論文の概要: A Mathematical Framework for Consciousness in Neural Networks
- arxiv url: http://arxiv.org/abs/1704.01148v6
- Date: Tue, 10 Dec 2024 14:40:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-15 16:05:35.351670
- Title: A Mathematical Framework for Consciousness in Neural Networks
- Title（参考訳）: ニューラルネットワークにおける意識の数学的枠組み
- Authors: T. R. Lima,
- Abstract要約: 本稿では,意識と身体的相関関係の間の説明的ギャップを埋めるための新しい数学的枠組みを提案する。
クエーリアは特異点であると主張するのではなく、クエーリアがなぜそのように感じるのかを「説明」する。
我々は、クォーリアを本質的に複雑性、計算、情報への還元以上の現象として認識する枠組みを確立する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This paper presents a novel mathematical framework for bridging the explanatory gap (Levine, 1983) between consciousness and its physical correlates. Specifically, we propose that qualia correspond to singularities in the mathematical representations of neural network topology. Crucially, we do not claim that qualia are singularities or that singularities "explain" why qualia feel as they do. Instead, we propose that singularities serve as principled, coordinate-invariant markers of points where attempts at purely quantitative description of a system's dynamics reach an in-principle limit. By integrating these formal markers of irreducibility into models of the physical correlates of consciousness, we establish a framework that recognizes qualia as phenomena inherently beyond reduction to complexity, computation, or information. This approach draws on insights from philosophy of mind, mathematics, cognitive neuroscience, and artificial intelligence (AI). It does not solve the hard problem of consciousness (Chalmers, 1995), but it advances the discourse by integrating the irreducible nature of qualia into a rigorous, physicalist framework. While primarily theoretical, these insights also open avenues for future AI and artificial consciousness (AC) research, suggesting that recognizing and harnessing irreducible topological features may be an important unlock in moving beyond incremental, scale-based improvements and toward artificial general intelligence (AGI) and AC.
- Abstract（参考訳）: 本稿では,意識と身体的相関関係の間の説明的ギャップ(Levine, 1983)をブリッジするための新しい数学的枠組みを提案する。
具体的には,ニューラルネットワークトポロジの数学的表現における特異点に対応することを提案する。
重要なことに、クエーリアは特異点である、あるいはクエーリアがなぜそのように感じるのかを「説明」しているわけではない。
代わりに、特異点は、システムの力学を純粋に定量的に記述しようとする点の原理的、座標不変なマーカーとして機能することを提案する。
意識の物理的相関のモデルにこれらの既約性の形式的マーカーを組み込むことにより、クエーリアを本質的に複雑性、計算、情報への還元以上の現象として認識する枠組みを確立する。
このアプローチは、心の哲学、数学、認知神経科学、人工知能(AI)から洞察を得ている。
これは意識の難しい問題を解くものではない(Chalmers, 1995)が、クエーリアの既約の性質を厳格で物理主義的な枠組みに統合することで、議論を進める。
主に理論上は、これらの洞察は将来のAIと人工意識(AC)研究の道を開くことであり、既約トポロジカルな特徴を認識し、活用することは、漸進的でスケールベースの改善を超えて、人工知能(AGI)とACに向かう上で重要な鍵となる可能性があることを示唆している。
関連論文リスト
- Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。
このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。
これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - A mathematical framework of intelligence and consciousness based on Riemannian Geometry [1.9580473532948397]
知性を理解することは神経科学、認知科学、人工知能の中心的な研究である。
幾何解析の最近の進歩は、高次元情報表現と組織に対する新たな洞察を明らかにしている。
この写本は、知性と意識の構造とダイナミクスを記述する数学的枠組みを提案する。
論文 参考訳（メタデータ） (2024-07-02T04:17:56Z) - Binding Dynamics in Rotating Features [72.80071820194273]
本稿では,特徴間のアライメントを明示的に計算し,それに応じて重みを調整する「コサイン結合」機構を提案する。
これにより、自己注意と生物学的神経プロセスに直接接続し、回転する特徴に現れるオブジェクト中心の表現の基本的なダイナミクスに光を当てることができます。
論文 参考訳（メタデータ） (2024-02-08T12:31:08Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - On Binding Objects to Symbols: Learning Physical Concepts to Understand
Real from Fake [155.6741526791004]
我々は、ディープニューラルネットワークが合成データを生成する驚くべき能力に照らして、古典的な信号と記号の障壁を再考する。
物理オブジェクトを抽象概念として特徴付け,それ以前の解析を用いて,物理オブジェクトが有限なアーキテクチャで符号化可能であることを示す。
我々は、有限時間でデジタルIDに物理的実体を結合することは、有限資源で可能であると結論付けた。
論文 参考訳（メタデータ） (2022-07-25T17:21:59Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳（メタデータ） (2022-06-03T12:24:49Z) - On the Binding Problem in Artificial Neural Networks [12.04468744445707]
この欠点の根底にある原因は、動的かつ柔軟に情報を結合できないことである。
非構造化感覚入力から有意義な実体を形成するための統一フレームワークを提案する。
我々は,人間レベルの一般化を実現する上で,AIに対する構成的アプローチが基本的重要性であると考えている。
論文 参考訳（メタデータ） (2020-12-09T18:02:49Z) - Understanding understanding: a renormalization group inspired model of
(artificial) intelligence [0.0]
本稿では,科学的および人工知能システムにおける理解の意味について述べる。
理解の数学的定義を与え、共通知恵とは対照的に、入力集合上の確率空間を定義する。
この枠組みに科学的理解がどのように適合するかを示し、科学的課題とパターン認識の違いを実証する。
論文 参考訳（メタデータ） (2020-10-26T11:11:46Z) - Formalizing Falsification for Theories of Consciousness Across
Computational Hierarchies [0.0]
統合情報理論(IIT)は、意識の卓越した理論として広く見なされている。
展開論」という形での認識論的な問題は、IITの反感をもたらした。
IITが有限状態オートマトンレベルで同時にファルシフィケートされ、状態オートマトンレベルでは不可能であることを示す。
論文 参考訳（メタデータ） (2020-06-12T18:05:46Z) - A Non-equilibrium Thermodynamic Framework of Consciousness [0.0]
機能論と因果構造理論を用いて、意識の新しい非平衡熱力学の枠組みを動機づける。
この論文の主な仮説は、システムが「意識」を持つために満たさなければならない2つの熱力学条件である。
論文 参考訳（メタデータ） (2020-05-04T20:01:53Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。