5月下旬,國際頂刊《美國國家科學院院刊》(PNAS)發表了一篇其於去年10月接收審核的工作,研究非常紮實:受圖靈的計算模型圖靈機(TM)與有意識的全局工作空間理論(GWT)影響,作者等人從理論計算機的角度出發,結合計算複雜性理論與機器學習知識,提出了一個形式化的理論電腦模型,將其命名為「有意識的圖靈機」(Conscious Turing Machine,CTM),有助於幫助我們進一步理解「意識」。
論文連結:https://www.pnas.org/doi/epdf/10.1073/pnas.2115934119例如,作者團隊提到一個觀點:計算需要時間。從這個角度來看,理論計算機的觀點可以改變我們對「自由意志」的定義,即:自由意志是計算不同行動路線的後果的自由,或在可用資源(時間、空間、計算能力和資訊)範圍內盡可能計算這些後果,並從中選題最適合自己目標的行動路線。
作者的觀點是:無論計算系統是由血肉組成的,還是由金屬和矽組成的,意識都是所有合理組織的計算系統屬性。從這點出發,CTM不是為大腦建模,也不是暗示意識的神經關聯,而是一個簡單抽象的意識計算模型,試圖理解意識及其相關現象。論文篇幅較長,AI科技評論作了精簡的要點整理如下:從理論計算機的視角看“意識”
#1 從理論計算機的視角看“意識”
1.1. 理論計算機科學
艾倫·圖靈的開創性論文“On computable numbers, with an application to the Entscheidungsproblem”可以說是理論計算機的起源。這篇論文給了「計算機器」的數學定義,這個機器現在被稱為圖靈機(TM)。在圖靈的定義中,這個計算機器可以計算任何電腦或超級電腦可以計算的函數。定理是數學理論存在的理由,圖靈證明了所謂的理論計算機的第一個定理,即停機問題的不可解性。
用現代的說法,這個定理證明不可能有通用的(調試)程式能確定哪些電腦程式會停止,哪些不會停止,想要建構一個這樣的程式也是不可能的。停機問題的不可解性等同於初等數論的不可判定性,並隱含了哥德爾的第一個不完全定理的弱形式。在哥德爾和圖靈之後,數理邏輯學家開始對哪些問題是可解決的、哪些是不可解決的進行分類,並開始研究不可解決問題的深奧層次。
隨著計算機器在1960年代的出現並變得廣泛可用,我們很快地了解到,許多在原則上可以解決的重要問題實際上不可能得到解決,甚至用最快的電腦也不可能解決,這不是一個技術的問題,而是更深層的問題。理論計算機新興領域的研究人員(特別是Jack Edmonds, Stephen Cook, Richard Karp和Leonid Levin)意識到,在自然有限(因此是可解的)問題中,似乎存在一種可解的問題和不可解的問題之間的二分類,反映了之前可解和不可解的二分法。有可行的方法解決的問題在數學上可以形式化為在多項式時間P內透過某些電腦程式可解。
此外,實現在多項式時間內可解的問題和在多項式時間NP內可檢查的問題可能不是等價的。事實上,如果能確定等價性,就能回答著名的百萬美元P=?NP問題。除了定義串列快(多時間)計算複雜度類別的層次結構外,理論計算機還定義了平行超快(多時間)計算複雜度類別的層次結構。這兩個層次結構都提供了模型中使用的定義和選擇。對簡單與困難、快速與緩慢之間的二分法的理解及意義,以豐富的理論、思想的重構、新穎的概念和驚人的應用,掀起了一場複雜性革命。事實上,在過去的40年裡,計算複雜性的發展已經展示瞭如何利用困難來處理看似不可能的問題。我們用電腦產生的隨機序列來說明,這個序列我們稱為「偽隨機序列」。
從表面上看,偽隨機序列的概念是如此的不和諧,以至於馮·諾伊曼開玩笑說:「一個考慮用算術方法產生隨機數字的人,當然是有罪的。」更準確地說,偽隨機序列產生器是一種可行的(多項式時間)計算機程序,用於生成無法與任何可行計算機程序所生成的真正隨機序列(比如由獨立投擲一枚公平的硬幣產生的序列)區分開來的序列。因此,在人類生活的多項式時間世界裡,偽隨機序列其實是真正隨機的。如果沒有理論計算機對多項式和超多項式複雜性之間區別的說明,這種理解是不可能做到的。上述想法的一個應用是用提供(短)隨機種子的偽隨機產生器產生的序列來取代機率型CTM中的隨機序列。特別是,如果機率型CTM具有“自由意志”,那麼確定型的CTM也具有“自由意志”。這種確定型的CTM的自由意志與某些(也許是大部分)決定論的思想是相悖的。
1.2. 現在我們來談談意識
CTM的定義採用了理論計算機的觀點。 CTM是一種簡單的機器,它在數學上形成(並通過動力學進行修正)有意識的GWT,有意識的GWT概念起源於認知神經科學家Bernard Baars,並由Dehaene和Mashour等人在他們的全局神經元工作空間理論(GNWT)中加以擴展。在《Theater of Consciousness》中,Baars將意識比喻為戲劇演員在工作記憶的舞台上的表演,他們的表演是在一群坐在黑暗中的觀眾(或者說是無意識處理器)的觀察下進行的。在CTM中,GWT的舞台以在任何時刻都包含CTM意識內容的短時記憶體(short-term memory ,STM)為代表。
