认识更像温度如故性命？这不是一个公正的争论。我花了许多时候来保卫我比来一篇论文的见地●▼，那篇论文褒贬了他的早期表面。朱利奥温和而执拗地试图讲明我为什么错了。我不显露是由于时差、酒●，仍是朱利奥精密的逻辑，我对本身的决心不如夙昔了。第二天早上▼◆▼，我决计越发尽力地斟酌◆，更多地贯通，更好地计算●，同时少饮酒。
正在NCC举措中◆◆，托诺尼和埃德尔曼没有将防卫力召集正在简单的典范性认识体验上（譬喻“看到血色”的体验），而是提出了通常认识体验的特质是什么●。他们做了一个简略但深切的侦察：全体的认识体验都是消息丰裕的和拥有整合性的。以此为起点，他们提出了每一种认识体验的神经根底●◆，而不只是看到血色、感应嫉妒或感想牙痛等特定体验。
遐念一下，我翻开你的头盖骨，正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法邻接到你现有的灰质上。再遐念一下，正在你的一天中，这些新的神经元实践上基本不做任何事变◆▼▼。不管产生什么，不管你做什么，看到谁，它们都不会被激活。你新的巩固的大脑呈现了，无论从什么角度看●◆，都和从来的大脑相同▼。但题目是，你的新神经元是遵守如下方法结构的：只要你大脑的其他个人碰到了极少它实践上从未碰到过的特定形态，新神经元才会被激活●◆。
一个机造同时拥有整合性和拥有丰裕消息意味着什么◆◆▼？让咱们一时脱离大脑，斟酌一个由大批交互元素构成的体系，而不消担忧这些元素恐怕是什么▼●。正如图2.2所示，关于任奈何此的体系，咱们能够界说一个有两个端点的横轴▼◆◆。正在一个绝顶（左边），全体的元素都是随机而独立的，就像气体中的分子相同。这种体系有最大的消息量和最高水平的随机性●▼◆。但没有任何整合，由于每个元素都是彼此独立的。
让咱们先把丈量Φ的挑拨放正在一边，试问，要是IIT的表面确切，那它意味着什么●▼？毕竟表明，平素跟从IIT会导致极少绝顶奇特的结果。
透过我前面的桌子望向窗表，我以前从未云云准确地体验过咖啡杯、电脑显示器和窗表空中的云搭配正在一同感想——当与我实质宇宙靠山中的全体其他感知、心情、思念组合正在一同的时期，这种体验越发奇异。正在职何一个时期，咱们正在浩繁恐怕的认识体验中▼●◆，只可具有一种认识体验。由于这个别验是被具有的，而不是其他自便的体验，是以，每一种有心识的体验都大大节减了不确定性。而不确定性的节减正在数学上便是消息的寓意。
这种境况有些蹊跷。人们恐怕有来由以为，更接近表面规矩的丈量举措正在推行中会比算法纷乱度之类的丈量举措显示得更好，而算法纷乱度与根底表面的合系很少。但咱们所看到的并非云云，因此这是若何回事？恐怕是表面自身被误导了。然而◆，我的直觉是，咱们只需求正在完竣数学方面做更多的办事◆●▼，就能使得丈量到达咱们所期望的成绩，而且开垦厘正大脑成像举措，为丈量供应确切的数据。
是以，对真正的认识丈量仪的搜求仍正在接续。值得夸大的是，迄今为止赢得的进步相当可观●▼。现正在人们多数以为认识秤谌与醒悟水平差别，同时咱们仍旧有了极少基于大脑来丈量认识秤谌的丈量举措▼●●，这些举措正在追踪差此表合座认识形态和检测脑毁伤患者的渣滓认识方面显示密切◆●●。马西米尼的PCI尤为首要▼。它正在临床上是有效的▼▼，并以消息和整合动作坚实的表面规矩，是以它有用地邻接了神经机造和认识体会的多数属性。这是“真正的题目”气概。基于极少差别但合联的规矩的其他丈量举措平素正在呈现◆▼●，并且极少易于运用的近似忖度，如忖度自觉大脑举动数据的算法纷乱度，则正正在揭示认识秤谌和认识实质之间的令人重迷的合系。
