[论文解读] Subjective Reality and Strong Artificial Intelligence

Alexander Serov|arXiv (Cornell University)|Jan 27, 2013

Computability, Logic, AI Algorithms参考文献 29被引用 4

一句话总结

本文提出了一种基于主观现实概念的感知模型，以推动强人工智能（SAI）的发展。通过形式化感知世界的相对性，该模型使智能系统能够通过个性化、上下文依赖的框架来解释环境，为开发具备类人感知推理与自适应行为的SAI系统提供了基础方法论。

ABSTRACT

The main prospective aim of modern research related to Artificial Intelligence is the creation of technical systems that implement the idea of Strong Intelligence. According our point of view the path to the development of such systems comes through the research in the field related to perceptions. Here we formulate the model of the perception of external world which may be used for the description of perceptual activity of intelligent beings. We consider a number of issues related to the development of the set of patterns which will be used by the intelligent system when interacting with environment. The key idea of the presented perception model is the idea of subjective reality. The principle of the relativity of perceived world is formulated. It is shown that this principle is the immediate consequence of the idea of subjective reality. In this paper we show how the methodology of subjective reality may be used for the creation of different types of Strong AI systems.

研究动机与目标

• 为解决通过聚焦感知作为核心机制来构建强人工智能的挑战。
• 开发一个捕捉智能体与环境互动主观性质的感知形式化模型。
• 建立一个理论框架，其中对现实的感知相对于观察者而相对，从而实现更具适应性和上下文感知的AI系统。
• 提供一种设计方法，使智能系统能够基于主观经验生成并更新对世界的内部表征。
• 通过将主观现实嵌入AI架构，弥合人工感知与类人意识之间的差距。

提出的方法

• 提出一种基于主观现实概念的感知模型，其中世界通过个体的内部框架被感知。
• 引入感知世界相对性的原则，断言感知本质上相对于观察者的内在状态和认知结构而相对。
• 定义一组感知模式，使智能系统能够以情境敏感的方式解释和响应环境刺激。
• 利用主观现实概念来构建环境的内部表征，从而实现基于经验的动态适应。
• 将该模型应用于不同类型强人工智能系统，展示其在建模复杂感知行为方面的通用性。
• 将感知视为主动的、建构性过程，而非被动接收，该过程受内部认知模型和先前经验的塑造。

实验结果

研究问题

• RQ1 如何将主观现实形式化为人工系统中建模智能感知的基础？
• RQ2 何种机制使智能系统能够构建一个保持一致且具适应性的外部世界主观表征？
• RQ3 感知世界的相对性如何影响强人工智能系统的设计与行为？
• RQ4 在主观现实框架下，感知模式如何系统性地生成与更新？
• RQ5 所提出的模型能否支持人工系统中类人意识与推理的涌现？

主要发现

• 感知世界相对性原则被形式化推导为主观现实概念的直接结果，为智能系统中感知多样性的理论基础提供了支持。
• 该模型使能够构建基于上下文依赖且随经验动态更新的环境内部表征。
• 主观现实为设计能够处理模糊性、不确定性以及情境特定解释的感知系统提供了切实可行的框架。
• 该方法具有可推广性，可应用于多种类型的强人工智能系统，表明其在不同AI架构中具有广泛适用性。
• 该模型支持开发具备自组织、自适应感知过程的人工智能系统，其特性与人类认知相似。
• 本文通过主观现实的视角，建立了现象学意识特征与技术性AI设计之间的概念桥梁。