机构名称：
¥ 2.0
基于来自人类的证据，计算策略寻求识别与意识紧密相关甚至必然相关的特征，以便它们推广到人工系统。鉴于其他方法面临严重障碍，计算策略已被证明很受欢迎。基于与有意识的人类的行为和表面认知类比的推理（Dung，2022；Tye，2017）在动物意识研究中很常见，但这种推理是有问题的，因为人类和人工智能系统在身体构造和因果历史方面通常被认为差异太大，而无法将过多的权重放在这种类比上（Shevlin，2020）。此外，基于口头报告的推论也是有问题的，因为不清楚如何从人工智能系统中引出真正内省的报告（Birch & Andrews，2023）。1此外，由于人工智能系统缺乏大脑，使用意识的神经生物学理论似乎行不通。因此，完善意识的计算理论并探索如何将它们推广到人工智能系统是重要的研究重点。然而，尽管计算策略有着普遍的前景，但它面临着若干挑战。首先，计算主义是否正确并不明显——也就是说，尚不清楚实现正确类型的计算是否对意识足够（且必要）（Anderson & Piccinini，2024 ；Piccinini，2020 ）。其次，即使计算主义是正确的，哪种意识计算理论是正确的仍然是一个悬而未决的问题，例如全局工作空间理论（Mashour 等人，2020 ）或感知现实监控理论（Lau，2022 ）。第三，即使我们同意正确的计算理论，也不明显需要什么来实现必要的计算（Chalmers，1994 、2011 ）。下面，我们将重点讨论第三个挑战（计算实现），但值得简要评论一下前两个挑战。关于第一个挑战，正如 Sebo 和 Long（2023）所指出的，计算主义有两种显著的替代观点。第一种观点称为生物基质观，该观点认为意识必然依赖于生物的碳基基质。例如，如果意识与某种大脑状态类型相同（Place，1956；Smart，1959），则这种观点可能是正确的。第二种观点称为生物功能观，最为突出的倡导者是 Godfrey-Smith（2016、2020），该观点认为意识依赖于细粒度的生物功能，如新陈代谢、系统范围的同步或其他功能，这些功能的实现依赖于神经元的物理特征或大脑生物化学的具体情况。 2 这种观点是功能主义的，但不是计算主义的（例如，Piccinini，2020，第 14 章），因为标准数字计算机无法实现这些功能。在下文中，我们很少排除生物学基础或功能观点。然而，正如 Sebo 和 Long（2023）指出的那样，由于许多研究人员都是计算主义者，因此计算理论对人工意识意味着什么就显得尤为重要。例如，最近一份关于人工意识的有影响力的报告甚至从一开始就假设计算主义是正确的（Butlin 等人，2023 年）。此外，前面的非计算主义观点经常与我们将在这里讨论的观点相混淆：计算实现存在实质性限制。然而，我们认为，这些是不同的观点，由不同的论据支持。在下一节中，我们将进一步阐明非计算主义与计算实现存在实质性限制的观点之间的区别。关于第二个挑战，我们注意到，最近的研究在不同的计算理论可能对人工意识意味着什么的问题上取得了迅速进展（Butlin 等人，2023 年）。希望这项工作可以为基于证据的评估提供信息
实现人工智能
主要关键词
相关文件推荐
