用托诺尼皮测量阅读和对话时认知系统的意识

使用Tononi Phi测量阅读和对话时认知系统的意识MatthewIkl´e1，3[0000−0001−5978−2703]，BenGoertzel1，2，MisganaBayetta1，2，George Sellman3，Comfort Cover3，Jennifer Allgeier3，Robert Smith3，Morris Sowards3，Dylan Schuldberg4，Man Hin Leung1，2，AmenBelayneh1，2，Gina Smith2，and David Hanson2香港中环么地道75号南海中心第2座3B/4 B香港九龙http://www.singularitynet.io2恒信机器人，香港科技园光电子中心2楼209B室，新界白石角香港http://www.hansonrobotics.com3Adams State University，208 Edgemont Blvd，Alamosa，CO，81101hhttp：www.adams.edu4Alamosa High School，805 Craft DR，Alamosa，CO81101http://ahs.alamosa.k12.co.us抽象的。我们进行了计算实验，估计Giulio Tononi的Phi系数，以测量OpenCog认知架构中两种类型任务的综合信息：阅读（即解析和语义分析）短文档，并指导Sophia类人机器人执行基于对话的交互。用于计算Phi的数据包括对应于OpenCog的 Atoms（节点和链路）中的原子的短期重要性（STI）值为了使这些计算可行，我们使用独立分量分析对数据进行了预处理。我们将减少的时间序列集馈送到软件中，该软件应用已知的方法来近似Φ。定性地（和初步地），随着时间的推移，Phi与认知系统行为的变化的比较揭示了合理的模式。关键词：整合信息论·Tononi Phi·注意分配·系统连通性·意识的神经相关性·机器意识·类人机器人1介绍随着时间的推移，复杂的认知AI系统的整体系统状态的测量和分析是一个重要的问题。分析详细的日志文件迅速成为的初始研究于2018年夏季完成，而Dr. Ikl´e是亚当斯州立大学计算机科学和数学教授。 博士Ikl´eoversawto计算机科学教授，6名本科生实习生和2名高中学徒。该暑期计划得到了陆军研究办公室拨款W 911 NF-15-1-0514的支持2先生 Ikl´eetal.这是压倒性的，并且还需要对系统状态进行全面、整体的测量。面对这种情况，我们的OpenCog AI系统，因为它读文本和汉森人工智能框架内的作品，以指导索菲亚人形机器人1的对话，我们转向Giulio Tononi的Phi系数作为用于测量OpenCog系统中“集成信息”总体水平的工具。Phi被Tononi和其他人假设为系统中“意识水平”的基本度量[15]。其中一位作者提出了另一种观点，即Phi是在某些类别的认知系统中近似意识的许多方面之一的一种方式[5]。在这里，它是足够的考虑φ作为一个有趣的措施，一个复杂的认知系统的意识相关的属性（整体信息整合）我们进行了两个实验：一个是OpenCog解析和语义分析短文档，另一个是OpenCog控制Sophia人形机器人，同时引导一个人进行结构化的冥想。在这两个实验中，我们记录了系统的注意力焦点中原子的STI值核心实用工具是Kitazona和Oizumi [7]的Matlab代码，用于从耦合时间序列中估计Phi。我们发现这个代码是最好的分析一小部分密集的时间序列，而不是大量的稀疏的时间序列，通过出口STI时间序列从Atten- tional焦点。因此，我们采用了一种新的方法，首先应用独立分量分析（ICA），以减少原始的一组稀疏的时间序列，以一个较小数量的密集的时间序列，然后应用披措施。ICA和Phi在互信息数学中的共同基础提供了一些一致性。在这两个实验中，我们将获得的Phi值时间序列与OpenCog系统的外部情况和行为中的事件时间序列进行了比较。定性地，我们发现的对应关系之间的变化披和认知系统的情况和行为的变化，提供了所追求的方法的初步验证2OpenCog认知架构和Hanson Robotics Sophia机器人OpenCog是一个复杂的、集成的认知AGI架构，目前用于各种实际应用，包括自然语言处理和人形机器人控制[16]。该架构结合了多种AI范式，如不确定逻辑，计算语言学，进化程序学习，并在一个统一的架构连接主义的注意力分配。体现这些不同范例的认知过程在被称为原子空间（Atomspace）（其节点和链接被称为“原子”的加权标记超图）的公共神经符号知识存储库上互操作。这种互动旨在鼓励原子空间中高级网络结构的自组织出现。OpenCog的核心认知算法之一认知系统3[2]。ECAN将Atomspace视为无类型节点的图，并考虑HebbianLink类型的链接和其他具有假定HebbianLink语义的链接。ECAN中的每个Atom都有两个权重，STI（短期重要性）和LTI（长期重要性）。一个方程组根据原子在执行相关动作中的作用的重要性在原子之间传播重要性系统的当前目标。