---
title: "Các chỉ báo ý thức cho AI · Thực thể · Giả thuyết mô phỏng"
url: https://simulation-hypothesis.com/vi/entities/indicators
description: "Mười bốn chỉ báo từ Butlin, Long và cộng sự (2023), lấy từ sáu lý thuyết khoa học về ý thức."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Giả thuyết mô phỏng (simulation-hypothesis.com)"
---

[Thực thể](https://simulation-hypothesis.com/vi/entities) › Các chỉ báo ý thức

# Các chỉ báo ý thức cho AI

Năm 2023, mười chín nhà nghiên cứu về khoa học thần kinh, triết học và học máy đã liệt kê các thuộc tính mà các lý thuyết khoa học hàng đầu cho rằng một hệ thống có ý thức sẽ có. Sau đó họ đối chiếu AI ngày nay với danh sách đó.

## Lý thuyết xử lý hồi quy

* **RPT-1** Các mô-đun đầu vào dùng sự tái diễn thuật toán
* **RPT-2** Các mô-đun đầu vào tạo ra biểu diễn tri giác có tổ chức và tích hợp

## Lý thuyết không gian làm việc toàn cục

* **GWT-1** Nhiều hệ thống chuyên biệt có thể hoạt động song song (các mô-đun)
* **GWT-2** Không gian làm việc có dung lượng hạn chế, kéo theo một nút thắt trong luồng thông tin và một cơ chế chú ý chọn lọc
* **GWT-3** Phát sóng toàn cục: thông tin trong không gian làm việc có sẵn cho mọi mô-đun
* **GWT-4** Sự chú ý phụ thuộc trạng thái, dẫn đến khả năng dùng không gian làm việc để lần lượt truy vấn các mô-đun nhằm thực hiện các nhiệm vụ phức tạp

## Các lý thuyết bậc cao theo hướng tính toán

* **HOT-1** Các mô-đun tri giác sinh tạo, từ trên xuống hoặc có nhiễu
* **HOT-2** Giám sát siêu nhận thức phân biệt các biểu diễn tri giác đáng tin với nhiễu
* **HOT-3** Tính tác nhân được dẫn dắt bởi một hệ thống hình thành niềm tin và chọn hành động tổng quát, cùng một khuynh hướng mạnh mẽ cập nhật niềm tin theo kết quả của giám sát siêu nhận thức
* **HOT-4** Mã hóa thưa và trơn tạo ra một “không gian chất lượng”

## Lý thuyết lược đồ chú ý

* **AST-1** Một mô hình dự đoán biểu diễn và cho phép kiểm soát trạng thái hiện tại của sự chú ý

## Xử lý dự đoán

* **PP-1** Các mô-đun đầu vào dùng mã hóa dự đoán

## Tính tác nhân và hiện thân

* **AE-1** Tính tác nhân: học từ phản hồi và chọn đầu ra để theo đuổi mục tiêu, đặc biệt khi điều này đòi hỏi phản ứng linh hoạt trước các mục tiêu cạnh tranh
* **AE-2** Hiện thân: mô hình hóa các quan hệ phụ thuộc giữa đầu ra và đầu vào, gồm một số tác động có hệ thống, và dùng mô hình này trong tri giác hoặc điều khiển

## Kết luận của họ

Đánh giá của họ: “hiện không hệ thống nào có vẻ là ứng viên mạnh cho ý thức.” Họ nói thêm rằng, nếu chủ nghĩa chức năng tính toán là đúng, thì các hệ thống AI có ý thức “có thể được xây dựng một cách khả thi trong tương lai gần.”

Butlin P, Long R, Elmoznino E, Bengio Y, Birch J, et al. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv:2308.08708\. https://arxiv.org/abs/2308.08708 (nội dung Bảng 1 đọc trực tiếp từ PDF)