中国人工智能学会通讯——意识科学研究进展 1.2 意识模型的构建

简介:

1.2 意识模型的构建

如果意识是物质的,是遵守物理定律 的,那也应该是数学可描述的;需要对意 识建立数学模型加以描述。

意识的数学模型应该满足:① 描述意 识的本质特征。② 符合哲学、科学、常识 对意识的共同定义或理解。③ 能够解释意 识的基本规律,并使得意识的各种规律特 别是这些规律的数学描述能够符合这一模 型;即这一模型应该有很好的可扩展性, 使得复杂的意识现象可能产生的各种数学 描述都能够融合这一(本质特征描述)模型; 任何的意识现象的数学表达都应该作为意 识模型的局部或组件,或处于该模型的某 种确定性的关联之中。④ 具有可计算性(对 于符合意识特征的机器行为,最好是具有 人工可实现性)。符合或力图符合这一特 征的模型包括以下模型。

image
image
image

此外,发博(Ilya B Farber)、丘奇兰 德(Patricia S Churchland)[9-10] 以及巴尔 斯 ( Bernard J. Baars) 和埃德尔曼(David B. Edelman)也分别提出了关于意识特征的综 合描述性理论 [10-11]。

最近的意识模型研究进展是皮亚杰同 构意识模型的提出和重新解释。皮亚杰是 发生认识论的创始人,也是法国布尔巴基 学派的成员。他认为心理现象能够与外界 建立同构关系。这一思想被拓展用于描述 意识成为意识的同构模型 [12-13]。对这一模 型本文提出了若干解释 [14]:将心理模型解 释为意识模型;论证了这一模型所描述的 就是哲学和日常生活所指谓的“意识”概念; 给出了意识模型的数学表达式——群同构 演算;以同构模型解答了若干哲学、科学 关于机器是否具有意识的问题,如图灵测 试、中文屋问题(关于机器是否有意识)。

image

同构模型体现了意识对外界“反映” 这一根本特征;同时,它在不同集合体内 的操作(运算)也使得系统内具有能动性, 即这种操作使得系统不是完全依赖于外界刺激(它有自己的运行方式,仅当这种操 作结果与被映射的外界的运行结果相符即 形成同构时,意识才被证实有效)。这一 模型是可扩展的,它的计算单元(集合的 元素)和计算算符都可以继续扩展,允许 构建多个结构。它可以表现为多级同构, 如人的符号意识可以视为神经元 - 符号 - 外 界对象的 3 个世界 2 级同构;类似地,动 物如果忽略其很小的符号能力,可以理解 为神经元与外界对象的 2 个世界 1 级同构; 当前的计算机如果忽略其很小的传感能力, 可以理解为多级符号世界(进行多级程序 语言调用的多级编译或解释系统)的同构; 机器人的行为及其控制可以理解为程序语 言(尚没有或有限的自然语言符号)与外界 对象的同构。同构模型解释了中文屋难题, 即为什么计算机不能视为有人一样的智能, 是因为它在符号之间的同构中缺少了一级 对外界对象的同构;虽然符号层级的同构 不失为智能,但不是完全意义上的类人智 能;中文屋内的计算机如果加入传感世界 层级与符号的同构则在本质上等同于意识, 如图 1 所示,在中文屋计算机所具有的“计 算实体”“符号系统”及其关系之外,加入“物 理世界”层及其层间关系。显然,同构模 型还具有良好的可计算性,兼有联结主义 和功能主义的特征,也符合二元主义的形 式特征。

image

相关文章
|
1月前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
2月前
|
机器学习/深度学习 人工智能 人机交互
图形学领域的研究热点会给人工智能带来哪些挑战和机遇?
图形学中的一些研究热点,如 3D 模型生成与重建,需要大量的 3D 数据来训练模型,但 3D 数据的获取往往比 2D 图像数据更困难、成本更高。而且,3D 数据的多样性和复杂性也使得数据的标注和预处理工作更加繁琐,这对人工智能的数据处理能力提出了更高要求。例如,在训练一个能够生成高精度 3D 人体模型的人工智能模型时,需要大量不同姿态、不同体型的 3D 人体扫描数据,而这些数据的采集和整理是一项艰巨的任务.
121 50
|
1月前
|
机器学习/深度学习 人工智能 算法
人工智能浪潮下的编程实践:构建你的第一个机器学习模型
在人工智能的巨浪中,每个人都有机会成为弄潮儿。本文将带你一探究竟,从零基础开始,用最易懂的语言和步骤,教你如何构建属于自己的第一个机器学习模型。不需要复杂的数学公式,也不必担心编程难题,只需跟随我们的步伐,一起探索这个充满魔力的AI世界。
58 12
|
2月前
|
机器学习/深度学习 数据采集 人工智能
探索人工智能中的深度学习模型优化策略
探索人工智能中的深度学习模型优化策略
|
2月前
|
人工智能 监控 物联网
深度探索人工智能与物联网的融合:构建未来智能生态系统###
在当今这个数据驱动的时代,人工智能(AI)与物联网(IoT)的深度融合正引领着一场前所未有的技术革命。本文旨在深入剖析这一融合背后的技术原理、探讨其在不同领域的应用实例及面临的挑战与机遇,为读者描绘一幅关于未来智能生态系统的宏伟蓝图。通过技术创新的视角,我们不仅揭示了AI与IoT结合的强大潜力,也展望了它们如何共同塑造一个更加高效、可持续且互联的世界。 ###
|
2月前
|
机器学习/深度学习 人工智能 机器人
推荐一些关于将图形学先验知识融入人工智能模型的研究论文
推荐一些关于将图形学先验知识融入人工智能模型的研究论文
|
2月前
|
机器学习/深度学习 人工智能 图形学
如何将图形学先验知识融入到人工智能模型中?
如何将图形学先验知识融入到人工智能模型中?
|
2月前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
140 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
2月前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
137 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
2月前
|
机器学习/深度学习 人工智能 数据可视化
人工智能在图形学领域的研究热点有哪些?
AIGC:通过生成对抗网络(GAN)、变分自编码器(VAE)及其变体等技术,能够根据用户输入的文字描述、草图等生成高质量、高分辨率的图像,在艺术创作、游戏开发、广告设计等领域应用广泛。如OpenAI的DALL-E、Stable Diffusion等模型,可生成风格各异、内容丰富的图像,为创作者提供灵感和素材.