IIT是筹议认识的一个“正理化”举措。它从表面道理开赴，而不是从实习数据开赴。从逻辑上来说，正理是不验自明的的确陈述，从某种道理上说，人们多数以为他们不需求特殊的表明。希腊玄学家欧几里得提出的“两个齐全吞噬相像空间的式样是相像的式样”便是一个很好的例子。IIT提出了合于认识的正理，合键是说，认识体验同时是整合的和消息丰裕的，并运用这些正理来援帮这些认识体验的根底机造务必拥有哪些属性的念法。依照IIT，任何拥有这些特征的机造，无论是否是大脑，无论是否为生物●，城市有非零Φ，而且会有心识●▼。
我当时感觉IIT很吸引人，直到现正在也是感觉云云●，是由于它动作一个样板很好地验证了认识和温度之间的类比。依照IIT●●▼，简略来说，认识便是整合的消息。正在这种境况下◆，该表面倾覆了人们对心智和物质奈何合系、认识奈何与宇宙机合交错正在一同的根深蒂固的直觉◆●▼。
单靠消息得回高分是不敷的。有心识的体验不只消息丰裕●，并且是整合的。认识“是整合的”的切当寓意还存正在许多争议，但从素质上来说，它意味着每一个认识体验都是动作一个联合的场景呈现的。咱们对色彩的体验离不开映现它们物体的式样，对物体的体验也离不开它们的靠山。我现正在的认识体验中有很多差此表元素：电脑和咖啡杯，另有走廊里的合门声和我接下来要写什么的念法，这些如同都以一种不成避免的基础方法合系正在一同，同时动作一个简单且包括认识场景的各个方面。
咱们先来看看真正的大脑，IIT美妙地讲明了很多合于认识秤谌的侦察。还记得上一章提到的幼脑，纵然包括了大脑中约3/4的神经元，但它如同与认识没有太多合连。这能够用IIT来讲明●▼，由于幼脑的剖解机合相似于摄像头中的传感器阵列——大批对Φ不友情的半独立电道◆◆。比拟之下，大脑皮层充满了鳞集的相互联接线道，这恐怕与高Φ相合◆。那么●▼▼，为什么认识正在无梦睡眠、麻醉和昏倒时代会削弱呢●◆？鉴于这种相互邻接的线道不会产生蜕化●◆●，IIT以为●◆◆，正在这些形态下，大脑皮层神经元之间相互效用的才略受到损害◆●●，以致于Φ消亡了。
2006年7月，我正在拉斯维加斯和朱利奥·托诺尼一同吃意式冰激凌●◆▼。咱们正在威尼斯人度假村旅店◆▼◆，我险些不显露产生了什么。我是前一天从伦敦坐飞机来的，威尼斯人度假村老是营造出一派入夜时分的气象，假的星星正在假的天空下闪灼●▼▼，假的贡多拉从假的宫殿旁漂过。他们如此做是为了让人们留正在那里消费，处于一种永世的享福开胃酒的形态●，对时候的流逝毫无察觉。我还正在倒时差，有点醉。咱们吃了一顿丰富的晚餐，之后咱们平素正在争论合于认识的消息整合表面（IIT）的细节，这一表面的远景不成估摸。这是托诺尼的念法●◆●，比其他任何神经科学表面都更首要的是，它管理了认识这一困难。IIT以为，主观体验是一种因果形式的属性，消息就像质地或能量相同的确，以致于原子也恐怕有一点认识。
另有更基础的题目，即什么才是体系▼？预备Φ确实切空间和时候标准是什么？是神经元和毫秒？仍是原子和飞秒？扫数国度都是有心识的吗▼◆◆？一个国度会比另一个国度更有心识吗？咱们以至能够把地质时候标准上构造板块的彼此效用看作熟行星标准上整合消息吗？
请防卫◆，这不只是一个合于合联性的见地▼▼●，也不是一个合于体系的机造本质奈何讲明景象学本质的真正题目式念法。这是一个合于恒等式的断言▼◆◆。依照IIT的说法，Φ的秤谌是体系的固有特征（意味着它不依赖于表部侦察者），它与该体系合联的认识量相像。高Φ暗示认识丰裕。零Φ意味着没有心识。这便是为什么IIT是基于温度的认识观的终极表达。
数学中消息的准绳运用是由克劳德·香农正在20世纪50年代同意的，它与侦察者合联。与侦察者合联的消息是指，从侦察者的角度，通过侦察处于特定形态的体系，不确定性节减的水平。比方，遐念多次摇动一个骰子▼，每次都从六种恐怕性中侦察取得一种结果：同时每次也都袪除了五种其他的恐怕。这对应于特天命目（以比特为单元） 的不确定性的节减，也是“关于”侦察者来说的消息◆。