ECAN中的一个重要概念是意向焦点，由系统当前认为在实现其目标方面最重要的那些原子组成。OpenCog最近与Hanson AI框架集成，用于控制Sophia人形机器人[6]。索菲亚3集成信息论与Phi测度图1. Sophia和人类对话伙伴在2018年在加利福尼亚州进行的“Lov-ingAI”机器人冥想指南试验中 的图 像在 该试验中，Sophia运行与本文报告的实验2中相同的基于OpenCog的控制代码。由 威 斯 康 星 大 学 精 神 病 学 家 和 神 经 科 学 家Giulio Tononi 于 2004 年 创 建 ， 集 成 信 息 理 论（IIT）是一种用于研究和量化意识的进化系统和演算。它在处理问题的方式上是惊人的笛卡尔式的[9]：它不是像大多数努力那样首先通过观察神经元和神经网络来研究意识，而是从检查意识是什么的生活经验开始。然后，它建立了一个理解意识必须从神经学上需要什么。出现的IIT是一个详细的、复杂的框架，描述了意识是如何行为和组织的。它的核心是Phi，托诺尼[15]的意识数学量词。基于给定实体在信息位之间的互连的数量和质量，Tononi及其同事假设Phi对应于它的意识程度[12，14]。一些作者倾向于一种微妙的观点，其中Phi被视为大致类似人类的认知系统中许多有趣的意识属性之一的估计值[5]。然而，在认知系统中，实用的估计φ值，无论辩论的基础解释。3.1Phi计算程序在计算Phi值时，出现了三个主要问题：如Max Tegmark [13]所指出的，在计算测量时可以做出至少420个选择;因果图结构的“最小信息分区”（MIP）的确定随着节点的数量超指数地增长;以及因果图4先生 Ikl´eetal..Σ确定Φ所需的概率分布向量也随着节点的数量超指数地增加。我们选择了以下方式处理这些问题：计算Φ的两种“好”方法是Φ *，Φ * 是Φ的近似度量，Φ * 是Φ的近似度量，Φ * 是Φ 3.0，Φ * 是Φ 3.0的近似度量，Φ * 是Φ 3.0的近似度量，Φ * 是Φ 3.0的近似度量。我们选择为了实现Phi 3.0，根据[8]中描述Oizumi的经验表明Queyranne算法在ON3时间内提供了一个很好的MIP近似我们基于我们的Python代码基于来自Kitazono和Oizumi [7]的Matlab代码，其将Queyranne我们使用Python字典而不是数组来存储（通常是稀疏的）概率分布。在我们的第二个实验中，我们拥有数千个稀疏的时间序列，因此我们采用了一种新的方法，首先利用独立分量分析（ICA）来降低问题的维数;然后从降维的时间序列计算Phi。由于不清楚我们应该减少到多少个独立维度，我们还计算了每个维度的残差平方和（SSR），并选择了给出最小总SSR的维度。该方法的这一方面将值得进一步实验和改进。4测量OpenCog我们现 在描述两个 实验，其中 我们测量了 在执行实际 任务时从OpenCog的注意力集中获得的STI值的Phi值4.1实验1：阅读关于昆虫和毒药的文献对于实验1，我们建立在早期实验的基础上，该实验旨在研究基于OpenCog的语言理解过程中的注意力动态[4]。我们首先基于Wordnet和Conceptnet4数据库，向OpenCog Atomspace提供关于英语单词之间关系的先验知识，并使用Adagram神经网络计算单词之间的SimilarityLinks[3]。我们启动了ECAN系统和NLP管道，并将文章加载到Atomspace中，从关于昆虫的文章开始，转移到关于毒药的文章。当系统摄取每个句子时，与每个单词对应的WordNode被STI刺激，从而触发与阅读过程相关的注意力集中动态。这项研究的一个目标是观察在阅读了关于昆虫和毒药的文件后，人们的注意力是否这种现象确实发生了，如图2所示。我们基于ConceptNodes“昆虫”、“毒物”和“杀虫剂”计算Phi值。 如图3所示，当“杀虫剂”第一次变得重要时，Phi值有一个有趣的跳跃，表明Phi增加认知系统5图2. 原子的注意力焦点与昆虫、毒药和杀虫剂有关 ，而OpenCog阅读了一系列关注昆虫和毒药的简短文档。图3. 当OpenCog阅读一系列关于昆虫和毒药的短文时，从注意力焦点估计Phi。与原子空间内注意力扩散的复杂性增加有关。4.2实验二：冥想引导对话在 实 验 2 中 ， 我 们 使 用 OpenCog 和Hanson AI系统的Ghost对话框控制框架Ghost脚本使Sophia能够进行部分引导冥想[11]。我们发现成千上万的原子通过注意力焦点，因此利用上述基于ICA的方法，使用最佳嵌入维度3。所获得的Φ时间序列如图-1所示图4.系统日志文件与Phi时间序列的比较表明，Phi在更激烈的口头交互开始后不久较高，并且在Sophia看着她 的 受 试 者 冥 想 或 深 呼 吸 等 时 较低。图4. Phi从OpenCog估计，同时控制Sophia 进 行对 话以 指导 冥想 会话。5结论和未来工作我们的实验似乎证明了明智的行为和较高的披值之间的连接，我们的方法提供了初步验证。下一步是进行更广泛的实验，包括在推理和模式学习和发现过程中，以及涉及外部环境刺激。