具有自我意识的机器人的内在语音

具有自我意识的机器人上午Pipitone1[0000-0003-2388-5887]，F. 兰扎1[0000−0003−4382−6366]，V. Seidita1，2[0000-0002-0601-6914]，和A. 切拉1、2[0000−0002−8625−708X]1个部门工业和数字创新（DIID），巴勒莫大学，意大利2例C.N.R.，意大利巴勒莫高性能计算和网络研究所（ICAR）抽象的。以内部言语的冗长形式出现的经验自觉思维是一种常见的思维。这种内隐对话伴随着对心理生活的反思，并在我们的认知中发挥重要作用，如自我调节，自我重组和重新关注注意资源。尽管在心理学和哲学领域中对内部言语的功能基础和现象学进行了大量研究，但机器人研究通常不涉及这种形式的自我意识行为。现有的内部言语模型激发了计算工具，为机器人提供了一种自我意识的形式在这里，最广泛的心理模型的内部语音进行审查，并概述了实现这种能力的机器人架构关键词：内言语·认知结构·机器人自我意识·机器人思维1介绍内部言语在日常生活中起着核心作用。一个人通过以语言学句子的形式产生思想来思考她的心理状态、观点、情感和外部事件。自言自语使人能够关注内部和外部资源，控制和调节自己的行为，检索记忆的事实，学习和存储新信息，并在一般情况下简化其他要求的认知过程[1]。此外，内部言语允许通过实现高水平认知（包括自我控制、自我注意和自我调节）来重构对外部世界的感知和对自我的感知。即使第二阶思维可能不需要语言，但是，例如，图像或感觉，贝穆德斯[3]，杰肯多夫[5]，以及其他人，认为一般的意识思维需要语言。鉴于上述考虑，内部语言是设计具有自我意识的机器人的重要组成部分。我们在一个认知架构中为这样一个必要的能力建模机器人的自我意识，通过考虑潜在的认知过程和内部语音的组成部分。应该指出的是，在本文件中，这样的过程被考虑到独立的起源的语言能力，这是应该获得的机器人。2上午Pipitone等人在第2节中，我们简要概述了建议的机器人架构，这是在第3节中详细说明。结论和未来的工作建议的机器人架构进行了讨论，在第4节。2内部言语内部言语不能被直接观察到，从而减少了经验研究的范围。然而，在过去的几十年中，理论观点得到了发展，其中一些在不同的研究社区得到了认可维果茨基[10]认为内部言语是一个发展过程的结果，在这个过程中，语言学的相互作用，如儿童和照顾者之间的相互作用，是内化的。解决任务的语言中介解释从事相同或相似的认知任务。Morin [7][8]声称内部言语与自我意识有着内在的联系。自我聚焦于内部资源会触发内部言语，然后它会产生关于这种资源的自我意识。自我聚焦过程的典型来源是社会互动或物理对象的镜像反射Baddeley [2]讨论了排练和工作记忆的作用，其中工作记忆中的不同模块负责内部言语排练。特别是，中央行政部门监督这一进程;语音回路处理口头和书面数据，视觉空间画板处理视觉或空间形式的信息。语音回路由用于语音感知的语音存储器和用于语音产生的人工控制过程组成，语音存储器将信息以基于语音的形式保持非常短的时间（1-2秒），人工控制过程排练并存储来自语音存储器的言语信息。内部言语通常被认为是产生的句子到内耳的反向传播：因此，一个人重新听到她发出的内心声音。Steels [9]认为，语言重新进入允许在代理群体内的语言交互期间精炼语法因此，语法变得更加复杂和完整，通过解析先前产生的话语由相同的代理。在同一行中，Clowes [4]讨论了一个由递归神经网络实现的人工智能体，其输出节点是被解释为可能动作的单词（例如“上”，“左”，“右”，“抓”）。当这样的话是可重入的反向传播的输出到输入节点，然后代理实现的任务，在更少的几代人比在控制条件下的话是不可重入的。3内部言语的认知结构图1示出了所提出的用于内部语音的机器人认知架构这种表征是指Laird等人提出的心理标准模型具有自我意识的机器人3等人[6]。在这里，标准模型的结构和处理被分解，目的是整合由先前讨论的内部语音理论定义的组件和过程图1. 内部言语的认知结构。3.1感知和行动所提出的架构的感知包括本体感受模块的自我感知的情绪（Emo），信念，愿望和意图（BDI）和机器人的身体（身体），和外部感知模块的感知外部环境。根据Morin [7]的说法，本体感受模块也受到社会环境的刺激，在所考虑的角度来看，包括机器人与环境中其他实体的社会互动，如镜子和相机等物理对象以及其他机器人或人类，通过面对面的互动促进自我世界的分化。电机模块分解为三个子部件：动作模块、内隐发音模块（CA）和自动作模块（SA）。特别是：– Action模块表示代理对外部世界执行的操作，这些操作产生对外部环境（不包括自我）和工作记忆。– 隐蔽发音（CA）模块排练来自语音存储器（PS）的信息，即，用于基于语音的数据的感知缓冲器被认为是短期记忆的子组件（见下文）。这种模块4上午Pipitone等人作为语音存储器听到的内部声音，通过循环循环信息。