8 综合信息理论（12/27）

　　IIT还做了几项与现有实验证据非常吻的预测，可释识研究的一违觉的现。例如，IIT可释为什某脑区域（如脑）似乎对识没有贡献，尽管们有较积，且在功当。
　　……
　　支持该论的声音
　　帮助该论期版的神经科学克里斯托夫·科赫（ChristofKoch）称IIT是“唯一真有途的识基础论”。
　　神经科学识研究员AnilSeth（阿尼尔·赛斯）支持这一论，有一警告，声称“有识的验信息，且总是整的。及“[IIT]紧接着的一件是，对们所知的关识的某有一的释。声称“觉IIT不太有途的是声称整信息实际是识的——两间存在一”，批评了该论的泛学推。
　　哲学卫·查尔默斯（DavidChalmers）识这一难的思闻名，对IIT达了一热。根据查尔默斯的说，无论IIT是否确，IIT是朝着确的。
　　MaxTegmark（马克思·特格马克）试图决计算背的计算复杂问。根据马克思·特格马克的说，“IIT的集在计算无评估型统，随着统的信息内容呈超指数增长。，Φ一般近似计算。，不的近似Φ供了截不的结。，Φ可在一型均场神经网络模型计算，尽管必须修改该论的一假设才捕捉这型统的变。