論文の概要: Sources of Richness and Ineffability for Phenomenally Conscious States
- arxiv url: http://arxiv.org/abs/2302.06403v1
- Date: Mon, 13 Feb 2023 14:41:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 15:10:44.351796
- Title: Sources of Richness and Ineffability for Phenomenally Conscious States
- Title(参考訳): 異常意識状態の豊かさと非効率の源
- Authors: Xu Ji, Eric Elmoznino, George Deane, Axel Constant, Guillaume Dumas,
Guillaume Lajoie, Jonathan Simon, Yoshua Bengio
- Abstract要約: 我々は,意識の豊かさと非効率性に着目した情報理論力学システムを提供する。
本枠組みでは,意識経験の豊かさは意識状態の情報量に対応する。
我々のモデルは説明的ギャップに関する全ての疑問を解決しないかもしれないが、完全に物理主義的な説明へと進む。
- 参考スコア(独自算出の注目度): 57.8137804587998
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Conscious states (states that there is something it is like to be in) seem
both rich or full of detail, and ineffable or hard to fully describe or recall.
The problem of ineffability, in particular, is a longstanding issue in
philosophy that partly motivates the explanatory gap: the belief that
consciousness cannot be reduced to underlying physical processes. Here, we
provide an information theoretic dynamical systems perspective on the richness
and ineffability of consciousness. In our framework, the richness of conscious
experience corresponds to the amount of information in a conscious state and
ineffability corresponds to the amount of information lost at different stages
of processing. We describe how attractor dynamics in working memory would
induce impoverished recollections of our original experiences, how the discrete
symbolic nature of language is insufficient for describing the rich and
high-dimensional structure of experiences, and how similarity in the cognitive
function of two individuals relates to improved communicability of their
experiences to each other. While our model may not settle all questions
relating to the explanatory gap, it makes progress toward a fully physicalist
explanation of the richness and ineffability of conscious experience: two
important aspects that seem to be part of what makes qualitative character so
puzzling.
- Abstract(参考訳): 気まぐれな状態(入力したいものが存在するという状態)は、豊かで、詳細に満ちており、完全な記述やリコールが困難であるように見える。
特に非効率性の問題は、説明的ギャップを部分的に動機づける哲学における長年の問題である:意識は基礎となる物理的プロセスに還元できないという信念。
ここでは,意識の豊かさと非効率性に着目した情報理論力学システムについて述べる。
本枠組みでは,意識経験の豊かさは意識状態の情報量に対応し,不均衡は処理の異なる段階で失った情報量に対応する。
作業記憶におけるアトラクタダイナミクスが,我々の経験の貧弱な記憶を誘発する可能性,経験の豊かで高次元な構造を記述するために言語の離散的な象徴的性質が不十分なこと,そして2人の個人の認知機能の類似性が,経験のコミュニケーション性の向上にどのように関与しているかを述べる。
我々のモデルは、説明的ギャップに関連する全ての疑問を解決しないかもしれないが、意識的な経験の豊かさと非効率性について完全に物理主義的な説明へと進む。
関連論文リスト
- Knowledge Accumulation in Continually Learned Representations and the
Issue of Feature Forgetting [37.582744804011455]
新たに学習した情報は、出力レベルでの表現のレベルで破滅的に忘れられがちであることを示す。
また、知識の蓄積を著しく遅くするので、この機能を忘れることは問題であることも示しています。
論文 参考訳(メタデータ) (2023-04-03T12:45:52Z) - Causal Deep Learning [77.49632479298745]
因果性は、現実世界の問題を解決する方法を変える可能性がある。
しかし因果関係は、実際にテストできない重要な仮定を必要とすることが多い。
我々は、因果性に関する新しい考え方を提案します。
論文 参考訳(メタデータ) (2023-03-03T19:19:18Z) - Consciousness is learning: predictive processing systems that learn by
binding may perceive themselves as conscious [0.0]
予測処理システムは、単一事例からの認識と行動のためのワーキングメモリを形成することにより、新しい状況において柔軟に一般化できると主張している。
複数の生存戦略と再生戦略を同時に実施する複雑な行動方針の強化学習に知覚的価値予測を用いることで、脳がどのように進化したかを説明する。
「意識体験」とは、意識のメタ問題への解答として、そのような学習システムが自身の機能を知覚的に表す方法である。
論文 参考訳(メタデータ) (2023-01-17T17:06:48Z) - Memory-Augmented Theory of Mind Network [59.9781556714202]
社会的推論は、心の理論(ToM)の能力を必要とする。
ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。
我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。
この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
論文 参考訳(メタデータ) (2023-01-17T14:48:58Z) - From Smart Sensing to Consciousness: An info-structural model of
computational consciousness for non-interacting agents [0.0]
本研究では,非相互作用エージェントに対する計算意識モデルを提案する。
興味の現象は、感覚、知覚、感情、愛情、注意、意識、意識の認知的タスクに順次依存していると仮定された。
論文 参考訳(メタデータ) (2022-08-29T16:49:51Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳(メタデータ) (2021-06-10T07:10:25Z) - HALMA: Humanlike Abstraction Learning Meets Affordance in Rapid Problem
Solving [104.79156980475686]
人間は自然主義的タスクの構造に応じて構成的および因果的抽象化、つまり知識を学ぶ。
エージェントがその知識をどのように表現するかには、知覚、概念、アルゴリズムの3段階の一般化がある、と我々は主張する。
このベンチマークは、ビジュアルコンセプト開発と迅速な問題解決のための新しいタスクドメイン、HALMAを中心にしています。
論文 参考訳(メタデータ) (2021-02-22T20:37:01Z) - Learning Contextual Causality from Time-consecutive Images [84.26437953699444]
因果知識は多くの人工知能システムにとって重要である。
本稿では,視覚信号から文脈因果関係を学習する可能性について検討する。
まず,高品質なデータセットvis-causalを提案し,ビデオから有意義な因果知識を自動的に発見できることを示す実験を行った。
論文 参考訳(メタデータ) (2020-12-13T20:24:48Z) - A Compositional Model of Consciousness based on Consciousness-Only [0.30938904602244344]
意識の主要な特徴の1つを自然に仮定する枠組みを構築した。
本提案は,意識の難しさを回避し,意識経験の組み合わせ問題に対処するためのステップとなる可能性を示す。
論文 参考訳(メタデータ) (2020-07-31T15:35:50Z) - The Tensor Brain: Semantic Decoding for Perception and Memory [25.49830575143093]
我々は知識グラフとテンソルの数学的モデルを用いて知覚と記憶を分析する。
知覚と記憶の生物学的実現は情報処理に制約を課すと主張する。
特に,明示的な認識と宣言的記憶は意味的デコーダを必要とすることを示唆する。
論文 参考訳(メタデータ) (2020-01-29T07:48:01Z)
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。