觀眾則由強大的處理器(processor)代表,每個處理器都有自己的專業知識,這些處理器組成了CTM的長期記憶體(long-term memory ,LTM)。這些LTM處理器進行預測,並從CTM的世界獲得回饋。每個處理器內部的學習演算法會基於這個回饋改進處理器的行為。每個LTM處理器都有自己的專長,並且之間相互競爭,以便在舞台上以區塊(chunk)的形式獲得它們的問題、答案和訊息,然後立即把這些內容傳遞給觀眾。
自覺意識(Conscious awareness),有時也被稱為注意力,在CTM中被正式定義為LTM處理器對CTM有意識內容廣播的接收。隨著時間的推移,一些處理器透過連結(links)連接起來,這些LTM處理器之間從透過STM的有意識通訊變成透過連結的無意識通訊。透過連結對區塊進行傳播,可以強化其自覺意識,這個過程被Dehaene和Changeux稱為點火(ignition)。受到Baars的GWT架構的啟發,CTM也整合了一些對意識感至關重要的附加功能。其中包括其動態,其豐富的多模態內部語言(我們稱之為腦語(Brainish)),以及特殊的LTM處理器,使CTM能夠創建世界的模型。
1.3. 複雜性的考慮
有限資源的後果在我們對與意識相關的現象(如變化盲視和自由意志)的高層次解釋中發揮著至關重要的作用。這些後果也修正了CTM的詳細定義。其中細節包括:
塊的正式定義:塊是每個LTM處理器在時鐘每一次滴答聲中投入到意識競爭中的信息;
#選擇其中一個競爭塊到達意識的快速機率競爭演算法;
每個處理器中的機器學習演算法,這個演算法利用來自全球廣播、其他處理器和外部世界的回饋來提升處理器的競爭力和可靠性。
儘管受到圖靈的電腦模型的啟發,CTM並不是標準的圖靈機。這是因為賦予CTM「意識感」的不是它的運算能力,也不是它的輸入輸出映射,而是它的全局工作空間架構、預測動力學(預測、回饋與學習的循環)、其豐富的多模態內部語言,以及某些特殊的LTM處理器,如世界模型處理器。如前所述,我們不是在尋找大腦的模型,而是在尋找意識的簡單模型。
2 CTM 模型綜述2.1 CTM的基本結構及CTM中意識的定義
假設CTM有一個有限的生命週期t。時間是用離散的時鐘節拍測量的,t= 0,1,2,…T∼10 ^ 10。 (大約每秒10次,即阿爾法腦波節奏)。 CTM誕生於時間0。 CTM是一個七元組,包括
2.1.1. STM和LTM處理器
在CTM中,STM是一種能夠保存單一區塊的小內存,定義見2.2節。 LTM是N個處理器(N>10^7)的大規模集合,每個處理器是一個隨機存取機器,其隨機存取記憶體大到足以容納T個區塊的一小倍。處理器只在LTM中,而不是在STM中,所以當文中說到處理器時,所指的是LTM處理器。某些特殊的LTM處理器特別負責CTM的意識感覺。這些特別的處理器包括世界處理器的模型、內部語音處理器和用於處理內部視覺、內部觸覺等的其他內部通用語音處理器。
2.1.2. 上行樹競爭與下行樹競爭
下行樹( Down Tree)是一棵高度為1的簡單下向樹,STM中有一個根,有N條從根指向葉的邊,每個LTM處理器中都有一個葉。上行樹是一個向上的二元樹,高度為h,有N個葉子,每個LTM處理器有一個葉子,STM中有一個(單一)根。每個LTM處理器都有自己的專長,透過上行樹競爭把屬於自己的問題、答案和資訊取得到STM,並透過下行樹立即廣播給所有LTM處理器的觀眾。為了讓CTM簡單運行,所有LTM處理器向STM的競爭提交信息,所有處理器接收來自STM的所有廣播。然而在人類身上,視覺的背側通路從來沒有意識(從來沒有達到STM),只有腹側通路是有意識的。這種自下而上/自上而下的循環類似於全域神經元工作空間(global neuronal workspace,GNW)假說,即「有意識的存取在兩個連續的階段進行…在第一個階段,從約100毫秒到約300毫秒,刺激以一種自下而上、無意識的方式在處理器的皮層層次上上升;在第二階段,如果刺激被認為滿足當前的目標和注意力狀態,就會以自上而下的方式被放大,並由一小部分GNW神經元的持續活動維持,其餘的則被抑制。整個工作空間是全局連接的,在任何給定的時間,只有一個這樣的意識表徵是活躍的。」
2.1.3. 塊,有意識的內容,自覺意識,和意識流
