Вероятностная конкуренция за сознательное внимание и влияние на него диспозиции
machine-learning ai ai-consciousness cognitive-models theoretical-computer-science turing-theory-of-computation global-workspace-theory model-of-consciousness conscious-turing-machine-robot

Вероятностная конкуренция за сознательное внимание и влияние на него диспозиции

4 сентября 2024 г.

Авторы:

(1) Ленор Блум (lblum@cs.cmu.edu);

(2) Мануэль Блюм (mblum@cs.cmu.edu).

Аннотация и 1 Введение

2 Краткий обзор CtmR, робота с мозгом CTM

2.1 Формальное определение CtmR

2.2 Сознательное внимание в CtmR

2.3 Осознанное осознание и чувство сознания в CtmR

2.4 CtmR как основа для общего искусственного интеллекта (AGI)

3. Соответствие CtmR другим теориям сознания

4 Ответы на вопросы Кевина Митчелла с точки зрения CtmR

5. Резюме и выводы

6 Благодарности

7 Приложение

7.1 Краткая история теоретического подхода компьютерной науки к вычислениям

7.2 Вероятностная конкуренция за сознательное внимание и влияние на него диспозиции

Ссылки

7.2 Вероятностная конкуренция за сознательное внимание и влияние на него диспозиции

Мы пытались сделать конкуренцию CtmR Up-Tree детерминированной, но она оказывается неизбежно вероятностной. Это потому, что любая детерминированная конкуренция должна быть сделана все более сложной для реализации существенных свойств. Например, это тот случай, когда мы хотим, чтобы фрагменты почти равного |веса| имели почти равные шансы попасть на стадию STM.

Рассмотрим детерминированное соревнование, которое принимает решения на основе веса фрагментов. Предположим, что фрагмент A закреплен за весом 11, фрагмент B — за весом 9, а все остальные фрагменты — за весом 0. В детерминированном соревновании CtmR A всегда побеждает, а B — никогда. И пока веса не меняются, CtmR остается полностью неосознанным относительно фрагмента B. В вероятностном соревновании CtmR, описанном ниже (с параметром d = 0), фрагмент A побеждает с вероятностью 11/20, а фрагмент B — с вероятностью 9/20. Таким образом, A и B имеют примерно равную вероятность выиграть соревнование, и новое независимое соревнование начинается на каждом такте часов. В этом случае CtmR, скорее всего, осознает оба.

В вероятностном соревновании CtmR (вариант стандартного теннисного или шахматного турнира) доказано, что кусок выигрывает соревнование с вероятностью, пропорциональной (функции) его веса. Как следствие, выигрышный кусок не зависит от того, где находятся процессоры! Это свойство вероятностного соревнования CtmR. (Это свойство, которого было бы трудно, если не невозможно, достичь в теннисных и шахматных турнирах.)

Теперь опишем вероятностное соревнование. Сначала напомним, что фрагмент — это кортеж, <указатель, время, суть, вес, вспомогательная информация>, состоящий из указателя на исходный процессор, времени, когда фрагмент был помещен в соревнование, краткой сути информации на языке Brainish, валентного веса (для указания важности/ценности/уверенности, которую исходный процессор присваивает своей сути) и некоторой вспомогательной информации.

Для вероятностного CtmR,вспомогательная информацияэто пара чисел, которые мы называем(интенсивность, настроение).

В начале соревнования, каждый процессор LTM вводит фрагмент в свой конечный узел с помощью

интенсивность = |вес|инастроение = вес.

В вероятностном соревновании каждый неконечный узел Up-Tree содержитнейрон подбрасывания монеты.

Нейрон подбрасывания монеты вероятностно выбираетместное виноr двух (конкурирующих) фрагментов в двух дочерних узлах на основе ихфзначения, где

f(фрагмент) = интенсивность + d•(настроение) и -1 ≤ d ≤ +1.

Здесьгконстанта, называемая CtmR'sрасположение.

Если C1 и C2 являются двумя конкурирующими фрагментами, то нейрон подбрасывания монеты выберет Ci в качестве локального победителя с вероятностью f(Ci)/f(C1)+f(C2).

Локальный победитель переместится на один уровень вверх за один такт. Первые четыре параметра этого нового куска такие же, как у локального победителя. Но его интенсивность — это сумма интенсивностей двух конкурирующих кусков. Аналогично и для его настроения.

Таким образом, по мере продвижения куска вверх по дереву интенсивность никогда не уменьшается. Это не (обязательно) касается настроения.

Таким образом, вспомогательная информация победившего фрагмента в конце конкурса будет содержать сумму интенсивностей всех представленных фрагментов (|весов|) и сумму всех представленных настроений (весов).

Если расположение такоед > 0, CtmR будет «оптимистичным» в том смысле, что положительно оцененные куски будут иметь более высокую вероятность выигрыша, чем отрицательно оцененные куски того же |веса|. Если его расположениед = +1, CtmR маниакальный: только положительно валентные куски могут выиграть соревнование. CtmR знает только то, что положительно в его жизни, пока что-то положительно.

Если расположение такоед < 0, CtmR будет «мрачным». Еслид = -1, CtmR «безнадежно подавлен», только отрицательно валентные куски могут выиграть соревнование. Из этого ужасного состояния нет выхода, кроме как перезагрузка, т. е. «шок» системы, чтобы получить менее экстремальное расположение.[35]

Эта статьядоступно на arxivпо лицензии CC BY 4.0 DEED.

[35] Еслид=+1CtmR находится в маниакальном состоянии, и теория CtmR предполагает, что здесь также необходима перезагрузка.

У людей электросудорожная терапия (ЭСТ) используется в основном при депрессии. Модель CtmR предполагает, что ЭСТ может работать и при мании. Несмотря на то, что «ЭСТ является быстрым и высокоэффективным лечением маниакальных эпизодов», текущие рекомендации одобряют ЭСТ только «для мании, устойчивой к фармакотерапии, но часто как терапию второй или третьей линии» (Elias, Thomas, & Sackeim, 2021).

Оригинал

Recent Post

Categories

PREVIOUS ARTICLE
NEXT ARTICLE