合于规矩◆，我言无不尽▼。与任何表面相同，IIT的成败取决于其预测是否能够被磨练。该表面的合键见地是◆▼，体系的认识秤谌是由它的Φ给出的。磨练这个预测需求去丈量的确体系的Φ，而这便是疾苦所正在。毕竟表明，丈量Φ是极具挑拨性的，正在大无数境况下险些是不恐怕的◆▼●。合键因由是IIT以一种差别寻常的方法看待“消息”。
让咱们从消息起头。认识体验是“消息丰裕的”是什么旨趣？埃德尔曼和托诺尼念说的，并不是说阅读报纸能够供应丰裕的消息，而是说，纵然一起头看起来微亏损道，但却逃匿着丰裕的实质。有心识的体验或许供应丰裕的消息，由于每一种有心识的体验都差别于你一经具有的、将要具有的，或者恐怕具有的全体其他有心识的体验●◆●。
正如咱们所看到的，近似算法纷乱度，譬喻LZW纷乱度，正在这方面做得并欠好。它们告诉了咱们许多合于消息的，但对整合毫无提及。PCI的境况稍好极少。要念正在PCI量表上得回高分，经颅磁刺激传达的能量脉冲务必形成一种难以压缩的大脑举动形式，浮现出高的消息含量●。为了形成“反响”，脉冲还务必正在大脑皮层中流传得足够远和足够广，然后才力评估其压缩性●●◆。然而，纵然这种皮层上的扩散暗意了整合，但它仍旧不行餍足咱们对这种丈量的理念央求。PCI丈量依赖于以一种相当隐隐的方法整合大脑举动，不然就不会有反响，但它不以与丈量消息相像的定量方法来丈量整合澳门威斯尼斯wns888。咱们正正在寻找的是对整合和消息直接敏锐的丈量举措◆，来自相像的数据、以相像的方法、正在同有时候的丈量举措。
这个例子也暗意了一个的确的裂脑境况——通过手术朋分大脑皮层半球●◆，就像正在某些无法治愈的癫痫患者中产生的那样，恐怕会有两个独立的“认识”，但不会有一个超过两个半球的简单认识实体。同样，但不存正在一个超过咱们两人之间的一个团体认识实体，由于从消息上咱们能够从中心离开。
正在这种见地下，任何特定的认识体验的“它是什么样”的本质与其说是由“它是什么”来界说的，不如说是由全体未完成的、但恐怕不是它这种境况来界说的▼◆●。纯粹的血色性体验便是如此的，不是由于任何“血色性”的内正在属性◆●，而是由于血色不是蓝色、绿色，或任何其他色彩▼●▼，或任何气息、念法、可惜的感想，或任何其他地势的心境实质◆。血色性之因此是血色性，是由于不是全体事变都存正在血色性，同时其他全体心识体验也是云云▼◆◆。
比方，假设这些新的神经元只要正在你吃了一个田帮西瓜（一种善于日本北海道的罕见生果）时才会被激活。假设你一向没有吃过田帮西瓜◆，那么这些新的神经元不会被激活●，但纵然云云◆▼，IIT会预测你全体的认识体验会蜕化，哪怕只好坏常细幼的蜕化。这是由于现正在你的大脑恐怕处于更多的潜正在形态（新的神经元恐怕会被激活），因此Φ也务必蜕化。
睡梦中的你是有心识的吗◆◆？乌龟的认识秤谌比人低吗◆●？认识的秤谌能够量度吗？科学家提出一种像几何学通常的正理体例来丈量认识秤谌，这便是整合消息论（IIT）。该表面以为，认识是整合的消息，就像温度是均匀分子动能相同，结果却遇到难以验证的挑拨●●▼，而且会预测奇特的结果。萨赛克斯大学认知和预备神经科学教学阿尼尔·赛斯（Anil Seth）正在《认识呆板》一书中指出，题方针症结也许正在于，不应当像IIT中相同运用内正在消息，而应当运用与侦察者合联的消息，这意味着要把认识看作性命而不是温度。
1998年，朱利奥·托诺尼和我的前老板兼导师杰拉尔德·埃德尔曼（Gerald Edelman）正在《科学》杂志上揭晓了一篇论文。我还记得约莫正在二十年前读过这篇作品。这是我对认识的斟酌中拥有里程碑道理的事变，也是吸引我到圣地亚哥神经科学筹议所办事的合键因由。