問題、答案和訊息以塊的形式傳遞。在上行樹競賽中勝出進入STM的區塊稱為CTM的有意識內容。在CTM中,與Baars的劇場比喻不同,STM(舞台)中總是有一個完全相同的演員。在每一個及時的步驟中,演員都會得到一個勝出的區塊,這個區塊就是透過下行樹即時播放的腳本。我們認為,當所有LTM處理器透過這個廣播接收到這些內容時,CTM就會有意識地意識到這些內容。我們將自覺意識定義為所有LTM處理器對STM廣播的接收,而不是在STM中出現獲勝塊,這麼定義是為了強調意識的感覺是出現在處理器之後,尤其是世界模型和內部語音模型接收到廣播後產生的。在CTM中,我們對意識的定義大致上與認知神經學家所說的「注意力」一致。我們在CTM中所稱的意識感覺(the feeling of consciousness)大致上與認知神經學家所說的「意識」或「主觀意識」一致。 CTM中不斷冒泡的區塊競爭STM,其中的獲勝區塊會不斷地從STM廣播到LTM處理器。從STM傳播到LTM的時間有序區塊形成了一個意識流。如第3節所述,這種流是意識的主觀感覺的一部分。
2.1.4. 鏈接,無意識的溝通,全局點火
處理器之間的所有溝通最初都是透過STM進行的。例如,處理器A可以向上行樹競爭向STM提交問題。如果這個問題在競爭中勝出,就會被廣播到所有LTM處理器。然後處理器B可以透過競爭提交答案,如果處理器B贏了,就會被廣播,以此類推。如果A認為B的答案是夠有用的,那麼A和B之間就會形成雙向連結。這種聯繫讓人想起Hebbian原理,即「一起放電的神經元會連接在一起」。除了向上行樹競爭發送區塊,處理器還透過連結發送區塊。這樣,A和B之間(透過STM的)有意識交流就可以透過A和B之間(透過連結)發送的區塊,變成直接的無意識交流。 A和B之間形成了額外的鏈接,用我們的話來說就是A和B之間的鏈接加強了。連結是處理器之間傳輸訊息的通道。隨著CTM有意識內容的廣播,那些在連結處理器之間發送的區塊可以加強和維持自覺意識。這種強化與Dehaene和Changeux在他們的GNWT中所稱的「全局點火」有關。正如Dehaene所寫的那樣,「全局點火出現在…當廣播超過某個閾值,並進行了自我強化,一些神經元刺激其他神經元,然後這種刺激又反過來回傳興奮的時候。連接在一起的(細胞)突然進入一種自我維持的高水平活動狀態,正如Hebb所說的,這是一種迴響的'細胞集合(Cell assembly))'。」
2.1.5. 輸入和輸出映射:感測器和磁碟機
CTM的環境(Env)是Rm(t)的子集,其中R表示實數,m是正整數維度,t(非負整數)是時間。輸入映射將CTM的感測器獲取的、時變的環境資訊傳送給指定的LTM處理器(為了簡單起見,這裡假設這些感測器是輸入映射的一部分),後者將環境資訊轉換為區塊。輸出映射將命令資訊從LTM處理器傳遞到執行器(這裡假定執行器是輸出映射的一部分),來對環境進行操作。
2.1.6. 對連接的總結
在CTM中,一共有五種連接為資訊傳輸提供路徑和機制。下圖顯示了CTM與LTM處理器之間的這五種連接,它們分別是:
- Env-LTM:來自環境的定向邊通過感測器與感覺數據的處理器之間的連接;
- LTM—STM:透過上行樹;
- STM—LTM:透過下行樹;
- LTM—LTM:處理器之間的雙向邊;
- LTM—Env:特定處理器透過執行器將定向邊傳遞給環境,執行器作用於環境(特定處理器指的是例如產生手指運動指令的處理器,執行器如接收這些處理器指令的手指,執行器透過這些處理器的手指動作對環境進行操作)。
圖註:CTM中與LTM處理器之間的連接
2.2. 腦語(CTM的多模型內部語言),要點和塊
腦語(Brainish)是CTM的內部語言,用於處理器之間的通信,透過競爭和廣播或直接透過連結來實現通信。另一方面,處理器內部使用的語言通常因處理器而異,除了腦語還有其他語言。腦語是用來表達內在語言、內在視覺、內在感覺、想像和夢境的語言。腦語包括輸入和輸出的編碼表示,這些編碼表示都是用簡潔的多模態腦語單字和短語來表示,稱為「gists」(要點)。要點可以包含一個場景的本質,或關於一個證明的高度可擴展的想法。重點還可以是一個問題的答案,某種洞察,一個夢的圖像,一種痛苦(的描述),等等。比起外部語言如英語、漢語或狗語(Doggish),腦語能夠更好地表達和操控圖像、聲音、觸覺和思想——包括非符號化的思想。作者認為,具有表現力的內在語言是意識感覺的重要組成部分(詳見第3節)。資訊在所有邊上以區塊的形式進行傳輸,其在處理器之間傳輸,在STM和LTM之間傳輸,從輸入到LTM之間傳輸,也從LTM到輸出之間傳輸。一個區塊就是一個六元組:
。其中,address(位址)是LTM處理器產生的位址區塊,t是區塊產生的時間,gist(要點)是腦語中被「簡明表示」的訊息,而該訊息是處理器計畫所要通訊的內容。 weight(權重)是處理器提供給要點的一個假數,intensity(強度)和mood(情緒)在時間t分別以 |weight|和weight開始。研究者註意到,區塊的大小(以及它的組件的大小,包括要點)必然會受到計算複雜性考慮的限制。2.3. 機率性質的上行樹競爭:coin-flip神經元和競爭函數
