当人类与「熵」对抗时,意识出现了!那AI呢?

2021 年 10 月 2 日 新智元



  新智元报道  

来源:quantamagazine

编辑:好困

【新智元导读】意识是如何在单纯的血肉之躯中产生的?为什么我们会以第一人称体验生命?AI会不会产生意识,它们的意识和我们又有什么不同?


「意识」是什么?

 

这个几个世纪以来一直困扰着人们的问题,似乎比弄清原子的内部构造,甚至宇宙的起源还要困难。

 

哲学家查尔莫斯(David Chalmers)也因此提出了一个关于意识的「难题」:无生命的物质是如何排列成具有自我意识的头脑和丰富的内的生命体的?

 


英国苏塞克斯大学的神经科学家Anil Seth写到:「不知何故,在我们每个人的大脑中,数十亿个神经元的综合活动,每一个都是一个微小的生物机器,正在产生一种有意识的体验。」

 

志愿者戴上视角是人体模型的胸部的VR眼镜,这会诱使大脑「感觉」到不在身体上的触觉


机械论


笛卡尔(René Descartes)有一个著名的论点,即非人类的动物类似于机器,而人类则有使意识成为可能的东西。对于这些「野兽机器」来说,它们是由血肉组成的机器,是缺乏有意识的头脑的。

 

18世纪的法国学者拉美特利(Julien Offray de La Mettrie)也提出了一个类似的想法。可以说基本上采纳了笛卡尔的想法,并将其扩展到了更广的范围里。而笛卡尔总是试图巧妙地处理他的论点,以避免被活活烧死。

 

拉美特利认为,如果动物是有血有肉的机器,那么人类从某种程度上来说也是一种动物。因此,也就有了「人类机器」这个概念。

 

意识如何在这幅图画中发挥作用?意识是如何与我们作为生活机器的性质相关的,以一种在人类和其他动物之间连续的方式?

 

Seth认为:或许就像笛卡尔说的那样,我们作为血肉之躯的机器,意识并不存在。但正是因为我们是有血有肉的生命机器,我们对世界和「自我」的体验才会产生。

 

整合信息理论


威斯康辛大学的精神病学家和神经科学家托诺尼(Giulio Tononi)在「整合信息理论」(Integrated Information Theory, IIT)中提到,意识体验是高度「信息化」的,并且总是「一体化」。

 

每一个被观察到的意识状态都包含将近无穷的资讯。以看电影为例,当人看到电影画面的每一个单一影格,人脑会立刻将画面转换成「特定意识感知」。和数码相机不同,人脑会将画面中所看到的所有事物组合起来(明暗、颜色、线条、图型、辨识出的物体、整个场景内容),这些复杂的组合在数学上将会投射到一个特定的意识空间中的某个区域。

 

意识体验是有信息的,因为每一次意识体验都与你曾经有过的、可能有的、或将要有的其他体验不同。例如,看到窗外从来没有过的视觉场景,并与当时所有的想法、情绪等结合在一起时,这种体验就更加与众不同了。而这正是信息理论中的信息所衡量的,是在各种备选可能性中减少不确定性。

 

除了具有信息性之外,每个有意识的经验也是「完整的」。也就是说,有意识的场景会作为一个统一的整体出现。我们不会把物体的颜色和它们的形状分开来体验,我们也不会把物体和其他的事情分开来体验。因为意识体验中的许多不同元素都会以一种基本的和不可避免的方式联系在一起。

 

所以在经验的层面上,在现象学的层面上,意识具有这两种共存的属性。那么在大脑或身体中支撑意识体验的机制也应该共同表达这些信息和整合的属性。

 

自由能原理


对于弗里斯顿(Karl Friston)的「自由能原理」,简单来说就是生命系统会保持自己与环境处于分离的状态,如一个细胞或一个有机体。通过吸收能量,将自己维持为一个系统,保持其与世界的界限。

 

这意味着,在身体可能处于的所有状态中,其只会保持在一个非常非常小的「统计学预期」状态的子集中。例如,人类的体温会保持在一个很小的温度范围内,当然这也是能够保持活力的原因之一。

 

生物体是如何做到这一点的?为了尽量减少其所处状态的不确定性,所以必须积极抵制热力学第二定律,从而不会消散到各种状态。

 

自由能量原理本身不是关于意识的理论,但其实是非常相关,因为它提供了一种理解大脑如何以及为什么以这种方式工作的方法,而且它又与意识和生命非常紧密相关的想法联系起来。

 

广泛地说,为了保持身体的活力,大脑会使用预测模型,因为如果要控制某样东西,能够预测它将如何表现是非常有用的。

 

Anil Seth提出,我们所有的意识体验都来自于这些预测模型,而这些预测模型的起源是维持生命的基本生物要求。

 


受控的幻觉


Anil Seth把感知描述为一种「受控的幻觉」,这似乎是进入了一个有点哲学的领域,那么我们又该如何决定什么是「真实」,什么是「幻觉」?

