没有合适的资源?快使用搜索试试~ 我知道了~
机器意识的基础元认知架构罗恩·克里斯利[0000−0002−1177−1789]认知科学中心、萨克勒意识科学中心和信息学英国萨塞克斯大学Falmer BN1 9QJronc@sussex.ac.uk;http:www.sussex.ac.uk/profiles/476抽象的。机 器 意 识 的 多种方法强调元认知状态和过程的重要性。相当数量的认知系统研究者更喜欢非经典符号的体系结构,在这种体系结构中,学习,而不是先验结构,是中心。但目前还不清楚这些基础架构如何支持所需类型的元认知。为了研究这种可能性,这样的架构的基本设计草图。关键词:元认知·亚符号计算·认知架构·符号基础·神经网络·机器意识。1动机1.1元认知与机器意识认知在这里被使用,而不是特质,意指使主体能够相对于主题(特别是远端和/或抽象的主题)适当地行动的过程和状态元认知,在这里,是关于认知的认知:使认知主体能够相对于(特别是但不排他地,其自身的)认知过程和状态适当地行动的过程和状态。一个典型的例子是关于信念的信念(以及随后的推理和行动)。至少有三个不同的原因可以解释为什么元认知模型对意识模型至关重要:1. 元认知可能是意识本身的核心。例如,大多数(如果不是全部)高阶意识思想理论(例如,意识理论)。[8])明确规定,一种精神状态之所以是一种有意识的精神状态,是因为它是由一种高阶(即元认知)状态所代表的。2. 对意识的某些所谓属性的恰当解释,可能是通过解释为什么有意识的主体倾向于将这些属性归因于他们自己的意识状态来进行的。因此,这种解释本质上是元认知的。3. 它可能在解释认知现象学方面发挥作用,而不是感官现象学。2室克里斯利(More在第4节中提到了2和3)。如果这些推理路线中的任何一条是正确的,那么元认知状态和过程对于类人意识(理由2和3)或任何意识(理由1)的计算模型都是至关重要的。观察1:迄今为止,人工智能建模元认知的方法人们通常认为,不仅是二阶状态,甚至是作为元认知对象的较低层次的状态都是经典的符号结构。1.2基础架构另一方面,相当多的认知系统研究人员对这种体系结构持保留态度,支持那些有基础的体系结构,因为它们解释而不是预设通常被认为需要符号表征和处理的行为和能力。在这种架构调用表示和处理的地方,它是次符号的,具有关注(至少在第一实例中)感觉运动参与的动态此时此地的具体语义,而不是上下文无关的、抽象的、完全概念化的方式代表世界,如那些(假定)受雇于理论家。这样的架构通常会调用学习,原因(希望熟悉)在这里不能重复。观察2:可以理解的是,那些采用接地架构的人倾向于关注“较低层次”的认知现象(如感知和动作选择)的建模,并且倾向于回避建模更高的认知能力,其中元认知是一个典型的例子。1.3迈向扎根的元认知架构观察结果1和2之间存在明显的张力:元认知模型往往没有基础;接地架构很少被应用到模型元认知现象。因此,相对缺乏非经典符号的元认知架构,而学习,而不是先验结构,是中心。然而,元认知在提高基础架构的能力方面具有巨大的潜力:不仅用于改进学习,而且用于在提供(否则不存在的)复杂的表征特征,例如系统性、生产力、逻辑量化、模态(可能性/必要性)等方面发挥作用。虽然有越来越多的,相对较新的文献元学习的相关主题(例如,[9,7]),关注更多的是优化机器学习,并且很少或根本没有讨论手头的主题:机器意识为了解决这一缺陷,在以下内容中呈现了这样的架构的设计草图。即使在这样的未开发状态下,该草图也可以用于阐明所讨论的架构的种类、它们所面临的设计挑战机器意识3以及它们必须满足的要求,以帮助解释意识的一些最困难的特征。应该强调的是,草图不仅在细节(深度)方面不完整,而且在所包括的部件数量(宽度)方面也不完整。而不是一个完整的认知架构,这里提出的只是什么是必要的,以说明拟议的元认知设计。2扎根元认知2.1一阶子系统尽管下面描述的元认知子系统可以应用于非常广泛的一阶系统,包括(被动)分类/模式识别网络,但是在涉及动作的一阶系统的上下文中识别其区别特征将更容易考虑一个机器人在一个有效的二维环境中的简单的彩色多边形。