上行樹競爭是決定哪個LTM處理器能夠將自己的區塊放入STM的機制。在每個計時點t= 0,1,…,T,第t個競爭開始時,每個處理器p將其區塊放入上行樹的處理器葉節點中。在一個區塊被送入上行樹競爭之後,當它在競爭樹上向上移動時,它的address、t、gist和weight保持不變,但其ntensity和mood會發生變化,以納入更多的全局信息。
2.4. 有意識感知的計算複雜性和時間延遲
對於t>0和s>0,更新上行樹競爭中節點vs處的區塊,所需的計算包括:1 ) 兩次快速計算f,對其值進行求和和除法運算,以及一次快速的機率選擇;2) 將所選區塊的位址、要點和權重放入節點vs;3) 與vs的子節點相關的區塊的強度和情緒進行求和,並將這些總和設定為區塊在vs節點處的強度和情緒。這些計算都必須在1個時間單位內完成,這對節點上塊的大小和可以在該節點執行的計算量設定了一個界限。
2.5. 内存和高层存储
我们假设每个处理器p在其内部内存中存储元组的序列,这些序列按时间t排序,包括处理器送到竞争中的块p、t、0,和处理器通过STM的广播所接收到的块,以及处理器在时间t从链接或输入映射中接收到的块的选择子集。这些序列是CTM存储的重要组成部分。「历史」提供了一个p所看到和做过的高层存储。高层存储在很大程度上解释了CTM在意识感受中的自我感知。CTM需要高层存储结合预测算法来创造梦(详见第4.5节)。这些存储的信息可能会定期被修剪,因此只剩下「显著」的块,最显著的是那些代表可怕、美妙或意外事件的块。通常而言,每个处理器都会对它生成、修改和存储的块进行预测。
2.6. 预测动力学=预测 反馈 学习(睡眠专家算法)(Sleeping Experts Algorithm,SEAs)
处理器需要反馈来评估其预测的正确性和检测错误,并学习如何提高正确性和减少并纠正错误。•无论是提交给STM竞争、通过链接提交给其他处理器,还是提交给影响环境的执行器,LTM处理器都会对所有块进行CTM预测。•反馈从STM广播中接收的块、通过链接接收的块以及通过输入映射从环境接收的块。•所有CTM学习和纠错都在处理器中进行。在CTM中,预测、反馈和学习不断循环。CTM需要警惕任何不寻常的事情和任何形式的意外,以便在必要时处理这些事情,并始终提高对世界的理解。通过这种循环,预测的误差(例如「意外」)被最小化。处理器尤其需要知道自己在设置权重时是过于保守还是过于大胆,这样才能修正权重分配算法。睡眠专家算法(SEAs)是LTM处理器用来实现这一目标的一类学习算法。这里所展示的是SEAs最简单的版本之一。当出现以下情况时,鼓动处理器(提高其赋给块的强度):
- 它的块未进入STM,并且
- 它的信息(在SEA看来)比进入STM的信息更有价值。
当出现以下情况时,抑制处理器(降低其赋给块的强度):
- 它的块进入了STM
- 它的信息被发现(可能是之后被发现)不如某些未能进入STM的块的信息有价值。
SEAs在处理器是否将它们的块放入STM方面起作用。SEAs也对处理器是否会「注意」那些通过链接发送给它们的块中的要点有影响。块的权重绝对值显示生成块的处理器认为其要点是否重要,这将影响接收块的处理器是否会注意到它。
2.7. CTM与GWT模型的比较
研究者比较了CTM和Baars的GWT模型,见下图。
图注:模型草图:Baars的GWT模型(左)和CTM模型(右)为了简单起见,此图简化了许多功能。例如,CTM在舞台上只有一个「演员」,这个「演员」一次只持有一个块。此外,CTM中的所有处理器都在LTM中。在这里,中央执行器被取消,因为其功能可以由处理器代劳。在CTM中,输入和输出直接进出LTM处理器,而不是直接通过STM。在CTM中,块在定义明确的竞争中展开竞赛,以登上舞台(STM)。
自觉意识(注意力)是所有LTM处理器对所广播的获胜块(即CTM的意识内容)的接收,而不是发生在输入和STM之间的事件。Baddeley和Hitch的口头排练和视觉空间画板的角色由LTM处理器承担。预测动力学(预测、反馈和学习的循环)和多模态内部语言(脑语)以及计算和复杂性考虑是显著的、关键的CTM特性。
最后,正如「扩展心智理论」所述,CTM可以LTM处理器的形式访问现有技术,如Google、Wikipedia、WolframAlpha、AlphaGo等,LTM处理器的任务就是去使用这些应用程序。这是确保CTM在其生命周期开始时(t=0)拥有大量功能强大的处理器集合的一种方法,该集合在其整个生命周期中都是可扩充的。
CTM模型及其动力学的关键特征与Dennett概述的意识特性之间具有异曲同工之处:控制我们意识思维的转变的既不是主调度器,也不是Boss神经元,更不是Homunculus或Res Cogitans。在实施控制的必定是一个动态的、有些竞争性的过程。究竟是什么决定了谁是赢家?
