Jakie są obecne teorie dotyczące rozwoju świadomej AI?

Jakie są obecne teorie dotyczące rozwoju świadomej AI? Czy ktoś próbuje rozwinąć świadomą sztuczną inteligencję?

Czy to możliwe, że świadomość jest zjawiskiem wyłaniającym się, to znaczy, że gdy włożymy wystarczającą złożoność w nasz system, stanie się samoświadoma?

Aby odpowiedzieć na to pytanie, najpierw musimy wiedzieć, dlaczego rozwijanie świadomej AI jest trudne. Głównym powodem jest brak matematycznej lub w inny sposób rygorystycznej definicji świadomości. Jasne, że masz pojęcie świadomości, gdy go doświadczasz, a my możemy rozmawiać o filozoficznych zombie, ale nie jest to namacalna koncepcja, którą można rozbić i nad nią popracować. Co więcej, większość obecnych badań nad AI jest przede wszystkim pragmatycznym podejściem, ponieważ próbuje się zbudować model, który może dobrze działać zgodnie z pożądaną funkcją kosztów. Jest to bardzo duża i ekscytująca dziedzina, która obejmuje wiele problemów badawczych, a każde nowe odkrycie opiera się albo na teorii matematycznej, albo na empirycznych dowodach nowego algorytmu / konstrukcji modelu itp. Z tego powodu,

Aby odpowiedzieć na twoje pytanie, nikt nie próbuje stworzyć „świadomej” sztucznej inteligencji, ponieważ nie wiemy jeszcze, co to słowo oznacza, ale to nie powstrzymuje ludzi od mówienia o tym.

Czym jest świadomość? Istnieje kilka prawdziwych wyzwań związanych z ustanowieniem świadomości jako celu, ponieważ nie mamy jeszcze zbyt naukowego zrozumienia tego, jak robi to mózg ani jaka jest równowaga między pamięcią długoterminową, pamięcią krótkotrwałą, domniemaną dzieło interpretacji, przeciwstawne świadome tryby automatycznego przetwarzania i celowego przetwarzania (S1 i S2 Khanemanna). John Kihlstrom (emerytowany psycholog z Berkeley) ma wykład na temat Świadomości dostępny w iTunesU, który możesz sprawdzić. Carnegie-Mellon Uni ma model o nazwie ACT-R, który bezpośrednio modeluje świadome zachowania, takie jak zwracanie uwagi.

Co może ograniczać nasze rozumienie tego? Filozofia od dawna rozważa kwestię świadomości. Osobiście lubię Hegla i Heideggera (filozofów). Oba są bardzo trudne do odczytania, ale Heidegger (interpretowany przez Huberta Dreyfusa) użytecznie skrytykował projekty „Good Old-Fashioned AI” z lat siedemdziesiątych i wskazał, jak bardzopraca polega tylko na interpretacji danych wizualnych. Hegel jest często oczerniany, ale aby go dobrze zinterpretować, sprawdź rozmowy Roberta Brandoma z LMU na temat logiki świadomości i Hegla jako wczesnego pragmatyka sprzedawców. Jeśli świadomość ma uchwycić prawdę i pewność, podejmuje „ścieżkę zwątpienia, a właściwie szosę rozpaczy”, wzdłuż której nigdy nie stawia się ponad korektą. Jest coś w traktowaniu świadomości przez Hegla w kategoriach rekurencyjnych, bez ulegania okrutnemu regresowi, co, jak sądzę, zostanie potwierdzone przed końcem.

Ostatnie zmiany. Podejścia do głębokiego uczenia się i pragmatyczne sukcesy teraźniejszości są ekscytujące, ale interesujące będzie zobaczenie, jak daleko mogą posunąć się w integracji i uogólnieniu od koniecznie niewielkich zbiorów informacji, na jakie narażeni są ludzie. Podczas gdy głębokie uczenie się i eksploracja danych są niezwykle widoczne, podejście symboliczne wciąż jest coraz lepsze i bardziej zróżnicowane. Brakuje jednak nadrzędnej interpretacji teoretycznej, która pozwalałaby na uogólnienia.

Dwa palce o dużych teoriach. Gdybym miał wybrać projekt myślałem wartości zajmujące się Giulio Tononi (et al) utworzyły bardzo ładne modernizacji problemu w „ Integrated Information Theory ” Ale może chcesz rozszerzyć że z czymś Rolf Pfeifer „s” Jak ciało kształtuje nasz sposób myślenia, ponieważ niektóre „zintegrowane informacje” są implikowane w posiadaniu rąk i nóg, oczu i nosa (umieszczonych tam przez gromadzącą informacje pracę ewolucji). Ale jest tyle dobrej pracy, która została gotowe - profesjonaliści piszą papiery szybciej niż potrafię je przeczytać.

Bardziej szczegółowo na twoje pytanie, próbujemy symulować ludzki mózg, mając nadzieję, że ogólny cel pomoże sfinansować badania i uzyskać odpowiedzi na każdy z powyższych paragrafów.