机器人是静态的,除了它可以移动它的单个摄像机来固定在2D字段中的点上。注视点(x,y)的结果R是传感器采用可能值S的范围之外的特定值s。即R(x,y)=s∈S。视觉环境是动态的,因为在任何给定时间,一个或多个多边形可以消失或出现。然而,这种变化之间的时间相对于下面描述的学习是长的:响应于改变的学习将被假定为在下一个改变发生之前已经收敛。(The这种假设的风险可以通过给予机器人变化检测部件来减轻,该变化检测部件指示何时发生了2D场的这种改变,并且如果必要的话,该变化检测部件可以用于重新初始化学习过程机器人学习具有参数(weig hts)w¯的前向模型F,从固定点(x,y)到固定位置处的预期感官输入s:Fw¯(x,y)=s∈ S。2.2元认知子系统由于F实际上体现了机器人对 其 环 境 状 态 的 “ 信 念 ” , 并 且 F 由 w ′ 、(“信念”和b ′ out)w ′的表示以及w ′上的操作/转换来表征,这属于一种元认知。元认知系统,然后,也可以实现在一个前向模型,M。但是,一阶前向模型的简单性是不够的元认知,有两个原因。首先,它是不可行的,直接表示元认知行为的影响,如与R(x,y);相反,他们应该被视为从一个输入的权重状态,并在该状态的操作,输出的权重状态的函数。为了说明,一阶模型的类似表示(但不是本文中描述的架构中使用的表示)将是从当前注视点(x,y)的函数R和到a的算子O4室克里斯利新的固定点(x′,y′);例如:R(x,y,Ou,v)=(x+u,y+v)。 因此,对于元认知子系统,我们有:M¯j(w¯,Ok)=w¯′。当然,前面等式中的算子O k还没有被定义,这是一阶子系统和元认知子系统之间的第二个差异的结果:虽然我们有直觉的想法,什么应该构成许多一阶认知系统的原始动作基础集,它对于元认知来说,这样的集合应该是什么还不太清楚。这个问题是混淆的事实,即元认知算子,由其本身的性质,很可能是高度依赖于一阶子系统的实施细节,因此相对主观。一个基础元认知架构的关键部分,将是一些原则性的方案,用于导出或学习这样一组基本的操作符或动作。为此,三种策略的收购元认知算子正在考虑(个性化这样的operators通过参考权重集群,感觉集群,并在错误的历史,分别曲折),但这里没有空间来详细说明这些建议。但我们还可以提出另一点:一旦考虑了这种策略,就可以学习而不是先验地施加一阶子系统的基本动作集。这可能是,无论学习计划是学习元认知算子可能是一个很好的起点,获得一阶基本行动。尽管存在差异,但一阶子系统和元认知子系统之间存在平行性,因为在两者中,可以使用操作员或动作对其域(分别为在元认知的情况下,如何做到这一点的细节如下所示。这样,元认知网络将比一阶网络具有更高的维度(因为元认知网络的一个维度也许这一事实解释了为什么这种元认知方法直到现在还没有看到太多或任何发展,当硬件的进步使这种架构的至少适度版本易于处理时。另一方面,未来的一个重要部分将是证明这将产生的相当大的计算成本:元认知应该得到应有的 重视。3学习使用元认知行为一旦一组元认知算子就位(比如说,通过应用上述三种策略中的一种),智能体就可以学习一个前向模型M¯j(w¯,O)=w¯′,而不是一阶weig ht状态s。 也就是说,年龄nt可以学习在给定权重集上执行这些操作符之一(即,采取元认知动作)将具有的预期效果,就像智能体可以学习什么一样其一阶动作对其感觉输入的影响。关键的区别在于要学习的关键偶然性不是(仅仅)“水平内”,就像学习运动和感觉输入之间的关系一样。相反,也可以学习跨级别的意外事件。因为在某些情况下,正向模型可以机器意识5歼'w'为了得到逆模型,可以生成几种跨级别模型的空间,并学习:– 二阶正向/一阶正向模型:如果我对我的信念状态进行这种 也就是说,给定一个元认知算子O和一个一阶动作i ntesta,计算s=Fw′(a),其中w′=M′j(w′,O))。– 二阶正演/一阶逆演模型:如果我将此更改为我的信念状态,那么什么动作会被期望产生给定的感觉输入?也就是说,给定一个元认知算子O和一个i ninterests的一阶感觉输入,计算a=F−1(s),其中w′=M′j(w′,O))。