[论文解读] 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 5

一句话总结

本文提出了一种基于全局工作区架构的三级人工意识模型，整合了注意力、记忆、情感与偏好，使自主智能体能够有效导航复杂环境。该模型在各类模拟中表现出稳健性能，持续保持高幸福感与低于3的加权优良度，表明类意识机制可显著提升人工智能体的适应性行为与决策能力。

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.

研究动机与目标

• 受心灵哲学与神经科学启发，构建一种认知架构，赋予人工智能体类意识特性。
• 探究人工意识机制是否能提升自主智能体的适应性行为与决策能力。
• 通过将理论概念实现为可测试的计算模型，弥合计算机科学与心灵哲学之间的鸿沟。
• 评估注意力、记忆与情感状态等认知机制在提升智能体性能方面的有效性。
• 为意识在信息处理系统中的进化优势提供实证证据。

提出的方法

• 模型采用N×N格子的二维环境，每个格子包含归一化的物理量（如温度、光照），取值范围为[−a, +a]。
• 智能体通过传感器感知相邻格子的数值，每一步处理20个值（4个方向 × 5个物理量），采用全局工作区架构进行处理。
• 多层认知架构包括：(1) 注意力机制用于选择物理量，(2) 记忆系统用于存储信念与过往经验，(3) 内在情感与偏好，以及(4) 全局工作区，整合来自所有子系统的资讯。
• 情感被建模为内部状态的动态指标，用于指导决策并报告意识状态。
• 系统使用加权优良度与幸福感指标评估性能，行动策略被优化以最大化幸福感并最小化加权优良度。
• 未来参数调优建议采用贝叶斯优化，并引入多目标约束以防止智能体死亡并维持多种内部状态。

实验结果

研究问题

• RQ1 在复杂、多物理量环境中，具备注意力、记忆与情感状态的计算模型是否能超越非意识对照组？
• RQ2 情感与偏好在自主智能体的适应性行为与决策中发挥何种作用？
• RQ3 全局工作区架构在多大程度上支持信息整合并实现类意识处理？
• RQ4 该模型能否在具有不同偏好函数的多样化、随机生成环境中实现泛化？
• RQ5 该模型为意识在信息处理系统中的进化优势提供了哪些定量证据？

主要发现

• 在全部五个模拟中，模型的平均加权优良度始终低于3，表明性能优异，且数值持续低于5的阈值（被视为‘良好’）。
• 平均幸福感保持高位，第100轮时接近10，且在后续轮次中表现稳定，体现行为的持续高效性。
• 在模拟4中，模型达到最高幸福感（9.4744）与最低加权优良度（1.5601），展现出在各类环境中的鲁棒性。
• 模型在每项模拟的九个随机生成环境中均表现出良好泛化能力，五次试验中性能一致。
• 注意力、记忆、情感与全局工作区的整合使智能体能够维持高性能，并适应动态环境变化。
• 结果表明，情感可作为自我模型的表征，使智能体能有效报告并调节其内部状态。