通过这种方式，内部言语将内隐发音与语音储存联系在一起。– 自动作（SA）模块表示代理对自身执行的动作，即，自我调节、自我聚焦和自我分析。3.2存储器系统受心智标准模型的启发，记忆结构分为三种类型的记忆：短时记忆（STM）、程序性和陈述性长时记忆（LTM）以及工作记忆系统（WMS）。短期记忆保持关于机器人陷入其中的环境的感觉信息，所述感觉信息先前被编码并与来自感知的信息集成如前所述，短期记忆包括语音存储。从感知到STM的信息流允许存储上述编码信号。特别是，从知觉到语音存储的信息与来自外知觉的有意识思维和来自本体感受的自我意识思维有关从工作记忆系统到感知的信息流提供了用于影响注意过程的期望或可能的假设。特别是，从语音存储到正确感受的流动使自我聚焦模态成为可能。长期记忆保存学习到的行为、语义知识和经验。在所考虑的情况下，声 明 性 LTM 包 含 在 词 汇 和 语 法 结 构 方 面 的 语 言 学 信 息 ， 即 ，LanguageLTM存储器。声明性语言学信息被假定为如上所述被获取，并且表示机器人的语法。此外，情景长期记忆（EBLTM）是与工作记忆系统内的情景缓冲区（EB）通信的陈述性长期记忆组分，其充当长期记忆数据的“备份”存储。程序LTM包含组成规则，根据这些规则，语言结构被安排用于产生不同完整性和复杂性水平的句子。一个程序并不仅仅涉及结构的语法合理性。还应考虑在整个环境（包括自身）内调节、集中和重组资源的其他规则。最后，工作记忆系统将任务的特定信息保存在“记忆块”上，并在任务执行过程中将其简化为认知过程。根据标准心智模型的认知周期逐步地进行。工作记忆系统处理诸如心算之类的认知任务和解决问题中央执行（CE）子组件通过整合（即，组合）来自语音回路的数据，并且还利用保存在语音回路中的数据。长期记忆。具有自我意识的机器人53.3认知循环简而言之，认知循环始于感知，感知转换语言学数据中的外部信号并将其保存到语音库中。中央执行系统通过使工作记忆系统能够根据储存在长期记忆模型中的规则选择性地注意一些刺激或忽略其他刺激，并通过将语音循环编排为从属系统，来管理内部思维过程。在这一阶段，一旦中央执行系统为这一过程检索到数据，有意识的思维就会出现，这是语音存储和由语音回路触发的内隐表达之间的一轮循环语音回路使内隐发音成为可能，内隐发音作为内部生产的发动机，其输出流被听到到语音存储器。输出流也会影响自我，然后自我被调节和重组。一旦有意识的想法被内部言语引发，对新语境的感知就可能发生，重复认知循环。4结论本文提出了一种内部语音认知的认知结构。它是基于标准的心理模型，这是分解，包括一些典型的组成部分的内部言语的模型，工作记忆系统的架构，包括语音回路认为巴德利的主要组成部分，用于存储口头和书面信息，并实施认知排练过程。隐性对话被建模为一个循环，其中语音存储听到的内部语音产生的隐蔽发音过程。 中央执行器是驱动整个系统的主系统。通过从长时记忆中提取语言信息，中央执行者有助于创造语言思维，语言思维的表面形式通过语音回路出现。致谢本材料基于空军科学研究办公室支持的工作，奖励编号为FA 9550 -17-1-0232。引用1. Alderson-Day，B.Fernyhough，C.：内部言语：发展、认知功能、现象学与神经生物学。Psychological Bulletin141（5），9312. Baddeley，A.：工作记忆。Science255（5044），5563. 贝穆德斯，J.L.：自我意识的悖论MIT Press，Cambridge，MA（1998）.6上午Pipitone等人4. Clowes，R.：内部言语的自我调节模型及其在人类有意识经验组织中的作用Journal of Consciousness Studies14（7），59-71（2007）5. Jackendoff，R.：语言如何帮助我们思考语用学认知4（1），16. Laird，J.E.，Lebiere角Rosenbloom，P.S.：一个标准的思维模式：在人工智能、认 知 科 学 、 神 经 科 学 和 机 器 人 学 中 建 立 一 个 通 用 的 计 算 框 架 . AIMagazineWinter 2017，137. Morin，A.：自我意识的神经认知和社会生态模型Genetic，Social，andGeneral Psychology Monographs130（3），1978. Morin，A.：自我意识和内部言语之间的可能联系。Journal of ConsciousnessStudies12（4-5），1159. Steels，L.：语言再进入和“内心的声音”。Journal of Consciousness Studies10（4-5），17310.维果茨基，L.：思想和语言。修订和扩充版。MIT Press，Cambridge，MA（2012）