我们计划进一步阐述“ICA加Phi”管道的理论特性最后，我们有兴趣改善我们的整体6先生 Ikl´eetal.软件流水线以使得能够在系统操作期间实时计算Phi，并且使用那些Phi值作为ECAN和其它系统参数的自适应优化的目标。引用1. （2018年11月），https://github.com/opencog/opencog/tree/master//opencog/ghost2. B. G. Hitzler，P.，Hutter，M.（编）：经济关注网络：联想记忆和资源分 配 的 一 般 智 能 ， 卷 。 171.IOSPress （ 2008 ） .https://doi.org/10.2991/agi.2009.193. Bartunov，S.，Kondrashkin，D. Osokin，A.， Vetrov，D.P.： 使用自适应skip-gram来打破粘连和歧义。CoRR abs/1502.07257（2015），http://arxiv.org/abs/1502.072574. Bela c hew，M.， 去吧，G.， Ik l'e，M.，Hanson，D.：从解码角度测量集成信息。BiologicallyInspiredCognitiveArchitectures25，130https://doi.org/10.1016/j.bica.2018.07.0055. 戈策尔B.：表征类人意识：的综合方法。Procedia ComputerScience41，152-157（2014）。https://doi.org/10.1016/j.procs.2014.11.0986. Goertzel，B.， Mossbridge，J. Monroe，E.， Hanson，D.， Yu，G.：人 类 机 器 人 作 为 人 类 意 识 扩 张 的 代 理 人 （ 2017 ） ，https://arxiv.org/pdf/1709.077917. Kitazono，J.，Oizumi，M.：实用PHI工具箱（92018）。https：//doi.org/10.6084/m9.figshare.3203326.v10，https://figshare.com/articles/phitoolbox zip/32033268. Krohn，S.， 奥斯特瓦尔德，D.： 计算综合信息。 Neuroscience ofConsciousness2017（1），nix017（2017）.https：//doi.org/10.1093/nc/nix017，http://dx.doi.org/10.1093/nc/nix0179. Leffler ， T. ： 意 识 的 难 题： 数 学 方 法 。 arXiv ： 1704.01148v2 [q-bio.NC]（2017）10. Massimini，M.，托诺尼，G.：评估意识：对经验能力的客观牛津大学出版社（2018）11. Mossbridge，J. Goertzel，B.，Mayet河Monroe，E.，Nehat，G. Hanson，D.，Yu，G.：情感敏感的人工智能驱动的机器人交互通过帮助人们进入自我超 越 状 态 来 改 善 社 会 福 利 。 vol. AI for Social Good Workshop at NeuralInformation Processing Systems 2018 Conference（2018）12. P. M.W. G Marshall，W.Albantakis湖Findlay，G.马奇曼河托诺尼，G.：Pyphi ： 集 成 信 息 理 论 的 工 具 箱 。 PLoS Comput Biol （ 2018 ） 。https://doi.org/10.1371/journal.pcbi.100634313. Tegmark ， M. ： 改 进 综 合 信 息 措 施 。 PLOS Computational Biology12（ 11 ） ， 1-34 （ 11 2016 ） 。 https://doi.org/10.1371/journal.pcbi.1005123 ，https：//doi.org/10.1371/journal.pcbi.100512314. 托诺尼，G.：意识作为整合信息：临时宣言The Biological Bulletin215（3），21615. 托诺尼，G.：意识的信息整合理论。BMC Neuroscience5（1），42（2004）。https：//doi.org/10.1186/1471-2202-5-42，http://www.biomedcentral.com/1471-2202/5/4216. Wang ， P. ， Goertzel ， B. ， Franklin ， S. （ 编 ） ： OpenCog ： A SoftwareFramework for Integrative Artificial General Intelligence，Vol. 171. 03 The Dog（2008）