第一项 (+1;) + (+1;|) 是系统对自身状况影响(下代或下一时候)的一种怀抱 , 在所存在时候距离中 , 持续系统状况之间所有不雅察到的依靠关系都归于系统自身 。 Krakauer 和 Zanotto (2006) 将量 (+1;) 称 为自立性(autonomy) , 下面用 ?= (+1;) 暗示 。 当个别能节制自身时 , 它应该是高的 。
(+1;|) 则可以理解从情况流标的目的个别的新信息 。 若无则申明一个系统是信息封锁的 , 是以这个量权衡了个别受情况节制的水平 , 用 nC = (+1;|) 暗示 。 注重 , 封锁性并不要求因果自力 , 只是申明所有来自情况的影响都是个别可以展望的 。
与内源决议相对的是第二种分化 , 情况驱动(Environmentally driven) , 即情况经由过程布局梯度驱动个别系统 。 换句话说 , 个别自身履历并不像情况那样 , 会对鸿沟前提施加那么强有力的影响 。 在分化 (+1;) + (+1;|) 中 , 不雅察到的影响本家儿要归结为情况身分 (+1;) , 只有余下的 (+1;|) 才是因为个别自身的影响 , 这可以理解为系统自立性的另一种概念 (Bertschinger et al.,, 2008) , 下面将用 A 暗示 。 在假定个别状况与情况之间的所有依靠关系都归于情况节制的前提下 , 它是有用的 。
以上这些属性确定的三个量 , 每个量都可以对应一种个别类型 。
群落个别:= (+1;|)(Colonial Individuality)
有机个别? :=(+1;)(Organismal Individuality)
情况驱动个别nC := (+1;|) (Environmental Determined Individuality)
不外 , 为了严酷形式化分歧类型个别 , 还需要在更细粒的标准上(Fine-grained decomposition)考虑它们 。
在利用互信息的链式法例 , 将影响归因于情况或系统时会碰到了一个恍惚的问题:部门信息分化问题(Williams & Beer, 2010; Bertschinger et al., 2013) 。 经由过程引入独有信息、共享信息和交互信息的概念可以解决这点[1] 。
在时候 n+1 的将来个别状况与时候 n 个别与情况的结合状况之间的互信息 , 可以可以被分化为四项:
【生命是什么?】
文章插图
这四项呈现在前面从链式法例中获得当作对的互信息和前提互信息中:
文章插图
在本文研究界说的语境中 , 这四个词别离寄义如下:
a 个别信息 (+1;?):只来自个别自身并由系统自身维持;
b 共享信息 (+1,,):个别和情况之间共享的信息;
c 情况信息 (+1;?):情况对个别影响的信息 , 狭义上即感官的信息流;
d 交互信息 (+1;,):协同信息 , 只存于个别系统和情况的交互感化中 。
这些分化只是作者视角下一种形式 , 在 Journal Entropy 中可以看到其他替代性看法(Lizier et al., 2018) 。 但基于此 , 接下来就可以严酷界说三种分歧形式的个别了 , 而且能量化每种信息的对分歧类型个别的怪异进献 。
例如 , 系统和情况共享的信息(如自顺应信息)、个别或情况独有的信息(二者分歧的的存储器)以及以某种复杂体例依靠于二者交互感化的信息(如节制信息) 。
有机个别 ?
? = (+1;,) + (+1;?)
当生物体能经由过程顺应或进修与所处的情况共享主要信息时 , 它们就具有杰出的顺应性 。 此外有机个别还包含了有用运作时所需要的大量私有信息 。 经由过程最大化这种怀抱 , 我们可以或许在情况中识别出复杂的有机个别 。
群落个别 A
= (+1;,) + (+1;?)
很多生物体 , 如微生物 , 只与它们所处的情况共享少量的信息 。 它们含有调节机制 , 与生物和非生物情况之间的持续交互感化来实现顺应 。 经由过程最大化这种怀抱 , 我们可以或许识别出这种 "情况调节的聚合体" , 即群落个别 。
推荐阅读
- 军校录取分数线2020 军校录取分数线2020是什么
- 生吐司和熟吐司区别 生吐司和熟土司区别是什么
- 六大茶类齐全的年代是什么 六大茶类齐全于哪个朝代
- esp是什么意思有什么功能 ESP是什么意思
- 撒狗粮是什么意思 撒狗粮的意思
- 正月二十五是什么日子 正月二十五是哪个节日
- 书到用时方恨少下一句书到用时方恨少的下一句是什么
- 红心柚和白心柚的区别是什么?吃柚子有哪些禁忌
- 母亲节贺卡的制作方法是什么
- 遥知不是雪,为有暗香来是什么季节 遥知不是雪,为有暗香来是哪一个季节