– 二阶逆/一阶逆模型:什么是元认知操作tor/operator序列,如果有的话,可以使我达到权重状态,使得是可以产生感兴趣的感官输入的动作?(在可以从创造性问题解决中受益的情况下,问这个问题可能特别有用。)也就是说,给定一个感兴趣的一阶感觉输入s,计算O=M¯−1(w¯,w¯′),因此对于某个a,s=Fw¯′(a))。这种学习可以是机器学习/神经网络的变体,或者更经典的符号,即使正在学习的内容可能是神经网络状态。但可能有一些解释性的好处(例如关于起源,或一般的吝啬)在同一种神经网络中实现M,比如说,F。在这里只能顺便指出的一个重要可能性是,元认知学习可以通过明确地偏好支持元认知操作者的一阶模型来促进(例如,通过向F′sobjctive函数添加一个错误项这种吻合也可能间接发生(通过类似于鲍德温效应的东西)。4机器意识4.1对难题的修正主义解决方案早期的工作([10,5,6])已经为机器意识提出了一种间接的方法来解决意识的困难问题[1],在这里被认为是解释物理事物如何具有属性(内在性,不可描述性等)的问题归因于我们的意识体验。第一步是解释意识的那些方面,即“困难问题”的支持者承认的不困难的方面(注意力、认知、记忆、学习等)。第二步是说明为什么具有这些能力的复杂组合的系统倾向于相信它们所处状态的某些事情:例如,它们的状态具有内在的、定性的特征,这类特征会引起一个硬问题机器意识的这种两步方法需要元认知模型,因为第二步中的信念倾向是二阶的。我们不能仅仅通过规定一个系统具有所讨论的二阶信念来提供这种解释:我们必须解释为什么一个给定的状态6室克里斯利−构成这样的信念,以及为什么系统有倾向于持有(并抵制修改)这样的信念。因此,这样的解释需要一个接地元认知模型。提出了各种体系结构(涉及F、Ok、M等),因为这是系统的模型,它们对自己的信念有信念,这是解释特定类型的元信念的第一步,这些元信念在定义意识的硬度方面发挥了作用。4.2认知现象学除了这一作用之外,这些架构与机器意识之间的进一步关系涉及认知现象学(处于给定认知状态的体验)的可能解释,而不是感官(或感觉运动现象学)。甚至没有共识认为存在认知现象学这样的东西,但是关于像F这样的前向模型如何表征感官经验的内容的先前工作([3,4]),以及F和M之间的平行等位基因,提出了一个简单的解释。就像感觉现象学的内容在一个时间可能是由感觉运动期望的集合所给予的F在那个时候意识到了,所以在某个时间的认知现象学的内容也可以由M在那个时间意识到的元认知预期的集合给出。 就像感觉运动经验的内容可能包括对诸如“如果我这样移动我的眼睛,我会收到什么样的输入?“,“认知体验”的内容当我们清楚地认识到,这种基于预期的经验内容解释并不局限于(一阶(F)或元认知(M)子系统的)最低级前向模型中所表现出的预期时,这种认知现象学解释的合理性就会增加这些子系统中的每一个都可以包含一个抽象层次,由它们的输入和输出的更抽象(与高阶或Meta相反)的表示以及它们之间的关系组成例如,一旦学习了最低(0t h)级动作和感觉方案的F w ¯(a 0)= s0,动作和感觉层次(A i+1(a i)=a i+1,S i+1(s i)=s i+1)本身就可以学习,并以F为基础。这些可以被认为是传统的模式分类器网络,其中更高的级别产生最低级别输入的更抽象的表示(分别为a0和s0这些层级生成(所有第一阶,但抽象性增加)前向模型Fi的对应层级(这里的上标在逻辑上与前向模型Fi不同)。1上标之前用于表示逆模型)。这允许不同抽象的体验内容的表征,使得体验不仅需要在基本运动命令和感觉输入方面,而且需要在诸如开门的动作和诸如书形物体的输入方面。上述一阶示例通过扩展说明了元认知系统的类似可能性。通过学习权重状态和元认知操作符的抽象层次,可以对超越最具体层次到更抽象层次机器意识7特征化,包括经验,比如说,改变这些抽象层次结构可以横切一阶/Meta层次结构的事实意味着越来越复杂的广泛的体系结构。变化的一个维度涉及如何实现模型Fi的一阶层级。