本文为滂湃号作家或机构正在滂湃信息上传并宣布，仅代表该作家或机构见地▼，不代表滂湃信息的见地或态度▼，滂湃信息仅供应消息宣布平台。申请滂湃号请用电脑探访。
与仅仅通过永久侦察来丈量体系的体会漫衍比拟，丈量最大熵漫衍平淡是一件绝顶疾苦的事变。有两种举措能够试着管理这个题目。第一种举措是用全体恐怕的方法作梗体系，看看会产生什么，就像一个孩子恐怕会按下一个新玩具上的全体按钮，看看它能做什么相同。第二种举措是从体系的物理机造（它的“因果机合”）细致、完善的常识中推理出最大熵漫衍。要是你显露一个机造的全体消息，有时期恐怕能够显露全体它能做的事变，假使正在实践中他不会做出这些事变。要是我显露一个骰子有6个面，正在不需求掷掷的境况下◆，我也能显露两个骰子能够形成从2到12的所罕见字▼。
顾名思义▼●●，“消息”和“整合”的观念是IIT的中心。这个表面基于咱们正在前一章中争论过的合于丈量认识秤谌的念法◆，但它以真正奇异的方法做到了这一点。
值得防卫的是，这种实习的一种计划恐怕很速就会完成，这要归功于光遗传学的新本事，它许诺筹议职员以高雅的细节来掌管无误定位的神经元的举动。光遗传学操纵基因本事篡改特定的神经元，使它们对特定波长的光变得敏锐。然后，通过运用激光或LED阵列照耀经历基因篡改的动物的大脑，这些神经元能够翻开或合上。规矩上，光遗传学能够用来灭活仍旧不生动的神经元，并评估其对认识感知的影响（要是有的话）。这不是一个简略的实习，也没有供应一种丈量Φ的举措●。不过，测试IIT任何方面的远景都是令人兴奋的，我很运气地出席了与朱利奥·托诺尼等人的最新争论，期望能真正结束这项办事。
咱们的认识秤谌之旅仍旧指导咱们通过了麻醉和昏倒带来的遗忘，走过植物人和最低认识形态的内陆◆◆◆，穿过睡眠和做梦的离开宇宙，走进齐全苏醒的阳光地带，以至走到更远的地方，走向效用下的奇特超实际宇宙。将这些秤谌合系正在一同的见地是，每一种认识体验都消息丰裕且拥有整合性，处于有序与无序之间纷乱的中心地带。这一中心术念仍旧形成了新的丈量举措◆▼●，如PCI，它既适用，又或许以真正题方针方法正在物质和景象之间创设讲明性的桥梁。通过IIT，咱们抵达了认识科学最令人兴奋且最具争议的前沿之一◆●，正在这里▼，斗胆和勇气遭遇了可验证性限造，认识和温度之间的类比恐怕最终会被打垮◆▼。纵然我对这一极具挑拨性表面所衍生出的更为斗胆的念法持可疑立场，但我现正在就像多年前和朱利奥·托诺尼一同吃意式冰激凌时相同●●▼，热切地念看看它是奈何成长的。
是以，针对认识秤谌的符合丈量不应当追踪消息自身●，而应当追踪消息与整合是奈何联合表达的▼。这种丈量是一种真正道理上的纷乱度的丈量▼▼。它能够通过了了地将机造属性与体验属性合系起来▼▼，从而例证筹议认识的“真正题目”。
为了丈量内正在消息，仅仅侦察体系随时候的推移奈何运转是不敷的。动作科学家▼，动作表部侦察者，你需求显露一个别系全体恐怕的差别运转方法，假使正在实践中它一向也没有遵守全体恐怕的方法运转▼▼。显露一个别系随时候推移实践做了什么（这很容易，起码正在规矩上是有关于侦察者的）并不等同于显露一个别系能够做什么●●◆，假使它从未做过（这平淡很疾苦，假使不是不恐怕，但与侦察者无合）。
你的认识现正在有多苏醒？是什么让人感觉本身是有心识的●，而不是像一大块在世的肉，或是没有性命的硅，没有任何内正在的宇宙◆▼？新的表面和本事使科学家或许初次丈量认识的秤谌◆◆●。
