一 基於生物和經驗的模型
首先是 2012 年的 Spaun,基於生物基礎(腦圖譜),類生物神經元(尖峰放電 SNN)。
在訓練後可完成多種識別和生成和反應任務。
- map the visual hierarchy firing pattern to a conceptual firing pattern as needed
- extract relations between input elements (transformation calculation)
- evaluate the reward associated with the input (reward evaluation)
- decompress firing patterns from memory to conceptual firing pattern (information decoding)
- map conceptual firing patterns to motor firing patterns and control motor timing (motor processing)
PPC, posterior parietal cortex; M1, primary motor cortex; SMA, supplementary motor area; PM, premotor cortex; VLPFC, ventrolateral prefrontal cortex; OFC, orbitofrontal cortex; AIT, anterior inferior temporal cortex; Str, striatum; vStr, ventral striatum; STN, subthalamic nucleus; GPe, globus pallidus externus; GPi, globus pallidus internus; SNr, substantia nigra pars reticulata; SNc, substantia nigra pars compacta; VTA, ventral tegmental area; V2, secondary visual cortex; V4, extrastriate visual cortex.
在許多深度學習模型中有類似的【編碼-轉換-解碼】結構,例如 2017 年的 MultiModel :
目前流行的大腦/意識理論是 GWT(Global Workspace Theory) 和 IIT(Integrated Information Theory)。
GWT 用意識的功能描述意識:意識具有某些功能,例如輸入輸出和各種模塊。
典型的例子如下:
這種模型有悠久的歷史和諸多例子:
IIT 用意識的特徵描述意識:意識是滿足某些特徵的現象。
雖然犧牲了一定的具體性,但也許更能同時描述非地球非碳基生物的意識。典型的特徵如下:
抽象化的表達有自己的優勢,因為從量子物理而言,一切都是一個狀態,不需要內部模塊。
例如http://xxx.itp.ac.cn/pdf/1712.01826.pdf。將觀測者簡化為計算過程後,建立了一種既唯心又唯物的宇宙理論。
關於意識的生物基礎,近年的著名發現是連接大腦各個部分的巨型神經元。這種神經元,從大腦的屏狀核出發,連接到大腦的各個部分,可能是意識的開關。
在一例癲癇患者的人體實驗中,確實可通過在屏狀核進行高頻電刺激,關閉和開啟實驗者的意識(實驗者的感覺就像斷片)。
二 在DRL 實驗環境中的模型
為實現良好的多 agent 性能,和產生有趣的合作/競爭行為,目前的 DRL 模型仍需做大量簡化,例如採用全局的優化策略。
OpenAI 的 2019 年模型(http://xxx.itp.ac.cn/pdf/1909.07528.pdf):
OpenAI Five:
DeepMind 的 2019 年模型(Human-level performance in 3D multiplayer games with populationbased reinforcement learning):
AlphaStar:
最近流行的論文 A distributional code for value in dopaminebased reinforcement learning ,其中人造的多巴胺神經元可以預測回報的分佈。
三 世界模型
從更廣泛的觀點看,大腦會建立世界模型:
多 agent 可進行交流:
從“心智中的世界模型”出發,也可建立現實的理論。例如 Karl Friston 提出的自由能理論,近年引人注目:
它認為,生物的本質在於讓世界模型吻合世界:一面修改世界模型以符合世界(這是顯然的),一面修改世界以符合世界模型(這是有趣且也有道理的)。總而言之,降低熵。
四 心理與非理性模型,精神分析
上文關注機械的理性與決策,只代表大腦的一部分。非理性和無意識的部分,同樣值得考慮。
生物學上有 Triune Brain 理論,將大腦分為 生存大腦 - 情緒大腦 - 理性大腦(實際情況比這更復雜):
人的思維是從無意識而來。弗洛伊德的第一拓比(無意識 - 潛意識 - 意識):
弗洛伊德的第二拓比(本我 - 自我 - 超我),這裡開始體現社會化/符號界:
這類視角有意義。因為前文的模型,更像描述動物的行為:動物也會合作和競爭,但都很原始。
而人類已經高度社會化。語言/文化/社會結構/意識形態/MEME 等等,形成了外部記憶/外部系統/外部意識,並深刻塑造人類的行為。
就像那個著名的笑話:人類不但是基因繁衍的方法,人類還是汽車繁衍的方法。
如果從還原論看,可認為這些仍然可來自此前的模型,不過還原論是否正確,現在不知道,所以還是結合多種觀點更為有趣。
榮格(意識 - 個人無意識 - 集體無意識),這裡的無意識仍然是神秘的混沌衝動:
拉康(實在界 - 想象界 - 符號界),這裡的無意識是更清晰的,來自於他者:
後續的客體關係學派的例子:
實際上有很多有趣的想法,例如:
怎麼讓 AI 理解這裡的這些,是個 NLP 的難題。
五 融合
自然的想法,是將這裡的觀點,包括量子物理(觀測問題仍然是複雜的)和數學和各種哲學理論,全部融合。
例如,一種 1+4 的初步融合例子:
個人認為,這裡重要的,不是融合出單個理論,而是理解為何人類會提出這些理論。
一個正確的大腦運作模型,應有能力像人類大腦一樣,提出人類提出過的所有理論。所以,一切理論,無論對錯,都有價值,都屬於樣本。
對於這種研究,似乎人類對於 AI 仍然保持著優勢。很難想象 AI 怎麼理解人類的大腦運作。
所以這可能是 AI 最難代替人類的職業。
閱讀更多 智造未來微刊 的文章