應該是類似於伴隨和控制所有內容命運的微觀情緒、積極和消極的配價強度這些因素,不僅是在情感上明顯突出的事件如痛苦、尷尬或慾望的強迫性記憶,而且還有最深奧抽象的理論思考。儘管受到了Baars的GWT架構的啟發,但CTM整合了其意識感受所必需的功能。這是下一節的重點。
3 意識的感覺雖然根據STM傳播的意識內容的定義,CTM是有意識的,但這個定義並沒有解釋在CTM中是什麼產生了意識的感覺。作者認為,CTM對意識的感覺主要是由其極富表現力的腦語所帶來的,再加上CTM的架構、特定的特殊處理器和CTM的預測動態(預測、回饋和學習)。
1) 腦語
多模態腦語準確地描述了CTM所感知到的世界。這種知覺是由多模態語言的感覺所組成的。它的詞彙包括氣(鼻孔聞到的氣味)、疼痛(極度不愉快的疼痛感覺)、臉(看別人臉時看到的東西)等等。夢是很重要的,因為它顯示了當CTM既沒有輸入也沒有輸出時,重點可以表達什麼。
2) 架構
這包括獲得STM存取權的上行樹競爭,以及隨後對贏家所進行的全局的下行樹廣播,尤其是所有在產生意識感覺中扮演特殊角色的處理器。
3) 特殊的處理器
作者挑選了在誕生時就內建了專門演算法的一些處理器。
- 世界模型處理器(Model of The World processor)根據從環境中獲得的信息,或從可能被修改過的內部記憶體中獲得的信息,來建立CTM世界的模型。將CTM的內部世界定義為世界處理器的模型為CTM所建立的稀疏「CTM」模型。將CTM的外在世界定義為它用腦語所註釋的標籤和描述,包括它們(可能)擁有的感覺和它們(可能)執行的動作。
- 內部語音處理器提取STM廣播的要點中被編碼的任何語音,並將其發送到與輸入映射發送外部語音的要點(由輸入映射創建的要點)相同的位置。這最初是透過STM發送的,然後在連結形成後,直接透過連結發送。 「內部語音」是由內部語音處理器產生的,它使CTM能夠回憶過去,預測未來,並製定計劃。內在語言的要點(如自言自語或夢中所說的和所聽到的)與外在語言的要點幾乎沒有區別。人類的內在語言聽起來很像外在語言,以至於很難區分二者,就像精神分裂症患者的情況一樣。
- 內部視覺和內部(觸覺)感覺處理器,將STM廣播的任何圖像和感覺都映射到輸入映射發送到外部場景和外部感覺的任何位置。內部視覺和外部視覺(由輸入影像產生的視覺要點)幾乎沒有區別。 CTM的記憶和預測能力使得CTM能夠創造內在圖像和感覺,從而產生想像和夢境。為了阻止精神分裂症的幻覺,人類大腦會區分內在影像和外在影像。大腦有各種各樣的技巧來做到這一點,其中一個就是讓夢變得難以記憶。
這些處理器通知CTM世界模型中的「眼睛」和「皮膚」,讓它們「看到」CTM從視覺記憶中回憶起來的任何東西,並「有觸覺地感知」 CTM從感官記憶中回憶起的任何東西。這些眼睛和皮膚就是CTM的心靈之眼和心靈之膚。作者認為,這些處理器是內部通用的語音處理器。
4) 預測動力學
此外,作者認為,CTM透過預測、回饋和學習的持續循環影響了CTM對意識的感覺。在CTM的世界處理器模型中,這種感覺透過(並行的)預測動力學進一步增強,在該模型中,CTM不斷地進行規劃和測試。正向回饋給CTM一個訊號,表示它了解正在發生的事情;負回饋-除非是關於一些無法預測的事情,例如一聲意外的巨響-給CTM提供了它不知道或不理解的事情的證據。 CTM的意識感覺還有另外以下因素:
5) 有基本的(一般的)思考和製定計劃的能力
6) 制定並實施計劃的動機(=能量動力) 。
現在回到世界處理器的模型,來描述一個中心任務,即將其模型的各個組成部分標記為self(自我)或非self,或未知。世界處理器的模型如何決定什麼是self,什麼不是self?如果在對一個區塊(CTM的一個思想)的廣播之後,執行器立即在環境中執行一個動作——這個思想會導致相同的動作持續不斷地重複——那麼這表明執行器是self的一部分。
世界模型的處理器還有其他重要的工作來賦予CTM以自我意識,包括創造想像、創造環境的映射和表達運動的環境,幫助計劃環境中的行為,幫助預測環境中的自我和而非自我的行為,糾正對自我和非自我行為的預測。
當CTM透過廣播發現自己在思考自己的意識時,世界模型處理器就會將模型中的「CTM」標記為「有意識的」。現在再來看看,為什麼CTM會認為自己是有意識的。這不可能是因為世界模型處理器或任何其他處理器認為它是有意識的,因為處理器只是運行演算法的機器——而且這樣的機器並沒有感覺。
作者認為,CTM作為一個整體是有意識的,這有一部分是因為世界模型處理器會將其世界模型中的「CTM」視為有意識的,並將這個觀點傳播給所有的處理器。在這裡,「CTM」是對更複雜的CTM的簡單學習表示。
4 高層次的解釋這一節將探討CTM如何可能經歷一般與意識相關的各種現象。作者相信從模型中得出的解釋,提供了對意識體驗如何產生或可能如何產生的高層次理解,這些解釋與心理學和神經科學文獻達成了高度一致。