本书就本时间一个首要的前沿新知——认识，从神经科学的角度对此张开论说。有心识的人工什么不同凡响？没有心识的其他动物为什么只可被称为是野兽呆板？大脑和身体与认识的合连奈何▼▼●？认识和神经元的合连奈何？认识题目为什么和人类基因组等纯生物学的题目差别●？从认识表面●▼◆，到自正在能道理，再到人为智能，都是本书所钻探的题目。
阿尼尔·赛斯（Anil Seth），认知和预备神经科学教学，萨赛克斯大学塞克勒认识科学及心境核心创始人之一。
这就引出收场尾一个颇具挑拨性的寓意：泛心主义。只须体系中有确切的机造，有确切的因果机合，就会有非零Φ◆▼●，就会有心识。IIT的泛心主义是一种受范围的泛心主义▼▼，而不是认识像一层薄薄的果酱相同遍布扫数宇宙的泛心主义。相反，认识将会正在整合消息——Φ——的地方被浮现，恐怕是正在这里或那里▼●，但不正在全体地方。
要丈量与侦察者合联的消息，平淡只须侦察体系正在一段时候内的行动就足够了。运用骰子◆◆，你能够写下每次掷掷时所取得的结果，这将让你或许预备掷掷任何特天命字所形成的消息◆。要是这个别系是一个神经元搜集，记载神经元随时候的举动就足够了▼▼。表部侦察者能够记载神经元进入的全体差别形态▼◆，预备与每个形态合联的概率，然后丈量不确定性的节减，这个不确定性的节减与神经元搜集处于这些形态中的任何一个相合。
让咱们把视线主题拉远，IIT的另一个奇特之处是◆，通过激烈声称Φ是认识，IIT也暗意了消息自身存正在，即它正在咱们的宇宙中拥有某种了了的本体论位子——譬喻质地/能量和电荷（本体论是筹议“什么是存正在的”）。正在某种道理上，这与物理学家约翰·惠勒（John Wheeler）所谓的“它源自比特”的见地是类似的◆▼▼。惠勒恐怕是全体存正在的事物最终都源于消息的最知名的提倡者——消息是首要的，其他总共都源于消息。
IIT是原创性的，野心勃勃且极具灵巧。它仍旧是独一对认识这一困难实行严谨考试的神经科学表面。IIT当然也很奇特，但奇特的事变并不虞味着它是错的。险些所相合于当代物理学的事变比起过去的物理学更奇特，并且差池更少。当代物理学中那些被以为差池较少的个人的得胜▼，与它们的实习可磨练性亲近合联。这便是IIT的困难所正在。由于它的合键见地：Φ和认识秤谌之间的等效性恐怕无法验证，因此这种斗胆的革新和搜求的勇气也让IIT付出艰巨价钱。
怎么才力具有高Φ？纵然中心术念与前一章的实质仍旧很近似，但仍有极少首要的区别，是以值得从新说起。
“认识秤谌”的观念，揭示了一个此表认识水平相对完全的蜕变，譬喻寻常醒悟和全身麻醉或植物人形态之间的区别。然而，咱们还能够用其他方法来斟酌认识秤谌恐怕意味着什么。比方，婴儿的认识秤谌比成人的低吗▼●▼？乌龟的认识秤谌比这两者都低吗？
体系拥有低Φ的另一种方法是正在整合上得分较低。遐念一个大的光电二极管阵列，就像你手机摄像头里的传感器相同。体系的整体形态便是扫数阵列的形态●，这能够率领大批的消息。一个足够大的传感器阵列▼●，关于每一个它所碰到的差此表宇宙形态，传感器阵列城市进入一个差此表整体形态。这便是为什么摄像头是有效的。不过这种整体消息对传感器自身并不首要。传感器中的单个光电二极管正在因果合连上彼此独立——它们的形态只取决于每次碰到的光的秤谌。把传感器切成一堆（因果合连独立的）光电二极管，它也能很好地办事。传感器阵列动作一个合座所传达的消息不比全体传感器、全体光电二极管独立传达的消息更多。这意味着它天生的消息不越过其各个人的总和，是以它的Φ也将为零●。
首要的是要领悟到，这些挑拨——席卷丈量内正在固有消息，而不是有关于侦察者的表正在消息——只是咱们动作科学家，动作表部侦察者，试图预备Φ的疾苦。依照IIT的说法●，任何特定的体系都有Φ。它将消息整合，就像你扔一块石头，它正在天空中划出一道曲线，而不需求依照万有引力定律预备它的轨迹◆▼◆。一个表面很难验证并不虞味着它便是错的。这只是意味着它很难被磨练。
