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
|
21天前
|
人工智能 数据库 Docker
探索人工智能的世界:构建智能问答系统之环境篇
【6月更文挑战第7天】在本教程中,作者指导读者如何搭建项目环境,包括安装Python 3.10、Docker Desktop和Visual Studio Code。安装Python时可按默认设置进行,Docker Desktop用于管理数据库容器,提供更好的开发和测试环境。Visual Studio Code是一个推荐的源代码编辑器。虽然尝试使用cursor开发时遇到问题,但最终选择了使用VS Code。但建议本地开发。配置文件部分,提供了`docker-compose.yaml`、`Dockerfile`和`pyproject.toml`的示例,用于构建和管理项目容器。
探索人工智能的世界:构建智能问答系统之环境篇
|
8天前
|
机器学习/深度学习 数据采集 人工智能
人工智能:构建自定义机器学习模型的步骤与技巧
【6月更文挑战第25天】构建自定义机器学习模型涉及明确问题、数据收集预处理、特征工程、模型选择训练、评估优化及部署监控。关键技巧包括选择适配的算法、重视数据预处理、精巧的特征工程、有效评估优化和适时的模型更新。通过这些步骤和技巧,可提升模型性能与泛化能力。
|
15天前
|
机器学习/深度学习 人工智能 算法
人工智能伦理与责任:构建未来技术的指南针
【6月更文挑战第17天】随着人工智能技术的快速发展,其带来的伦理问题和社会责任也逐渐成为公众关注的焦点。本文将深入探讨AI的伦理挑战,包括隐私保护、偏见消除、自动化失业问题等,并提出相应的解决策略。通过分析当前AI技术的应用现状,文章旨在为技术开发者、政策制定者和社会各界提供指导,共同推动一个负责任和可持续的人工智能未来。
13 3
|
15天前
|
人工智能 自然语言处理 搜索推荐
【人工智能】第六部分:ChatGPT的进一步发展和研究方向
【人工智能】第六部分:ChatGPT的进一步发展和研究方向
19 3
|
15天前
|
人工智能 自然语言处理 自动驾驶
人工智能领域最新研究进展
人工智能领域最新研究进展
|
20天前
|
人工智能 自然语言处理 数据库
探索人工智能的世界:构建智能问答系统之实战篇
【6月更文挑战第8天】本文档介绍了如何使用Python进行Milvus数据库操作,包括环境安装、基本操作如连接数据库、创建集合、插入和查询向量数据、创建索引、删除数据等。此外,还展示了使用LangChain库与HuggingFaceEmbeddings集成,简化操作。最后,演示了如何结合openai模型定制交互式问答系统。整个过程旨在帮助读者理解如何将预训练模型与数据库集成以实现特定任务。
|
14天前
|
机器学习/深度学习 存储 人工智能
基于人工智能的个性化推荐系统研究
基于人工智能的个性化推荐系统研究
48 0
|
2月前
|
机器学习/深度学习 人工智能 算法
构建未来:人工智能在持续学习系统中的进化
【5月更文挑战第24天】 本文聚焦于人工智能(AI)技术中一个关键且迅速发展的分支——持续学习系统。不同于传统的静态机器学习模型,持续学习系统能够适应新数据的到来,不断更新知识库,实现长期的累积学习。文章首先概述了持续学习的理论基础及其在现代AI领域的重要性;随后,详细探讨了该领域的最新进展,包括算法创新、神经网络架构的优化以及数据处理策略;最后,分析了持续学习面临的挑战和未来的发展方向。本研究旨在为AI专业人士提供深入见解,并激发对AI持续学习能力提升的新思路。
|
2月前
|
机器学习/深度学习 存储 人工智能
构建未来:人工智能在持续学习系统中的进化
【5月更文挑战第23天】 探索人工智能(AI)如何通过连续学习超越传统静态学习模型,本文阐述了AI系统在吸纳新信息和适应环境变化中的能力。分析了技术进步如何推动自学习算法的发展,并预测了这一趋势对多个领域的潜在影响。本研究突出了自学习AI系统设计的关键要素,以及它们对未来技术景观的重塑作用。
|
2月前
|
机器学习/深度学习 人工智能 算法
构建未来:人工智能在医疗诊断中的应用与挑战
【5月更文挑战第22天】 随着人工智能(AI)技术的飞速发展,其在医疗领域的应用已成为推动健康科技创新的重要力量。本文深入探讨了AI在医疗诊断中的具体应用,包括影像识别、病理分析以及基因序列解读等,并分析了这些技术提高诊断效率和准确性的潜力。同时,文章也指出了在实际应用中遇到的挑战,如数据隐私保护、算法透明度、以及跨学科合作的复杂性。通过对现有文献的综述和案例分析,本文旨在为读者提供一个关于AI在医疗诊断领域应用的全面视角,同时对未来发展趋势进行展望。