[论文解读] Meaning = Information + Evolution

Carlo Rovelli|arXiv (Cornell University)|Nov 8, 2016

Language and cultural evolution参考文献 3被引用 18

一句话总结

本文通过结合香农的相对信息（一种物理相关性度量）与达尔文进化论，提出了一种物理主义的‘有意义信息’定义，展示了通过自然选择得以保留的物理相关性如何催生意义、意向性和信号等语义概念。其核心贡献在于通过一种模态的、基于物理的的信息观念，架起了物理学与意义之间的桥梁，支持功能与目的的涌现。

ABSTRACT

Notions like meaning, signal, intentionality, are difficult to relate to a physical word. I study a purely physical definition of "meaningful information", from which these notions can be derived. It is inspired by a model recently illustrated by Kolchinsky and Wolpert, and improves on Dretske classic work on the relation between knowledge and information. I discuss what makes a physical process into a "signal".

研究动机与目标

• 解决物理定律与意义、意向性、目的等语义概念之间长期存在的鸿沟。
• 通过区分物理相关性（香农的相对信息）与语义或心理解释，澄清‘信息’一词的模糊性。
• 展示当达尔文进化论与物理相关性结合时，如何生成一种‘有意义信息’的概念，从而支撑功能与能动性。
• 提供一个可扩展至大脑、语言和社会等复杂系统的、基于物理学的、基础性的意义定义。

提出的方法

• 将‘相对信息’定义为 S = log(N_A × N_B) - log(N_AB)，其中 N_A 和 N_B 分别为系统 A 和 B 的状态数，N_AB 为物理上允许的联合状态数。
• 以该物理相关性度量为基础，定义‘有意义信息’，其在自然选择过程中得以保留。
• 通过一个系统模型，展示信号与环境状态之间的物理相关性如何因功能效用而被选择，从而实现意义的涌现。
• 引入模态框架：相关性不仅由实际状态定义，还由可能或不可能的状态定义，将模态性建立在物理约束之上。
• 将该框架应用于生物系统（如遗传密码、感官感知），展示物理相关性如何在进化压力下变得有意义。
• 通过要求相关性在变化下保持稳定并具有功能后果，将‘意义’与单纯的相关性区分开来。

实验结果

研究问题

• RQ1 如何在不诉诸心理或语义概念的前提下，构建一个纯粹物理的‘意义’定义？
• RQ2 在物理主义框架下，什么区别了单纯的物理相关性与‘有意义’的相关性？
• RQ3 达尔文进化论如何将物理相关性转化为功能性的、有意义的信息？
• RQ4 如果意向性并非基本概念，物理系统在何种意义上可以说‘传递信号’或‘意图’？
• RQ5 物理可能性的模态结构（如允许状态与禁止状态）如何构成意义涌现的基础？

主要发现

• 本文将‘有意义信息’定义为在自然选择过程中被保留且对系统具有功能后果的物理相关性。
• 相对信息 S = log(N_A × N_B) - log(N_AB) 提供了一种纯粹物理的相关性度量，单位为比特，无需语义解释。
• 一个具有两个磁极（必须为 NS 或 SN）的指南针具有 1 比特的相对信息，展示了相关性的物理基础。
• 意义并非源于相关性本身，而是源于在进化上稳定且具有功能相关性的相关性，例如遗传编码或感官感知中的相关性。
• 该框架表明，模态性——即‘可能’或‘不可能’的状态——在物理系统约束中得到物理基础，而非形而上学推测。
• 该定义通过建立在相关且被选择的物理系统基础之上，支持意向性与功能等高层概念的涌现。