기계를 만들려면 부품이 무엇이며 어떻게 서로 맞물리는지 알아야 합니다. 기계를 이해하려면 각 부품이 하는 일과 기능에 어떻게 기여하는지 알아야 합니다. 즉, 어떻게 작동하는지에 대한 "역학"을 설명할 수 있어야 합니다.

A에 따라 철학적 접근 메커니즘이라고 불리는 인간은 틀림없이 일종의 기계입니다. 세상을 생각하고 말하고 이해하는 우리의 능력은 우리가 이해하지 못하는 기계적 과정의 결과입니다.

우리 자신을 더 잘 이해하기 위해 우리는 우리의 능력을 모방하는 기계를 만들려고 노력할 수 있습니다. 그렇게 함으로써 우리는 그 기계에 대한 기계론적 이해를 갖게 될 것입니다. 그리고 기계가 우리의 행동을 더 많이 보여줄수록 우리는 우리 마음에 대한 기계론적 설명에 더 가까워질 수 있습니다.

이것이 철학적 관점에서 AI를 흥미롭게 만드는 것입니다. 다음과 같은 고급 모델 GPT-4 그리고 Midjourney는 이제 인간의 대화를 흉내내고, 전문 시험에 합격하고, 단 몇 마디만으로 아름다운 그림을 생성할 수 있습니다.

그러나 모든 진전에도 불구하고 질문에 답이 없는 상태로 남아 있습니다. 우리는 어떻게 무언가를 자각하게 만들거나 다른 사람들이 알고 있음을 알 수 있습니까? 정체성이란 무엇입니까? 무슨 뜻이야?

이러한 것들에 대한 경쟁하는 많은 철학적 설명이 있지만 모두 기계론적 설명에 저항했습니다.

안에 일련의 논문 에 대해 수락됨 16th Annual Conference in Artificial General Intelligence(인공 일반 지능) 스톡홀름에서 저는 이러한 현상에 대한 기계론적 설명을 제시합니다. 그것들은 우리가 어떻게 자기 자신, 다른 사람, 다른 사람이 인식하는 자기 자신 등을 인식하는 기계를 만들 수 있는지 설명합니다.

지능과 의도

우리가 지능이라고 부르는 많은 것들은 불완전한 정보로 세상에 대한 예측을 하는 것으로 귀결됩니다. 기계가 정확한 예측을 하는 데 필요한 정보가 적을수록 더 "지능적"입니다.

주어진 작업에 대해 실제로 유용한 지능의 양에는 한계가 있습니다. 예를 들어, 대부분의 성인은 자동차 운전을 배울 만큼 똑똑하지만 더 많은 지능이 더 나은 운전자로 만들지는 못할 것입니다.

내 서류는 설명 지능의 상한선 주어진 작업에 대해 그리고 그것을 달성하는 기계를 만드는 데 필요한 것.

저는 그 아이디어를 Bennett's Razor라고 명명했습니다. 비기술적인 용어로 "설명은 필요 이상으로 구체적이지 않아야 한다"는 의미입니다. 이것은 Ockham의 Razor에 대한 대중적인 해석(및 수학적 설명), 간단한 설명을 선호합니다.

그 차이는 미묘하지만 중요합니다. 에서 실험 AI 시스템이 간단한 수학을 학습하는 데 필요한 데이터의 양을 비교하면 덜 구체적인 설명을 선호하는 AI가 간단한 설명을 선호하는 AI보다 최대 500% 더 나은 성능을 보였습니다.

이 발견의 함축적 의미를 탐구하면서 나는 의미에 대한 기계론적 설명을 이끌어 냈습니다.그리시안 화용론.” 이것은 의미가 의도와 어떻게 관련되어 있는지를 보는 언어 철학의 개념입니다.

생존하기 위해 동물은 다른 동물을 포함한 환경이 어떻게 행동하고 반응할지 예측해야 합니다. 당신은 개 근처에 차를 방치하는 것을 주저하지 않을 것이지만, 엉덩이 스테이크 점심도 마찬가지입니다.