4.1.盲視
在下文的例子中,盲視說明了有意識和無意識意識之間的區別。在盲視中,人不會有意識地看見外在世界。當被要求在一個雜亂的房間裡拿東西時,實驗參與者會有一種典型的反應:「我看不到東西在哪裡。」但如果謹慎對待這個要求,實驗參與者還是能熟練完成這個任務的。這中間發生了什麼事?在CTM中,視覺輸入直接從視覺感測器到處理視覺輸入的LTM處理器的一個子集。然而,在盲視的CTM中,由於某種故障,也許是上行樹的斷裂,或者是視覺處理器無法有競爭性地輸入塊的信息,這些信息無法上傳到STM,因此也就無法得到全局廣播。由於這個原因,CTM不會有意識地意識到自己能看到。然而,資訊仍然可以透過連結在(無意識的)處理器之間進行交流。因此,視覺處理器收到的視覺訊息可以透過連結發送到控制腿部執行器的行走處理器。
4.2. 無意盲視
當一個人未能察覺到明明就在眼前的視覺刺激時,就會出現無意盲視。無意盲視是「當注意力集中在其他任務上時,沒有註意到一些意外的東西的存在」。例如,在著名的選擇性注意測試中,實驗者向觀眾播放影片“看不見的大猩猩”,並要求觀眾“數出穿白襯衫的球員的傳球次數”。幾乎所有的觀眾都給出了接近正確的數字,但當被問及“你看到大猩猩了嗎?”時,他們卻呆若木雞。這到底是怎麼回事?假設CTM正在觀看大猩猩的影片。
關於白襯衫球員的輸入查詢獲得了STM的訪問權,然後立即廣播給所有LTM處理器。為了執行這個任務,CTM的視覺處理器給白襯衫要點分配了高密度(intensity),而給任何黑色的東西分配了非常低的密度,因此有“大猩猩”圖案的塊狀物要點很少有機會進入STM。
CTM並沒有有意識地看到這隻大猩猩。 CTM對無意盲視的解釋是:對要點給予不同的密度,對不相關的要點給予較低的密度,那麼得到較高密度的塊會有更大的競爭優勢。根據參考文獻中進行的模擬,在某些「點燃」狀態下,「自發性活動可以阻止外部感覺處理」。他們把這種阻斷與無意盲視的原因連結起來。在我們看來,阻斷人腦對黑色物體的“感覺處理”,大致相當於CTM大幅降低了塊中黑色要點的密度,從而降低了這些塊進入STM的機會。 CTM中不同密度的影響也符合理論上的意義,即人類的無意盲視「可以作為不相關資訊的過濾器,可能過濾掉意外事件」。
4.3. 變化盲視
當人不能注意到圖片或場景中的巨大變化時,就會出現變化盲視,它是「未能注意到某些東西從一個時刻到另一個時刻的變化」。
一個頗具啟發性的例子是偵探影片。一名偵探進入了謀殺現場,並說“顯然,這個房間裡有人謀殺了斯邁思爵士”,並立即依次審問每個嫌疑人。女僕說:「我在主臥室裡擦拭銅器。」管家說:「我在給老爺的烤餅塗黃油。」而斯邁思夫人說:「我在盆景棚裡種牽牛花。」這些訊息足以讓聰明的偵探當場破解謀殺案。
然而,為什麼我們沒有註意到開頭的螢幕截圖和結尾之間有許多不協調的場景變形?
從CTM的角度來看,在觀看「偵探」影片時,CTM有形成整體的印象,但沒有註意到風衣、花、畫等被其他東西取代後所發生的變化,這是因為以下原因:
1)拍攝過程中,導演巧妙安排了整個場景乃至於單個人物的變化,去除了深色風衣變成白色風衣、熊變成盔甲、擀麵杖變成燭台、死者換了衣服並抬起了腿等等變化的過渡。視訊輸入從未向CTM的視覺處理器發出訊號,表示「場景」已被修改。
2)重要的是,同樣的要點對開頭和結尾的場景都有同樣的描述:「一座豪宅的客廳,裡面有偵探、管家、女僕、其他人,還有一個地板上的死者。」
在這些條件下,CTM就出現了變化盲視。
同樣,CTM 的解釋與人類變化盲視的文獻一致。鑑於變化檢測需要充分錶示變化前和變化後的場景以及比較,任何影響表示的豐富性或比較表示的傾向的任務特徵都應該影響檢測。變化對象的語意重要性似乎對受試者關注並因此註意到變化的可能性有最大影響。
4.4 錯覺,不注意的盲目性和變化的盲目性可能被認為是幻覺的例子
根據定義,CTM是有意識地意識到從STM廣播的塊中的要點的。 (這些要點從LTM處理器到達STM。LTM處理器是透過輸入映射從感測器得到,或透過連結從其他LTM處理器得到,或透過廣播從STM處得到這些要點的)。重點儲存在LTM記憶中的原因很多,其中一個原因是為處理器提供高層次的故事,如夢中發生的故事。
在CTM中,意識流是STM播放的要點序列。每個時刻的每個視覺要點都給CTM一種感覺,即它看到了眼前的整個場景,儘管它最多只看到場景的一小部分。整體的錯覺有幾種解釋,其中最主要的是,一個多模態的腦語要點可以描述一個極其複雜的場景,例如「我站在一個包含小溪、小路、小橋和樹木的日本風格花園前」。這個要點是否包括了iPhone相機拍攝的1200萬像素照片中的細節(就像它感覺我們看到了一樣)?整體的幻覺是要點中高度暗示性(簡潔)訊息的結果。 CTM像變魔術一樣變出了這個場景。 Keith Frankish 稱這是意識的幻覺理論。
4.5. 夢的創造