 

Seth为此举了一个例子:当我们体验「公共汽车的性质」的方式,也就是体验到的作为「公共汽车品质」的东西,是与它的客观物理存在不同。比方说,公交车是红色的;现在,红色是一种依赖心灵的属性。也许公共汽车的性质本身也是一种依赖心灵的属性。

 

与认知科学家霍夫曼(Donald Hoffman)这些认为一切都是精神属性的唯心主义者不同的是,Seth认为,既可以讲述一个关于意识和感知性质的丰富故事,也可以同时保留一个广泛的现实主义的世界观。

 

不过也有相似的观点:「我们一致同意,感知是大脑中的一个构造,感知的目标不是重现一个真实的、准确的现实世界,而是面向帮助一个有机体的生存前景。我们看到的世界不是它本身,而是它对我们有用。」

 

「或许他们是对的,但这些观点是无法被检验的」。

 


机器终有一天会有意识?


Seth认为,我们更有可能发现自己生活在这样一个世界中:人工智能会以极其说服力的方式让我们相信它们是有意识的,即使它们不是。或者我们没有办法知道,但这些AI会强烈地试图让我们相信它们是有意识的。

 

石黑一雄在小说《克拉拉与太阳》很好地阐述了有意识的系统将会如何破坏我们人类的心理和思想的方式。加兰(Alex Garland)的电影《机械姬》(Ex Machina)也对此做了很好的诠释。《西部世界》和《银翼杀手》也是如此。

 

或许,文学和科幻小说对这个问题的探讨比许多人工智能研究要深刻得多,至少到目前为止。

 


参考资料:

https://www.quantamagazine.org/anil-seth-finds-consciousness-in-lifes-push-against-entropy-20210930/





登录查看更多
0

相关内容

清华大学:2021元宇宙研究报告!
专知会员服务
232+阅读 · 2021年11月2日
港中文等最新《多模态元学习》综述论文
专知会员服务
123+阅读 · 2021年10月8日
专知会员服务
97+阅读 · 2021年8月16日
【开放书】机器意识,236页pdf
专知会员服务
32+阅读 · 2021年7月13日
【机器推理可解释性】Machine Reasoning Explainability
专知会员服务
34+阅读 · 2020年9月3日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
CVPR2020 | 对抗伪装:如何让AI怀疑人生!
AI科技评论
5+阅读 · 2020年5月3日
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
机器听觉:一、AI在音频处理上的潜力
论智
5+阅读 · 2018年11月25日
理解人类推理的深度学习
论智
17+阅读 · 2018年11月7日
AI情绪识别技术背后:一场悄然来袭的“暴政”
大数据文摘
7+阅读 · 2018年10月11日
论人工智能与人类智能的关系
无人机
3+阅读 · 2017年11月26日
Arxiv
8+阅读 · 2021年7月15日
Arxiv
8+阅读 · 2021年5月20日
Arxiv
3+阅读 · 2020年11月26日
Arxiv
14+阅读 · 2020年9月1日
Arxiv
4+阅读 · 2018年11月26日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
相关VIP内容
清华大学:2021元宇宙研究报告!
专知会员服务
232+阅读 · 2021年11月2日
港中文等最新《多模态元学习》综述论文
专知会员服务
123+阅读 · 2021年10月8日
专知会员服务
97+阅读 · 2021年8月16日
【开放书】机器意识,236页pdf
专知会员服务
32+阅读 · 2021年7月13日
【机器推理可解释性】Machine Reasoning Explainability
专知会员服务
34+阅读 · 2020年9月3日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
相关资讯
CVPR2020 | 对抗伪装:如何让AI怀疑人生!
AI科技评论
5+阅读 · 2020年5月3日
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
机器听觉:一、AI在音频处理上的潜力
论智
5+阅读 · 2018年11月25日
理解人类推理的深度学习
论智
17+阅读 · 2018年11月7日
AI情绪识别技术背后:一场悄然来袭的“暴政”
大数据文摘
7+阅读 · 2018年10月11日
论人工智能与人类智能的关系
无人机
3+阅读 · 2017年11月26日
相关论文
Arxiv
8+阅读 · 2021年7月15日
Arxiv
8+阅读 · 2021年5月20日
Arxiv
3+阅读 · 2020年11月26日
Arxiv
14+阅读 · 2020年9月1日
Arxiv
4+阅读 · 2018年11月26日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Top
微信扫码咨询专知VIP会员