qualia 的目的:如果人类思考不仅仅是信息处理,会怎么样?
该研究论证了强人工智能假说,即机器可以具有意识。它通过证实意识的本质过程是可计算的,建立了意识与技术的联系。这将支持一种新的人工智能形式,即所谓的 “合成意向性”,具有综合、概括、选择和重复意向的能力,但存在一些问题比如反射认知、塞尔的 “中文房间” 以及如何 “理解”“意义” 和 “创造性”。
May, 2016
通过仿真人脑,人工智能建立了具有学习能力和接近人类水平的智能任务执行能力的计算模型,同时证明了智能的本质是一系列数学功能过程,通过建立数据集之间的功能关系来最小化系统熵,并通过能量消耗的增强方式在人类和人工智能中实现。
Jul, 2023
提出 “集成信息” 概念解决了人工智能长期受制于处理数据而非处理信息的困境,将智能解释为信息处理的产物,不再需求仿生人脑来实现信息处理,探究了这种人工智能系统设计哲学的变革。
Feb, 2015
自然和人工神经系统的神经结构、过程、参数和特征的信息综合表述和建模为神经机器,提出了神经系统计算潜力的全球定量度量作为绝对和相对神经能力的一般信息参数,通过非确定性的感入和感出信息的记忆、分段和聚合,深度神经信息处理代表了分段和聚合阶段的多重替代,将相关神经特征集成到一个包括单元、外围或接口组件的神经机器型模型中,该方法能够克服人工计算实现神经信息过程的技术约束,并提供更加准确的自然描述。
Feb, 2024
通过一系列的实验,我们评估了当前基于视觉的大型语言模型在直觉物理、因果推理和直观心理领域的表现。我们的研究结果表明,尽管这些模型在处理和解释视觉数据方面表现出显著的能力,但在这些领域仍然不如人类。这些模型对物理定律和因果关系有基本的理解,但缺乏更深入的洞察力 - 人类认知的一个关键方面。此外,在需要直觉心理理论的任务中,这些模型完全失败。我们的结果强调了将更强大的理解因果关系、物理动力学和社会认知机制整合到现代基于视觉的语言模型中的必要性,并指出了认知启发式评估标准的重要性。
Nov, 2023
本文试图对 AGI 中的概念 “meaning” 和 “knowledge” 进行严格的规范化定义,以便在实际实现中能够在上下文中处理相关的认知概念。
Jan, 2022
当前和近期 AI 系统是否会具备意识是一个受到科学界关注和公众担忧的话题。本报告提出并举例了一种严格的和以实证为基础的 AI 意识研究方法,即在我们最有支持的神经科学意识理论的指导下,对现有 AI 系统进行详细评估。我们调查了几个著名的科学意识理论,包括循环处理理论、全局工作空间理论、高阶理论、预测处理和注意图式理论。根据这些理论,我们以计算术语阐明了意识的 “指示性属性”,从而可以评估 AI 系统是否具备这些属性。我们利用这些指示性属性评估了几个最近的 AI 系统,并讨论了未来系统如何实现它们。我们的分析表明目前没有任何 AI 系统具备意识,但也表明建立意识的 AI 系统并没有明显的障碍。
Aug, 2023