一种方式是针对每个Fi用独立的权重集合来实现,从而导致对应的不同Mi的集合在它们上操作。除了需要大量的资源之外,确保所有这些级别上的更改之间的完整性看起来是一项令人生畏的(并且昂贵的)任务。另一种方法是只实现F0,Fi>0(ai)=si近似为S(F0(A−i(ai)。也就是说,动作层级被反转以产生抽象动作ai的0阶表示;该低级动作被馈送到0阶前向模型中以产生感觉输入的低级期望,该低级期望又被馈送到感觉模式层级中以产生该低级感觉输入的抽象表示,以产生所需的抽象期望输入si。对于元认知模型Mi的层次结构,存在类似的变化维度:具有不同实现的昂贵选项,或者以与刚刚描述的一阶子系统类似的方式将Mi接地在M0中的虚拟选项引用1. Chalmers,D.:有意识的头脑:寻找基本理论。牛津大学出版社,牛津(1996)2. Chrisley,R.:认知地图的构建和用途:并行分布式处理方法。在:Touretzky,D.,Elman,J.,Sejnowski,T.,Hinton,G.(eds.)连接主义 模 型 : 1990 年 连 接 主 义 模 型 暑 期 学 校 会 议 录 03 The Dog's Dog(1990)3. 克里斯利河Parthemore,J.:合成现象学:利用具体化来指定视觉体验的非概念内容。Journal of Consciousness Studies14,444. Chrisley,R.:综合现象学International Journal of Machine Consciousness01(01),535. 克里斯利河Sloman,A.:功能主义、修正主义和感受性。APA Newsletteron Philosophy and Computers16(1),26. 克里斯利河Sloman,A.:意识的架构要求在:Chrisley,R., Müller,V.C.Sandamirs kaya,Y.,Vincze,M. (eds.) EUCognition2016:认知机器人架构。第1855卷,第1855页。31-36. CEUR研讨会论文集(2017年6月)7. 莱姆克角Budka,M.,Gabrys,B.:元学习:趋势和技术的调查。ArtificialIntelligence Review44(1),1178. Rosenthal , D. : 两 个 意 识 的 概 念 PhilosophicalStudies49 ,329https://doi.org/10.1007/BF003555219. Schaul , T. , Schmidhuber , J. : 元 学 习 Scholarpedia5 ( 6 ) , 4650(2010). https://doi.org/10.4249/scholarpedia.4650,revision #9148910. Sloman , A. Chrisley , R. : 虚 拟 机 和 意 识 。 Journal of ConsciousnessStudies10(4-5),133
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 深入理解23种设计模式
- 制作与调试:声控开关电路详解
- 腾讯2008年软件开发笔试题解析
- WebService开发指南:从入门到精通
- 栈数据结构实现的密码设置算法
- 提升逻辑与英语能力:揭秘IBM笔试核心词汇及题型
- SOPC技术探索:理论与实践
- 计算图中节点介数中心性的函数
- 电子元器件详解:电阻、电容、电感与传感器
- MIT经典:统计自然语言处理基础
- CMD命令大全详解与实用指南
- 数据结构复习重点:逻辑结构与存储结构
- ACM算法必读书籍推荐:权威指南与实战解析
- Ubuntu命令行与终端:从Shell到rxvt-unicode
- 深入理解VC_MFC编程:窗口、类、消息处理与绘图
- AT89S52单片机实现的温湿度智能检测与控制系统
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功