커뮤니티에서 똑똑하다는 것은 다른 사람의 감정과 선호도에서 비롯된 의도를 추론할 수 있다는 것을 의미합니다. 기계가 인간과의 상호 작용에 의존하는 작업에 대한 지능의 상한선에 도달하려면 의도도 올바르게 추론해야 합니다.

그리고 기계가 그것에 닥친 사건과 경험에 의도를 부여할 수 있다면, 이것은 정체성에 대한 질문과 자신과 타인을 인식한다는 것이 무엇을 의미하는지에 대한 질문을 제기합니다.

인과관계와 정체성

비가 올 때 비옷을 입고 있는 존을 봅니다. 화창한 날 John에게 비옷을 입도록 강요하면 비가 올까요?

당연히 아니지! 인간에게 이것은 명백합니다. 그러나 원인과 결과의 미묘함을 기계에게 가르치기는 더 어렵습니다(관심 있는 독자는 왜 책 Judea Pearl 및 Dana Mackenzie 작성).

이러한 것들을 추론하기 위해 기계는 "나는 그것을 발생시켰다"와 "나는 그것이 발생하는 것을 보았다"가 다르다는 것을 배울 필요가 있습니다. 일반적으로 우리는 프로그램 그것으로 이해.

그러나 내 작업은 작업에 대한 지능의 상한선에서 수행하는 기계를 구축하는 방법을 설명합니다. 그러한 기계는 정의상 원인과 결과를 정확하게 식별해야 하며 따라서 인과 관계도 추론해야 합니다. 내 논문 방법을 정확히 탐색하십시오.

이것의 의미는 심오합니다. 기계가 "내가 그 일을 일으켰다"를 학습하면 "나"(자신의 정체성)와 "그것"의 개념을 구성해야 합니다.

의도를 추론하고 원인과 결과를 학습하고 추상적인 정체성을 구성하는 능력은 모두 연결되어 있습니다. 작업에 대한 지능의 상한선에 도달한 기계는 이러한 모든 능력을 발휘해야 합니다.

이 기계는 그 자체에 대한 정체성을 구성할 뿐만 아니라 작업을 완료하는 능력을 돕거나 방해하는 모든 개체의 모든 측면에 대해 구성합니다. 그러면 자신의 환경 설정 사용 등 예측할 기준선 다른 사람들이 할 수 있는 것. 이것은 방법과 비슷합니다. 인간은 귀인하는 경향이 있다 비인간 동물에 대한 의도.

그렇다면 AI는 무엇을 의미할까요?

물론 인간의 마음은 내 연구에서 실험을 수행하는 데 사용되는 단순한 프로그램보다 훨씬 더 큽니다. 내 작업은 틀림없이 자기 인식이 가능한 기계를 만드는 데 가능한 인과 경로에 대한 수학적 설명을 제공합니다. 그러나 그러한 엔지니어링의 세부 사항은 해결되지 않았습니다.

예를 들어, 인간과 같은 의도는 인간과 같은 경험과 감정을 필요로 하는데, 이는 엔지니어링하기 어려운 일입니다. 게다가 우리는 인간 의식의 충만함을 쉽게 시험할 수 없습니다. 의식 위의 보다 협소한 주장을 포함하지만 구별되어야 하는 광범위하고 모호한 개념입니다.

나는 기계론적 설명을 제공했다. 측면 그러나 이것만으로는 인간이 경험하는 의식의 충만함을 충분히 포착할 수 없습니다. 이것은 시작에 불과하며 향후 연구는 이러한 주장을 확장해야 합니다.

이 기사는에서 다시 게시됩니다. 대화 크리에이티브 커먼즈 라이센스하에 읽기 원래 기사.

이미지 신용 : Deepmind on Unsplash 

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 미래 만들기 w Adryenn Ashley. 여기에서 액세스하십시오.
• PREIPO®로 PRE-IPO 회사의 주식을 사고 팔 수 있습니다. 여기에서 액세스하십시오.
• 출처: https://singularityhub.com/2023/05/05/can-machines-be-self-aware-new-research-explains-how-this-could-happen/