参与了与朱利奥·托诺尼等人的最新讨论，希望能真正完成这项工作。
让我们把视线焦点拉远，IIT的另一个奇怪之处是，通过强烈宣称Φ是意识，IIT也暗示了信息本身存在，即它在我们的宇宙中具有某种明确的本体论地位——比如质量/能量和电荷（本体论是研究“什么是存在的”）。在某种意义上，这与物理学家约翰·惠勒（John Wheeler）所谓的“它源自比特”的观点是一致的。惠勒可能是所有存在的事物最终都源于信息的最著名的倡导者——信息是首要的，其他一切都源于信息。
这就引出了最后一个颇具挑战性的含义：泛心主义。只要系统中有正确的机制，有正确的因果结构，就会有非零Φ，就会有意识。IIT的泛心主义是一种受限制的泛心主义，而不是意识像一层薄薄的果酱一样遍布整个宇宙的泛心主义。相反，意识将会在整合信息——Φ——的地方被发现，可能是在这里或那里，但不在所有地方。
7. 与观察者相关的信息
7. 与观察者相关的信息
在我看来，最好的方法是保留IIT的基本观点，即意识体验是具有信息性和整合性的，但要放弃“Φ之于意识就像平均分子动能之于温度”这一自负的看法。这将IIT对意识体验结构的见解与真正问题的观点重新对接起来。采用这种观点可以开发可替代的，即实际适用的Φ版本的测量方法，这些测量方法与我们在前一章末尾遇到的复杂度测量方法有很多共同之处。
我的同事亚当·巴雷特、佩德罗·梅迪亚诺（Pedro Mediano）和我已经遵循这个策略很多年了。我们已经开发了Φ的几个版本，它们使用的是与观察者相关的信息，而不是内在信息。这允许我们基于系统随时间的可观察行为来测量Φ，而不用担心它会做什么，但从来没有做过什么。就目前的情况来看，即使是在非常简单的模型系统上，我们的Φ的各种版本也都表现得参差不齐。这意味着，在开发可在实践中发挥作用，同时又能增进对其理论原则基础上的把握的Φ的版本时，还有更多的工作要做。从我们的角度来看，这意味着将“整合”和“信息”视为需要解释的意识体验的一般属性，而不是意识“是什么”的不言自明的主张。换句话说，要把意识看作生命而不是温度。
结语
结语
回顾过去，拉斯维加斯确实是争论IIT的正确地点。信息是真实的吗？意识是无处不在的吗？在拉斯维加斯，除了体验本身的原始感觉之外，很难相信任何事情都是真实的。即使在多年后的今天，我还能想象自己回到威尼斯人度假村永恒的傍晚。我当然是有意识的，但我意识到什么呢？在威尼斯人度假村中，人们很容易认为一切都是幻觉。
正如我们即将看到的，这个奇怪的想法有一些意想不到的事实。
本文节选自《意识机器》一书第二、三章，略有修改，小标题为编者所加。
内容简介：
本书就本时代一个重要的前沿新知——意识，从神经科学的角度对此展开论述。有意识的人为什么与众不同？没有意识的其他动物为什么只能被称为是野兽机器？大脑和身体与意识的关系如何？意识和神经元的关系如何？意识问题为什么和人类基因组等纯生物学的问题不同？从意识理论，到自由能原理，再到人工智能，都是本书所探讨的问题。
作者简介：
阿尼尔·赛斯（Anil Seth），认知和计算神经科学教授，萨赛克斯大学塞克勒意识科学及心理中心创始人之一。
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（IID）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
神经动力学模型读书会
为了促进神经科学、系统科学以及计算机科学等多领域学术工作者的交流合作，吸引更多朋友共同探索脑科学与类脑研究，周昌松、臧蕴亮、杨冬平、郭大庆、陈育涵、曹淼、刘泉影、王大辉、刘健、王鑫迪等来自国内外多所知名高校的专家学者在集智俱乐部共同发起「神经动力学模型」读书会，历时四个月研讨，近日圆满结束。
本季读书会形成了聚集500+成员的神经动力学社区，积累了40+小时综述、解读、研讨的视频记录，以及多篇社区成员总结的词条、笔记、翻译、科普资料等。现在报名加入读书会，即可加入社区交流讨论（微信），并解锁相关视频、文本资料。我们对脑的探索才刚刚起航，欢迎你一道参与，共同点亮更多脑科学研究的岛屿！
详情请见：
500+神经动力学社区成员，邀你共同点亮更多脑科学研究的岛屿
推荐阅读