实体 › 意识指标
AI 的意识指标
2023 年，十九位神经科学、哲学和机器学习领域的研究者，列出了主流科学理论认为一个有意识的系统会具备的特性。然后他们把当今的 AI 对照这份清单做了检查。
循环加工理论
- RPT-1 使用算法递归的输入模块
- RPT-2 生成有组织、整合的知觉表征的输入模块
全局工作空间理论
- GWT-1 多个能够并行运行的专门化系统（模块）
- GWT-2 容量有限的工作空间，由此造成信息流的瓶颈和选择性注意机制
- GWT-3 全局广播：工作空间中的信息可供所有模块使用
- GWT-4 依赖状态的注意，使得人能够用工作空间依次查询各个模块，以完成复杂任务
计算性高阶理论
- HOT-1 生成式的、自上而下的或带噪声的感知模块
- HOT-2 元认知监控，把可靠的知觉表征与噪声区分开
- HOT-3 由一个通用的信念形成与行动选择系统引导的能动性，以及一种强烈的倾向：根据元认知监控的输出来更新信念
- HOT-4 产生“质量空间”的稀疏而平滑的编码
注意图式理论
- AST-1 一个预测模型，它表征注意力的当前状态，并使人能够控制它
预测加工
- PP-1 使用预测编码的输入模块
能动性与具身
- AE-1 能动性：从反馈中学习并选择输出以追求目标，尤其是涉及对相互竞争的目标作出灵活反应的情形
- AE-2 具身：对输出与输入之间的偶然关联（包括一些系统性效应）建模，并在感知或控制中使用这个模型
它的结论
他们的评估：“目前没有任何系统看起来是意识的有力候选者。”他们还补充说，如果计算功能主义为真，有意识的 AI 系统“现实中有可能在近期内造出来”。
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 (Table 1 text read directly from the PDF)