Me llevará otro mes procesar el material que encontré en función de su pregunta. ¡Gracias!
La respuesta rápida es que la teoría de información integrada es un concepto para calificar un sistema de procesamiento de información basado en las conexiones entre sus elementos. Si los elementos son el tipo más básico y las conexiones son una medida del intercambio de información entre estos elementos; Phi es la suma de las conexiones entre dos particiones del sistema. La suposición es que si dos subconjuntos del sistema de procesamiento de información tienen cero conexiones, no están integrados en absoluto. Con una medida adecuada de la conexión y sus sumas, el valor más bajo de Phi es una medida de la conciencia de ese sistema. La divergencia de Kullback-Leibler es una medida matemática que se puede aplicar para evaluar el grado de interdependencia de las particiones.
Este artículo de Max Tegmark analiza cómo se pueden definir los diversos elementos, conexiones, medidas de interdependencia y la suma de conexiones. Medidas mejoradas de información integrada
- Elon Musk sigue diciendo que la IA nos destruirá y que debería regularse ahora. ¿Cómo exactamente la IA nos destruiría?
- ¿Cuál es la diferencia entre una prueba de Turing fuerte y una prueba de Turing débil?
- ¿Cuál es la diferencia entre el aprendizaje en línea y el aprendizaje fuera de línea en la red neuronal?
- Entre China e India, ¿cuál es más avanzada en computación en la nube, IA, Internet de las cosas, robótica y tecnologías sin conductor?
- Cómo ingresar a mercados como el aprendizaje profundo (y cosas relacionadas, como el aprendizaje automático) y el software como servicio, como CEO
Aunque existe un interés creciente en medir la información integrada en los sistemas computacionales y cognitivos, los métodos actuales para hacerlo en la práctica son computacionalmente inviables. Las medidas de integración existentes y novedosas son investigadas y clasificadas por varias propiedades deseables. Se presenta una taxonomía simple de medidas where donde cada una se caracteriza por su elección del método de factorización (5 opciones), la elección de distribuciones de probabilidad para comparar (3 × 4 opciones) y la elección de medida para comparar distribuciones de probabilidad (7 opciones). Cuando se requieren las medidas Φ para satisfacer un mínimo de propiedades atractivas, estas cientos de opciones se reducen a un mero puñado, algunas de las cuales resultan ser idénticas.
El video de Tegmark que presenta sus ideas también está disponible.
http://fqxi.org/data/documents/c… son diapositivas de un documento en la misma conferencia. Tegmark se refiere a la charla de Ozumi varias veces en su video. La Conferencia Internacional FQXi 2016 permite ver la charla de Oizumi mientras explica sus diapositivas.