托诺尼和埃德尔曼提出的环节结论是，要是每一个认识体验正在景象学层面上都是消息丰裕和联合的，那么认识体验的神经机造也应当显示出这两种特征▼●◆。恰是因为显示了这两种特征，神经机造不只与每一种认识体验的中心景象学特质合联联，并且实践上还讲明了这些特质。
用消息论的发言来说，这些境况之间的区别是体系形态的“体会”漫衍和它的“最大熵”漫衍 （后者之因此得此名，是由于它响应了一个别系的最大不确定性秤谌） 之间的区别。遐念一下，多次摇动两个骰子，也许你会掷出7、8、11和其他极少数字，但毫不会掷出12。正在这种境况下，体会漫衍不会包括12，但最大熵漫衍会，由于假使正在这个特定的掷掷序列中掷出12没有产生，但它仍旧有产生的概率。这意味着任何特定的结果，无论是7、8仍是11，比拟于最大熵漫衍（包括掷出12），体会漫衍（不包括掷出12）城市形成更多的消息（节减更多的不确定性，袪除更多的备选项）。
对我来说，更大的题目是，IIT的杰出念法需求杰出的证据，然而，这恰是IIT管理这项困难的雄壮对象，使得它最奇异的念法正在推行中无法被磨练◆▼。咱们无法得回所需求的万分证据。运气的是，并非总共都已遗失◆◆▼。正如我将要讲明的，极少合于IIT的预测恐怕是能够磨练的，起码正在规矩上是如此的●◆◆。同时关于IIT另有其他的讲明，这些讲明更吻合真正的题目，而不是纷乱题目，这些讲明饱舞了对认识秤谌的新丈量举措的成长，这些举措既吻合表面规矩，
然而，关于IIT来说，消息不行以这种相对侦察者的方法来统治。这是由于IIT上的消息●▼，整合的消息，也便是Φ●，实践上是认识，因此要是咱们把消息看作与侦察者合联，那么就意味着认识也与侦察者合联。但认识不是与侦察者合联的。我是否有心识不应当也不会取决于你或其他任何人奈何丈量我的大脑。
然而，一个基本的题目仍旧存正在。认识是否更像温度——可简化为并可识别为物质（或消息）宇宙的基础属性？仍是说它更像性命？性命拥有差别属性，每一种属性都有其内正在机造的讲明。到目前为止，咱们碰到的丈量认识的举措都是从温度的故事中取得的开采，但我的直觉是，最终丈量认识的举措恐怕更适合与性命类比，即认识更像性命。对我来说，“整合”和“消息”是大无数——也许是美满认识体验的通常属性。但这并不虞味着认识便是整合的消息，就像温度是均匀分子动能相同。
正在我看来，最好的举措是保存IIT的基础见地，即认识体验是拥有消息性和整合性的●，但要放弃“Φ之于认识就像均匀分子动能之于温度”这一自信的主张。这将IIT对认识体验机合的观念与真正题方针见地从新对接起来。采用这种见地能够开垦可代替的，即实践实用的Φ版本的丈量举措▼，这些丈量举措与咱们正在前一章末尾碰到的纷乱度丈量举措有许多联合之处。
为明晰解是什么导致了这种直觉，咱们需求将认识和温度之间的类比推向极致，看看它是否以及何时会溃散。是时期领悟认识的“消息整合表面”（IIT）了。
遐念一个由简化的人为“神经元”构成的搜集，每个神经元都能够处于开或合的形态。为了具有较高的Φ，搜集务必餍足两个合键条款。最初，搜集的整体形态，即搜集“动作一个合座”，务必袪除大批可供采取的恐怕的整体形态。这便是消息●◆，它响应了景象学的侦察，即每一种认识体验都袪除了大批恐怕的其他认识体验●。其次，当将体系动作一个合座来斟酌时，所得的消息应当大于将其划分为多个个人（单个神经元或神经元组）并稀少斟酌每个个人时所得的消息。这便是整合，它响应了一种侦察，即全体的认识体验都是联合的，它们都是“一体的”。Φ通过予以体系一个数字◆●▼，来丈量体系正在这两个维度上有多高的得分◆◆。
