跳到正文
热点事件持续更新

研究:有限实验下整合信息φ的可识别性

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Linqian Wu 与 Diaoxuan He 提交论文,研究在有限、部分、含噪干预下,整合信息论中的整合信息 φ 何时可识别、可认证,并在四、五单元随机网络中给出精确回答。 作者称,在四、五单元随机网络中,输入输出规律相同的循环网络与前馈网络分别携带 0.28 与 0 bit 的 φ,但内部记录可在 4 至 53 次试验内区分二者。该结果针对这一设定,说明相同外部行为未必对应相同机制。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月6日
  1. arXiv cs.AI
    相同行为,不同机制:有限实验能对整合信息 φ 证明什么

    研究针对整合信息论中的 φ 在有限、部分、含噪干预下何时可识别、可认证给出精确回答:在四、五单元随机网络中,输入输出规律相同的循环与前馈网络分别携带 0.28 与 0 bit,但内部记录可在 4-53 次试验内区分二者。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。