[论文解读] Conscious Machines and Consciousness Oriented Programming

Norbert Bátfai|arXiv (Cornell University)|Aug 14, 2011

Computability, Logic, AI Algorithms参考文献 26被引用 3

一句话总结

本文提出了意识导向编程（COP）这一新型编程范式，通过程序预测未来输入或状态的能力（优于随机概率）来定义机器意识。该文引入了名为 ConsciousJ 的假设性编程语言，其关键字如 'conscious' 和 'predicted' 可使程序利用卡尔曼滤波器、ARMA 等模型实现对未来输入的预测，旨在构建直观且具备前瞻性的软件系统。

ABSTRACT

In this paper, we investigate the following question: how could you write such computer programs that can work like conscious beings? The motivation behind this question is that we want to create such applications that can see the future. The aim of this paper is to provide an overall conceptual framework for this new approach to machine consciousness. So we introduce a new programming paradigm called Consciousness Oriented Programming (COP).

研究动机与目标

• 基于预测能力而非架构复杂性，建立机器意识的概念性框架。
• 通过以优于随机准确率预测输入或状态，激励开发能够'预见未来'的软件。
• 通过新型编程范式将前瞻能力融入日常软件开发，使预测行为成为语言的一等特性。
• 提出一种新型编程语言 ConsciousJ，作为实现意识化与直觉化计算机程序的载体。
• 将关注点从'意识如何在系统中产生'，转向'系统是否能明确预测未来状态或输入'，从而实现可测试的定义。

提出的方法

• 通过程序预测未来输入（定义1）或未来状态（定义2）的能力来定义机器意识，且其准确率优于随机猜测。
• 基于预测准确率，提出'意识计算机程序'（定义3）与'自我意识程序'（定义4）的概念。
• 提出'直觉计算机程序'（定义5）的概念，即其行为由预测输入驱动，而非实时输入。
• 设计一种假设性编程语言 ConsciousJ，扩展 Java 或 AspectJ，新增关键字：'conscious' 用于类声明，'predicted' 用于方法参数。
• 通过 API 访问外部预测模型（如卡尔曼滤波器、ARMA、SimplePast）在方法内实现预测逻辑。
• 使用归一化压缩距离（NCD）度量评估输入序列与预测结果之间的相似性，并提供示例计算。

实验结果

研究问题

• RQ1 若一个计算机程序能以优于随机猜测的准确率预测其未来输入，是否可认为其具有意识？
• RQ2 如何设计一种编程范式，使前瞻能力成为软件系统的核心行为特征？
• RQ3 实现程序基于预测输入而非实时输入进行行为响应，所需的最小程序级构造为何？
• RQ4 能否通过预测未来内部状态的能力，形式化定义机器的自我意识？
• RQ5 如何利用信息论度量（如 NCD）以计算上有意义的方式测量并验证预测准确率？

主要发现

• 若一个计算机程序能以超过随机猜测的准确率预测其未来输入，则可被定义为具有意识，从而确立可测试的标准。
• 本文提出一种新型编程范式——意识导向编程（COP），系统性地将预测行为嵌入软件设计。
• 假设性语言 ConsciousJ 通过 'predicted' 关键字支持预测功能，使方法能够接收预测的输入值以用于决策。
• 提出卡尔曼滤波器、ARMA 和 SimplePast 等预测模型作为运行时组件，用于计算未来输入的估计值。
• 示例 NCD 计算展示了基于压缩的相似性度量在评估输入序列与模型输出之间预测准确率中的应用。
• 该框架实现了从反应式行为到前瞻式行为的转变，有望将日常应用程序转变为直观且具备前瞻能力的系统。