[論文レビュー] An Artificial Consciousness Model and its relations with Philosophy of Mind

Eduardo C. Garrido‐Merchán, Martín Molina+1 more|arXiv (Cornell University)|Nov 30, 2020

Embodied and Extended Cognition参考文献 28被引用数 5

ひとこと要約

本論文は、注意、記憶、感情、好みを統合するグローバルワークスペースアーキテクチャに基づくレベル3の人工的自己認識モデルを提案する。このモデルは、複雑な環境を自律的にナビゲートできる人工エージェントを可能にし、多様なシミュレーションにおいて、高い幸せ度と3未満の低加重善さ（weighted goodness）を維持するという、強固なパフォーマンスを示した。これは、意識的メカニズムが人工エージェントにおける適応的行動と意思決定を向上させることを示している。

ABSTRACT

This work seeks to study the beneficial properties that an autonomous agent can obtain by implementing a cognitive architecture similar to the one of conscious beings. Along this document, a conscious model of autonomous agent based in a global workspace architecture is presented. We describe how this agent is viewed from different perspectives of philosophy of mind, being inspired by their ideas. The goal of this model is to create autonomous agents able to navigate within an environment composed of multiple independent magnitudes, adapting to its surroundings in order to find the best possible position in base of its inner preferences. The purpose of the model is to test the effectiveness of many cognitive mechanisms that are incorporated, such as an attention mechanism for magnitude selection, pos-session of inner feelings and preferences, usage of a memory system to storage beliefs and past experiences, and incorporating a global workspace which controls and integrates information processed by all the subsystem of the model. We show in a large experiment set how an autonomous agent can benefit from having a cognitive architecture such as the one described.

研究の動機と目的

• 心の哲学と神経科学にインspiredされた認知アーキテクチャを構築し、人工エージェントに意識的性質を付与すること。
• 人工的自己認識メカニズムが自律的エージェントの適応的行動と意思決定を改善するかどうかを調査すること。
• 理論的概念をテスト可能な計算モデルに実装することで、コンピュータサイエンスと心の哲学を橋渡しすること。
• 注意、記憶、感情状態といった認知メカニズムがエージェントのパフォーマンスをどのように向上させるかを評価すること。
• 情報処理システムにおける自己認識の進化的優位性を支持する実証的証拠を提供すること。

提案手法

• N×Nのセルからなる2次元グリッド環境を使用し、各セルには範囲[−a, +a]の正規化された物理的大きさ（例：温度、光）が含まれる。
• エージェントはセンサーを介して隣接セルの値を認識し、1ステップあたり20の値（4方向 × 5の大きさ）をグローバルワークスペースアーキテクチャを用いて処理する。
• 多層構造の認知アーキテクチャには、(1) 大きさの選択のための注意メカニズム、(2) 信念と過去の経験を記憶する記憶システム、(3) 内部の感情と好み、(4) すべてのサブシステムからの情報統合を行うグローバルワークスペースが含まれる。
• 感情は内部状態の動的指標としてモデル化され、意思決定を導き、意識状態を報告するために使用される。
• パフォーマンス評価には加重善さと幸せ度の指標が使用され、行動は幸せ度を最大化し、加重善さを最小化するように最適化される。
• 将来のパrameterチューニングのため、ベイズ最適化が提案されており、エージェントの死亡を防ぎ、複数の内部状態を維持するための多目的制約が設けられている。

実験結果

リサーチクエスチョン

• RQ1 注意、記憶、感情状態を備えた計算モデルが、複雑で多様な大きさを含む環境において、非意識的対照群を上回るパフォーマンスを示せるか？
• RQ2 感情と好みは自律的エージェントの適応的行動と意思決定にどのように寄与するか？
• RQ3 グローバルワークスペースアーキテクチャは、情報統合を支援し、意識的処理を可能にする程度はどの程度か？
• RQ4 本モデルは、異なる好み関数を有するランダムに生成された多様な環境に一般化できるか？
• RQ5 本モデルは、情報処理システムにおける自己認識の進化的優位性について、どのような定量的証拠を提供するか？

主な発見

• 5つのシミュレーションすべてにおいて、平均加重善さが3未満であった。これは、5未満が「良い」と見なされる閾値であることを踏まえ、優れたパフォーマンスを示している。
• 平均幸せ度は高く維持され、100イテレーション目には10に近い値を示し、以降のイテレーションでも安定したパフォーマンスを示した。これは、安定的かつ効果的な行動を示している。
• シミュレーション4では、最高の幸せ度（9.4744）と最低の加重善さ（1.5601）を達成し、環境にわたる高い耐性を示した。
• 各シミュレーションで9つのランダムに生成された環境に対して、5回の試行すべてで一貫したパフォーマンスを示した。
• 注意、記憶、感情、グローバルワークスペースの統合により、エージェントは高いパフォーマンスを維持し、変化する状況に適応できた。
• 結果から、感情は自己モデルの表現として機能し、エージェントが内部状態を効果的に報告・制御できることを示唆している。