回头过去，拉斯维加斯确实是斟酌IIT确实切地方。消息是的确的吗？认识是无处不正在的吗？正在拉斯维加斯，除了体验自身的原始感想以表，很难自负赖何事变都是的确的。假使正在多年后的即日●，我还能遐念本身回到威尼斯人度假村长期的入夜。我当然是有心识的●●▼，但我认识到什么呢◆◆●？正在威尼斯人度假村中，人们很容易以为总共都是幻觉●▼。
是以●●，IIT中的消息务必被视为体系内正在的，而不是有关于表部侦察者的。它的界说务必不依赖于任何表部侦察者▼◆●。它务必是“关于”体系自身来说的消息，而不是关于任何人或任何其他东西来说的消息●▼。不然，动作IIT的中心，Φ与认识之间的恒等合连就无法建立◆▼●。
以一个表率的成年人工例●。他做梦时的认识秤谌，比他吃完丰富的午餐、心不正在焉地处于半昏倒形态时更高或更低吗？像如此的题目没有直接的谜底。正在某些方面，做梦恐怕是更有心识的。比方●●，感知景象学的活络性；但正在另极少方面，做梦恐怕是不那么有心识的。比方，对正正在产生的事变的反思性洞察力水平。
正在一个消息极其丰裕的大脑中，全体的神经元城市独立举止，就像它们齐全断开邻接相同，随机放电。正在如此的大脑中，算法纷乱度的丈量，譬喻LZW纷乱度，得分会很高。但这个大脑不会援帮任何有心识的形态，由于纵然具有许多消息▼◆◆，但却没有整合。正在另一个绝顶，一个高度有序的大脑会让全体的神经元做齐全相像的事变，也许会同步一同放电◆▼，有点像整体性癫痫爆发时的形态。这时的算法纷乱度会绝顶低，这个大脑也会缺乏认识●，但却是由于差此表因由：大批的整合，而没有消息。
一种特定认识体验的消息量并不取决于它有多丰裕或多精确，也不取决于它对具有这种体验的人有多大启示▼。坐正在过山车上吃草莓的时期听妮娜·西蒙娜的音笑◆●，就像闭着眼睛坐正在一间宁静的房间里，什么都没通过过相同，也袪除了其他很多另类体验。每一次体验城市以相像的水平节减恐怕会体验领域内的不确定性。
一个别系无法具有高Φ的因由许多。一是消息得分低。一个最简略的例子是一个简单的光电二极管，也便是一个简略的光传感器，它能够“开”或“合”。它的Φ值很低或为零◆，由于它的形态正在职何时期都只率领很少的消息●。无论它处于何种形态（Φ值为1或0▼，开或合），都只可袪除别的一种采取（Φ值为0或1）。一个光电二极管最多传达一个“比特”的消息。
这种境况的另一方面会导致一个同样奇特的预测。遐念一下●，一群神经元静静地待正在你的视觉皮层深处。纵然被邻接到其他神经元上（是以有恐怕正在确切的输入下发出电信号），但它们什么也不做。然后，通过极少美妙的实习干涉，它们被主动反对实行神经放电——它们变得不再生动◆●，而不但是不生动●◆。假使大脑的合座举动没有产生任何蜕变◆，IIT也会再次预测认识体验会产生蜕化●▼，由于现正在大脑能够进入的潜正在形态更少了●。
IIT的中心是一个名为“菲尔”（希腊字母“Φ”）的简单丈量准绳。贯通Φ的最简略的举措是，就消息而言，它丈量了一个别系奈何的“大于其各个人之和”。一个别系若何恐怕超越它各个个人的总和▼◆▼？咱们以一群鸟来做一个大致的类比：这群鸟如同比构成它的鸟群多出些什么——它如同有一个“本身的性命”●▼●。IIT接收了这个念法，并将其转化并操纵到消息范围。正在IIT中，Φ丈量的是一个别系“动作一个合座”所形成的消息量▼▼●，越过了它的各个个人独立形成的消息量●。这组成了该表面的合键见地◆，即体系是有心识的，其合座比它的各个个人形成更多的消息。
