MétaCan
Menu
Retour à la cohorte
Enregistrement W3011959288 · doi:10.3390/e22030339

The Emergence of Integrated Information, Complexity, and ‘Consciousness’ at Criticality

2020· article· en· W3011959288 sur OpenAlexafffund
Nicholas J. M. Popiel, Sina Khajehabdollahi, Pubuditha M. Abeyasinghe, Francesco Riganello, Emily S. Nichols, Adrian M. Owen, Andrea Soddu

Notice bibliographique

RevueEntropy · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIsing modelStatistical physicsCritical point (mathematics)CriticalityComputer scienceMonte Carlo methodVariance (accounting)Phase transitionArtificial neural networkNode (physics)MathematicsPhysicsArtificial intelligenceStatisticsQuantum mechanicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Integrated Information Theory (IIT) posits that integrated information ( Φ ) represents the quantity of a conscious experience. Here, the generalized Ising model was used to calculate Φ as a function of temperature in toy models of fully connected neural networks. A Monte-Carlo simulation was run on 159 normalized, random, positively weighted networks analogous to small five-node excitatory neural network motifs. Integrated information generated by this sample of small Ising models was measured across model parameter spaces. It was observed that integrated information, as an order parameter, underwent a phase transition at the critical point in the model. This critical point was demarcated by the peak of the generalized susceptibility (or variance in configuration due to temperature) of integrated information. At this critical point, integrated information was maximally receptive and responsive to perturbations of its own states. The results of this study provide evidence that Φ can capture integrated information in an empirical dataset, and display critical behavior acting as an order parameter from the generalized Ising model.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,260
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEntropyMême sujetNeural dynamics and brain functionTravaux en français237 207