CERA-CRANIUM jest przykładem architektury poznawczej do generowania świadomości maszynowej (MC). W stronę świadomych zachowań bohaterów gier komputerowych, 2009 Został on zrealizowany jako system tablicowy, który jest w stanie wykonywać wątkowe zadania. Sama implementacja działa w języku naturalnym. Oznacza to, że agent CERA-CRANIUM ma zmienną o nazwie „Obawiam się”, a jeśli ta zmienna ma wartość Prawda, wówczas emocja jest aktywowana. Nie jest to więc rzeczywista świadomość, ale ma więcej wspólnego z wewnętrznymi stanami postaci z „The Sims”.

Ciekawym aspektem jest to, że „świadomość maszyny” nie jest tak ezoteryczna, jak się wydaje. Badacz Google znajduje na ten temat około 3 tys. Artykułów . W większości przypadków rozwój rozpoczyna się od wprowadzenia emocji dla postaci w grze, które później zostały rozszerzone na ogólne myśli wirtualnego człowieka.

Oprócz doskonałej odpowiedzi Jaden „nikt nie próbuje stworzyć„ świadomej ”sztucznej inteligencji, ponieważ nie wiemy jeszcze, co to słowo znaczy jeszcze.„ Chciałbym dodać, że słowo „jeszcze” jest wysoce optymistyczne.

Bardzo problematyczne i prawdopodobnie niemożliwe jest rozróżnienie między świadomą istotą a istotą, która zachowuje się dokładnie tak, jakby była świadoma. Filozofowie walczą z tym od stuleci; niektórzy opowiadali się nawet za solipsyzmem, który jest filozofią „żyję w Matrycy”. W szczególności, w jaki sposób możesz stwierdzić, czy twój przyjaciel z dzieciństwa, małżonek lub ktokolwiek inny jest świadomą istotą, a nie ucieleśnieniem sztucznej inteligencji, która działa dokładnie tak, jak zrobiłaby to świadoma istota?

Oczywiście można przejść „jeśli chodzi jak kaczka i kwakanie jak kaczka, to jest to kaczka”. W takim przypadku test Turinga przechodzący AI zostanie automatycznie uznany za przytomny. Jednak większość ludzi nie zaakceptowałaby kaczych kryteriów świadomości; w przeciwnym razie bardzo szybko będą musieli nazwać swoje urządzenia domowe Alexa świadome.

Moje dwa centy są w zasadzie takie same jak Jaden, tyle że bardziej pesymistycznie podchodzę do zrozumienia, czym jest świadomość.

Świadomość to zdolność do bycia świadomym własnych myśli, bezpośredniego otoczenia, uczuć i nic więcej. Jest to mechanizm naszego mózgu kontrolujący nasze niższe myśli, oparte na skojarzeniach i emocjach. Świadomość obserwuje nasze myśli i uczucia, tak jak obserwujemy prawdziwy świat naszymi oczami. To nie jest skomplikowane. Prawdziwe pytanie nie dotyczy tego, czy maszyny są zdolne do świadomości, ale czy są zdolne do emocji.

Wprowadzenie : Obecnie obserwujemy, że obecne systemy stają się lepsze w prawie każdym specjalistycznym zadaniu niż ludzie. Ponadto widzimy, że naukowcy pracują nad ulepszeniem obecnych systemów w mniej wyspecjalizowanych zadaniach (począwszy od: rozpoznawania liter, przechodząc do: rozpoznawania zwierząt, rozpoznawania gatunków, rozpoznawania aktywności, rozpoznawania ruchomych obrazów itp.).

Wniosek : Nie ma powodu, aby nie wierzyć, że systemy wspomagane sieciami neuronowymi nie staną się lepsze w żadnym zadaniu w przyszłości.

Pytanie :

Czym jest świadomość?

Myślę, że obecny problem samoświadomości jest problemem z definicją. Nie znalazłem dużo literatury na ten temat, pomimo filozoficznej (która niestety jest w tym kontekście całkowicie bezużyteczna).

Z powodu braku literatury chciałbym stworzyć własną definicję. Na szczęście z obserwacji wiemy, że wszystkie „inteligentne” oceniane zwierzęta mają pewien stopień „samoświadomości” i są ciekawe. Z biologii wiemy, że ciekawość jest mechanizmem motywującym do zachowania obserwacyjnego / wnioskowania / testowania. Teraz dochodzimy do wniosku, że samoświadomość jest oczywiście tym samym mechanizmem zastosowanym do twoich własnych zachowań / procesów myślowych. Po prostu wyobrażamy sobie możliwy wynik działania, które możemy wykonać, i dokonujemy jego oceny.

Dlatego świadomość musi być wynikiem danego systemu motywacji, który sprzyja ciekawości oraz wystarczająco złożonego, nieokreślonego systemu oceny.

Domyślam się, że taki system motywacji jest bardzo łatwy do wdrożenia. Obecny problem polega na tym, że po prostu nie istnieje system wystarczająco wszechstronny, aby „rozwiązać” dane zadanie. Obecne sieci są nadal zbyt wyspecjalizowane.