我的同事亚当·巴雷特、佩德罗·梅迪亚诺（Pedro Mediano）和我仍旧屈从这个计谋许多年了。咱们仍旧开垦了Φ的几个版本，它们运用的是与侦察者合联的消息，而不是内正在消息。这许诺咱们基于体系随时候的可侦察行动来丈量Φ，而不消担忧它会做什么◆▼●，但一向没有做过什么。就目前的境况来看，假使是正在绝顶简略的模子体系上●●◆，咱们的Φ的种种版本也都显示得七零八落。这意味着，正在开垦可正在推行中阐明效用，同时又能增长对其表面规矩根底上的掌管的Φ的版本时，另有更多的办事要做。从咱们的角度来看▼◆●，这意味着将“整合”和“消息”视为需求讲明的认识体验的通常属性，而不是认识“是什么”的不言自明的念法。换句话说，要把认识看作性命而不是温度。
不幸的是◆，咱们平淡只可理崩溃系的动态，理崩溃系平淡做什么●◆◆，而不是体系能做什么。对大脑来说便是如此的●●。我能够记载你的大脑正在差别细节水平上做了什么，但我无法显露它的完善物理机合，也无法以全体恐怕的方法作梗它的举动●◆◆。因为这些因由，IIT最奇异的见地（Φ实践上是认识）也成了IIT最难以被磨练的见地。
正在另一个绝顶 （右边）●◆▼，全体元素都做齐全相像的事变，是以每个元素的形态齐全由体系中其他元素的形态决意。齐全没有随机性。这就像晶格华夏子的摆列，此中任何单个原子的身分齐全由晶格机合决意，而晶格机合又由全体其他原子的身分决意。这种陈设拥有最大的整合度，但由于体系的恐怕形态绝顶少▼●◆bc贷，因此险些没有消息。
而处正在中心的体系，单个元素恐怕做差此表事变，但此中有必然水平的融合●▼，使体系正在某种水平上“动作一个合座”运转。这是能够同时找到整合性和消息性的范围。它也是介于有序与无序之间的中心地带◆，正由于云云，体系才“纷乱”。
考试丈量Φ （无论你采取哪品种型的消息）还面对其他挑拨。挑拨之一是丈量任何Φ都需求找到划分体系的适当举措，以便更好地比拟“合座”和“个人”。关于某些体系，比方裂脑，这很简略，即从中心割裂开◆●▼；但平淡来说●▼◆，这绝顶的疾苦，由于朋分一个别系恐怕举措的数目是跟着体系巨细呈指数填充。
早正在2006年，IIT还不为人所知。即日，它是认识科学中最受属目，同时也是斟酌最激烈的表面之一●▼●。除了托诺尼本身▼◆▼，这个范围的极少最着名的学者都对它实行了讴歌。NCC举措的前提倡者克里斯托夫·科赫称其为“正在最终管理陈腐的身心题目方面迈出的宏伟一步”。但它的宏愿和影响力也招致了相当大的阻力●●◆。导致这种阻力的因由之一是，它的举措包括深邃的数学常识而且毫无疑难是纷乱的。当然▼，这并不必然是一件坏事：没有人说管理认识谜题应当是简略的。另一种阻挠见解是，它所提出的念法是云云违反直觉，以致于该表面笃信是差池的。但这种直觉也是垂危的，加倍是迎面临像认识如此令人怀疑的景象时。
另一个拥有启示性的Φ为零的例子是所谓的“裂脑”境况。遐念一个搜集被分成齐全独立的两半。这个搜集的每一半恐怕有一个非零的Φ，不过扫数搜集将会是零Φ◆●。这是由于有一种举措能够将搜集分成两个人，而此中合座不越过个人的总和。这个例子夸大了Φ奈何依赖于体系的最佳“朋分”方法，一种能最幼化合座和个人之间区此表方法。这是IIT不同凡响的一个方面，使其有别于前一章所描画的纷乱度丈量方法。
起码正在表面上，有几项丈量能够餍足这些准绳▼◆。早正在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），提出了一个丈量举措，他们称之为“神经纷乱度”。十年后，我用一种差此表数学举措，推导出了我本身的丈量举措，称之为“因果密度”。极少新的丈量举措（咱们将鄙人一章争论）也仍旧以越来越纷乱的方法创设正在这些根底之上。全体这些丈量举措都试图以如此或那样的方法来量化正在多大水平上体系处于有序与无序之间的中心地带，正在那里能够找到整合的消息。然而▼▼●，题目是，当操纵到实践的大脑成像数据时▼●◆，还没有一种举措或许万分好地阐明效用●◆●。