夢是最終的幻覺。有些人聲稱不做夢,但大多數人都是做夢的。夢可能是視覺的、聽覺的、觸覺的,等等。夢往往與情緒過程有關,可以表達巨大的痛苦和恐懼(惡夢)或巨大的快樂(如飛行夢)。一個人可以感覺到腿部的殘缺不全的疼痛,醒來後卻發現疼痛完全是虛幻的,根本沒有疼痛,一個人也可以睡著時臉朝下,醒來時臉朝上。
在CTM中,一個內建的睡眠處理器(Sleep processor)追蹤時間、習慣、日/夜等,並有內部演算法來監測睡眠的需要。如果睡眠處理器確定需要睡眠,它就會透過提高自己的塊的密度,讓塊能夠進入STM,並將其他塊阻擋在STM外。這與降低其他LTM處理器的塊的密度的效果大致相同。這個處理器還阻止或大幅降低各種輸入(所看和所聽)的密度,並阻止啟動輸出的訊號(如四肢收到的訊號)。這就是睡眠狀態。睡眠處理器不斷監測睡眠的需要,並隨著這種需要的減少,按比例減少自己的塊的密度。這最終允許夢的要點(以塊為單位)達到STM。這就是夢的狀態。
最後,當睡眠處理器降低其對輸入和輸出的限制時,CTM就會醒來。在人類中,非快速動眼睡眠和快速動眼睡眠在覺醒前可以交替進行幾次。
當CTM處於夢境狀態時,一個創造夢境的處理器(Dream Creator)便開始活動(也就是說,這個處理器開始將它的塊送入STM)。這些區塊中的要點包含思想的內核(通常基於早期CTM的活動、關注、想像)。當這些區塊被廣播時,所有的處理器,包括那些在意識感覺中起關鍵作用的處理器,都會收到這些廣播並競相做出反應。這使得CTM在夢境中具有與清醒時相同的活著的感覺。
造夢處理器和其他處理器輪流來回互動。造夢處理器與處理器之間的對話──來回的互動──是構成夢的要點序列、這個序列就是夢的意識流。
夢實質上是將這一序列的塊拼接起來,產生一個夢的意識流(內在電影),1)看到、聽到和感覺到夢中的世界,2)影響夢中世界出現的東西。這樣一個(互動的)內在電影顯示一系列的感覺輸入(圖像、氣味和聲音),並產生一系列的行動。
當CTM處於睡眠狀態但不做夢時,大多數處理器不能將它們的區塊送入STM,巨大噪音偵測器和睡眠處理器本身是例外。睡眠處理器在STM中的區塊會阻止大多數其他處理器的區塊到達STM。根據設計,睡眠處理器持有一個空的要點,所以CTM沒有意識或幾乎沒有意識。
在CTM離開睡眠狀態進入夢境後,一部分LTM處理器,如內視處理器,可以將它們的區塊送入STM。因此,在做夢時,CTM是有意識的,可以生動地體驗事件。如第3節所討論的,關鍵的處理器,如內在言語、內在視覺、內在感覺和世界模型的處理器,在產生CTM的意識感覺方面起著特殊作用。
當CTM做夢時,這些處理器也發揮類似的作用。以下是一些說明處理器如何為CTM造夢的例子:
- 內在語音處理器從STM廣播的多模態圖形中提取內在語音,並將該語音發送到接收外部語音的同一處理器。這個過程使夢中的語言聽起來像外在語言。內在視覺和內在感覺處理器以類似的方式幫助創造夢境。
夢境展示了腦語要點的力量。 CTM 在夢中看到的、聽到的、感覺到的和做的,必然是由能夠回憶、修改和向STM的競爭提交創作的處理器編造的。這些編造是現實的,因為它們使用的是清醒時產生的相同的要點。
因此,即使 CTM 完全脫離了外部輸入,夢也會產生現實世界的感覺。因此,夢可以顯得如此逼真,以至於CTM可能變得難以區分夢境和現實(但人類較難記住夢境,所以這個問題在人類中就可以避免)。已有的文獻證明,一個人看到一張臉後,無論是從記憶中找回這張臉,還是當這張臉出現在夢中,都會出現同樣的神經活動模式。文獻也指出,在快速動眼睡眠中,當人有運動的感覺時,夢中運動皮質的活化與清醒時的活化是一樣的。
- 世界模型處理器預測CTM的行為將在其(內部和外部)世界中產生的影響。它從這些行動在其世界模型中的效果來做這件事。造夢處理器可以使用這個相同的預測機器來創造夢。
夢也使CTM能夠在未知和可能的危險情況下測試自己。在人類和CTM中,夢都可以成為實驗各種可能解決方案的實驗室。然而,與清醒時的意識不同,由於CTM在其世界模型處理器中的「一致性檢查器」沒有得到來自環境的輸入,不一致的情況在夢中比清醒時更容易發生而不被注意。
因此,CTM可以在夢中飛行。 Zadra和Stickgold 斷言,在人類中,「夢境並不完全重現記憶。夢創造了一種敘述,其要點與最近的一些記憶相同,並可能有相同的標題。」他們指出,「快速動眼睡眠提供了一種大腦狀態,在這種狀態下,弱的和意外的聯想比正常的強聯想更強烈地被激活,這解釋了快速眼動睡眠是怎麼幫助去尋找一些弱相關的遙遠的聯想,也許解釋了我們快速動眼睡眠期的夢為什麼那麼奇怪。」
4.6.自由意志
自由意志的問題是古老的,早在公元前一世紀就出現在Lucretius(De Rerum Natura)。 「如果所有的運動總是相互連結的,新的產生於舊的,有一個確定的順序——如果原子從來沒有轉向從而產生一些新的運動,打破命運的束縛,永恆的因果順序——那麼整個地球上的生物所擁有的自由意志的來源是什麼?
