[논문 리뷰] On the link between conscious function and general intelligence in humans and machines

Arthur Juliani, Kai Arulkumaran외 2명|arXiv (Cornell University)|2022. 03. 24.

Functional Brain Connectivity Studies인용 수 21

한 줄 요약

본 논문은 의식의 세 가지 기능 이론(Global Workspace Theory, Information Generation Theory, Attention Schema Theory)을 분석하여 이들이 도메인 일반 지능과의 연결 고리를 주장하고, AI가 이러한 개념들을 통합하여 더 강한 일반 지능을 향한 길로서 정신적 시간 여행을 추구할 수 있는 방법을 논의한다.

ABSTRACT

In popular media, there is often a connection drawn between the advent of awareness in artificial agents and those same agents simultaneously achieving human or superhuman level intelligence. In this work, we explore the validity and potential application of this seemingly intuitive link between consciousness and intelligence. We do so by examining the cognitive abilities associated with three contemporary theories of conscious function: Global Workspace Theory (GWT), Information Generation Theory (IGT), and Attention Schema Theory (AST). We find that all three theories specifically relate conscious function to some aspect of domain-general intelligence in humans. With this insight, we turn to the field of Artificial Intelligence (AI) and find that, while still far from demonstrating general intelligence, many state-of-the-art deep learning methods have begun to incorporate key aspects of each of the three functional theories. Having identified this trend, we use the motivating example of mental time travel in humans to propose ways in which insights from each of the three theories may be combined into a single unified and implementable model. Given that it is made possible by cognitive abilities underlying each of the three functional theories, artificial agents capable of mental time travel would not only possess greater general intelligence than current approaches, but also be more consistent with our current understanding of the functional role of consciousness in humans, thus making it a promising near-term goal for AI research.

연구 동기 및 목표

• 세 가지 현대 의식 기능 이론이 인간의 도메인 일반 지능에 어떻게 매핑되는지 평가한다.
• 현대 AI 시스템이 GWT, IGT, 및 AST의 요소를 어떻게 통합하여 일반화를 향상시키는지 검토한다.
• 이 이론들에서 영감을 받아 구현 가능한 통합 모델을 제안하여 인공적 정신적 시간 여행이 가능하도록 한다.

제안 방법

• 의식 접근의 설명으로서 Global Workspace Theory (GWT), Information Generation Theory (IGT), Attention Schema Theory (AST)를 검토하고 비교한다.
• 의식 접근과 도메인 일반 인지 능력 간의 관계를 논의한다.
• 최첨단 딥러닝 접근법이 이미 각 이론의 요소를 어떻게 통합하고 있는지 조사한다.
• 이론들을 AI에 통합하는 지침 예시로서 정신적 시간 여행의 개념을 제시한다.

실험 결과

연구 질문

• RQ1 GWT, IGT, AST가 각각 인간의 도메인 일반 지능과 어떻게 연결되어 있는가?
• RQ2 현대 AI 시스템이 GWT, IGT, AST의 측면을 구현하기 시작한 방식은 어떤가?
• RQ3 이 이론들을 결합한 통합적이고 구현 가능한 모델이 인공 에이전트가 정신적 시간 여행을 수행하도록 할 수 있는가?
• RQ4 더 일반적인 AI를 뒷받침할 수 있는 인지 메커니즘(주의, 생성 모델링, 고수준 메타모델)은 무엇인가?

주요 결과

• 세 이론 모두 의식 기능을 도메인 일반 지능의 측면과 연결한다.
• 현 AI 방법들은 이미 더 큰 일반화를 달성하기 위해 GWT, IGT, AST의 요소를 포함하고 있다.
• 선택적 주의, 생성적 인지 맵, 그리고 주의 정책을 활용하는 통합 모델이 에이전트의 정신적 시간 여행을 가능하게 할 수 있다.
• 정신 시간 여행은 현재 접근법보다 더 넓은 일반화를 갖춘 AI를 만들 수 있다.