」Samuel Johnson博士在1709年至1784年之間的觀察捕捉到了自由意志的悖論:「所有的理論都反對意志的自由,而所有的經驗都支持意志的自由。」Stanislas Dehaen 則發出了當代的聲音:「我們的大腦狀態顯然不是無因的,也不能逃脫物理學定律——沒有什麼可以逃脫。但是,只要我們的決定是基於有意識的思考,自主地進行,沒有任何障礙,在承諾採取某項行動之前仔細權衡利弊,就是真正的自由。當這種情況發生時,我們說的自願決定是正確。當然,即使它最終是由我們的基因和環境造成的。
」本文作者在Dehaene 的基礎上補充說,計算需要時間。為了做出決定,CTM在需要時間的評估中對其替代方案進行評估,在這段時間裡,CTM是自由的,事實上可以感覺到自由,選擇它認為(或者說計算出的)最好的一個結果。
因此,理論計算機的觀點影響了我們對自由意志的定義。自由意志是計算不同行動路線的後果的自由——或在可用資源(時間、空間、計算能力和資訊)範圍內盡可能多地計算這些後果——並從中選擇最適合自己目標的行動路線。
這個定義同時包含了預測性動態(計算不同行動方案的後果)和資源限制(時間、空間、運算能力和資訊)。例如,如一個 CTM 被要求在國際象棋遊戲中扮演一個特定的位置。不同的處理器建議不同的棋步。 CTM的主要下棋處理器(假設存在這樣的處理器,或者可以說是一個對遊戲有「高層次」看法的處理器)透過在STM中廣播一個區塊來表示,它認識到它有一個可以選擇的棋步,並且它認為值得仔細研究每一步的後果。在這一點上,面對可能的棋步選擇,但尚未評估這些棋步的後果,CTM可以在時間限制內自由選擇它認為最好的棋步。 CTM會不會覺得自己有自由意志?
1)當考慮到CTM會問自己 「我應該做什麼動作?」的時刻,意味著這個問題已經上升到STM階段,並通過廣播到達LTM處理器端的觀眾。作為回應,一些觀眾會向活動提出自己的建議,而競爭的獲勝者則可以登上舞台並獲得廣播。因為重點很短,因此像一些比較簡要的廣播也可以合理地闡明。
2)出現在STM並向LTM全域廣播的持續性反覆的評論、命令、問題、建議和答案,使CTM對其控制有了認知。當CTM被問及它是如何產生一個具體建議的(即,在提出那個建議的過程中它進行了哪些思考),它的處理器將能夠闡明達到這個階段的一部分對話(儘管短期內也許不會超過這個階段)。
3)許多LTM處理器透過競爭來產生CTM的最終決定,但CTM只是有意識地知道進入STM的是什麼,而非將所有內容都提交到競爭當中。此外,CTM中絕大部分、即其中大部分的處理器,並不知道處理器間(透過連結)的無意識交談。就CTM而言, 當有意識地忽略決策出現的過程夠多時,以至於這個決策有時像是憑空得來的。即便如此,儘管CTM無法有意識地知道其建議如何被採納,除了STM所傳播的高層內容外,它知道建議是來自其內部自身的。對於CTM提出的建議理應得到讚揚(畢竟,它們確實來自CTM內部),並且可以用高層次敘述來解釋一些內容,至於無法解釋的部分,它可以說“我不知道”或“我不記得” 。正是有了那些經過選擇的知識(CTM對選擇有了解、也有不理解之處),CTM才產生了自由意識的感覺。不管確定性與否,這種經驗上的感覺是自由意志的一種。
隨機性對於這種自由意志感覺的解釋有多重要?要注意的是,在CTM中,上述解釋並不需要運用到量子物理學。唯一的隨機性是在向上樹競爭中的coin-flip神經元,以及處理器在其機率演算法中使用的任何隨機性。此外,可以證明的是,上述關於自由意志感覺的論證仍然適用於完全確定的CTM(例如,使用偽隨機性的CTM)。由此可見(可以預見這將引起一場激烈的爭論),即使在一個完全確定的世界中,CTM也會感覺到它有自由意志。
以上是登上國際頂刊 PNAS!科學家從理論計算機出發,提出了一個意識模型—「有意識的圖靈機」的詳細內容。更多資訊請關注PHP中文網其他相關文章!

AI增強食物準備 在新生的使用中,AI系統越來越多地用於食品製備中。 AI驅動的機器人在廚房中用於自動化食物準備任務,例如翻轉漢堡,製作披薩或組裝SA

介紹 了解Python函數中變量的名稱空間,範圍和行為對於有效編寫和避免運行時錯誤或異常至關重要。在本文中,我們將研究各種ASP

介紹 想像一下,穿過美術館,周圍是生動的繪畫和雕塑。現在,如果您可以向每一部分提出一個問題並獲得有意義的答案,該怎麼辦?您可能會問:“您在講什麼故事?

繼續使用產品節奏,本月,Mediatek發表了一系列公告,包括新的Kompanio Ultra和Dimenty 9400。這些產品填補了Mediatek業務中更傳統的部分,其中包括智能手機的芯片

#1 Google推出了Agent2Agent 故事:現在是星期一早上。作為AI驅動的招聘人員,您更聰明,而不是更努力。您在手機上登錄公司的儀表板。它告訴您三個關鍵角色已被採購,審查和計劃的FO

我猜你一定是。 我們似乎都知道,心理障礙由各種chat不休,這些chat不休,這些chat不休,混合了各種心理術語,並且常常是難以理解的或完全荒謬的。您需要做的一切才能噴出fo

根據本週發表的一項新研究,只有在2022年製造的塑料中,只有9.5%的塑料是由回收材料製成的。同時,塑料在垃圾填埋場和生態系統中繼續堆積。 但是有幫助。一支恩金團隊

我最近與領先的企業分析平台Alteryx首席執行官安迪·麥克米倫(Andy Macmillan)的對話強調了這一在AI革命中的關鍵但不足的作用。正如Macmillan所解釋的那樣,原始業務數據與AI-Ready Informat之間的差距


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SublimeText3漢化版
中文版,非常好用

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能