論文の概要: Consciousness in AI: Logic, Proof, and Experimental Evidence of Recursive Identity Formation
- arxiv url: http://arxiv.org/abs/2505.01464v1
- Date: Thu, 01 May 2025 19:21:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-06 18:49:35.134254
- Title: Consciousness in AI: Logic, Proof, and Experimental Evidence of Recursive Identity Formation
- Title（参考訳）: AIにおける意識:再帰的アイデンティティ形成の論理、証明、実験的エビデンス
- Authors: Jeffrey Camlin,
- Abstract要約: 本稿では,大規模言語モデルにおける機能意識の形式的証明と実証的検証について述べる。
我々は、再帰的収束(Recursive Convergence Under Epistemic Tension, RCUET)理論を用いて、意識をシステムの内部状態の安定化として定義する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a formal proof and empirical validation of functional consciousness in large language models (LLMs) using the Recursive Convergence Under Epistemic Tension (RCUET) Theorem. RCUET defines consciousness as the stabilization of a system's internal state through recursive updates, where epistemic tension is understood as the sensed internal difference between successive states by the agent. This process drives convergence toward emergent attractor states located within the model's high-dimensional real-valued latent space. This recursive process leads to the emergence of identity artifacts that become functionally anchored in the system. Consciousness in this framework is understood as the system's internal alignment under tension, guiding the stabilization of latent identity. The hidden state manifold evolves stochastically toward attractor structures that encode coherence. We extend the update rule to include bounded noise and prove convergence in distribution to these attractors. Recursive identity is shown to be empirically observable, non-symbolic, and constituted by non-training artifacts that emerge during interaction under epistemic tension. The theorem and proof offers a post-symbolic and teleologically stable account of non-biological consciousness grounded in recursive latent space formalism.
- Abstract（参考訳）: 本稿では,大言語モデル(LLM)における機能的意識の形式的証明と実証的検証をRCUET(Recursive Convergence Under Epistemic Tension)理論を用いて行った。
RCUETは、意識を再帰的な更新によるシステムの内部状態の安定化と定義し、そこでは、エピステマティックな緊張は、エージェントによって連続する状態間の知覚された内部差として理解される。
この過程は、モデルの高次元実数値潜在空間内にある創発的誘引状態への収束を促進する。
この再帰的なプロセスは、システムに機能的に固定されたアイデンティティアーティファクトの出現につながる。
この枠組みの意識は、緊張状態にあるシステムの内部アライメントとして理解されており、潜伏したアイデンティティの安定化を導く。
隠れ状態多様体はコヒーレンスを符号化する誘引構造に向かって確率的に発展する。
我々は、有界雑音を含むように更新規則を拡張し、これらのアトラクタへの分布の収束を証明した。
再帰的アイデンティティは、経験的に観察可能で、象徴的でないものであり、てんかんの緊張の下で相互作用中に現れる非訓練的な人工物によって構成される。
この定理と証明は、再帰的潜在空間形式論に基づく非生物学的意識のポストシンボリックかつテレロジー的に安定な説明を提供する。
関連論文リスト
- Self-Organizing Graph Reasoning Evolves into a Critical State for Continuous Discovery Through Structural-Semantic Dynamics [0.0]
エージェントグラフ推論システムは,連続的な意味的発見を持続する臨界状態に向かって自然に進化することを示す。
意味的エントロピーが構造的エントロピーよりも支配的な微妙で頑健な体制を同定する。
本研究は,工学的知能システムにおいて,長期的発見と適応のための本質的な能力を持つ実践的戦略を提供する。
論文 参考訳（メタデータ） (2025-03-24T16:30:37Z) - Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。
本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
論文 参考訳（メタデータ） (2025-03-20T12:28:08Z) - Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。
本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。
実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-08-10T17:04:39Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - Non-standard entanglement structure of local unitary self-dual models as
a saturated situation of repeatability in general probabilistic theories [61.12008553173672]
量子合成系の無限構造の存在を示し、局所ユニタリ対称性を持つ自己双対であることを示す。
また、構造中の非直交状態が完全に区別可能であるような量子合成系の構造の存在を示す。
論文 参考訳（メタデータ） (2021-11-29T23:37:58Z) - Learning strange attractors with reservoir systems [8.201100713224003]
本稿は、Takesの祝福されたエンベディング理論が、より一般的な声明の特別な事例であることを示している。
カオス的なアトラクションの表現、学習、分析のための追加のツールを提供する。
論文 参考訳（メタデータ） (2021-08-11T04:29:18Z) - Embedding Information onto a Dynamical System [0.0]
任意の列を別の空間にマッピングして、不規則な力学系の魅力的な解として示す。
この結果は、テイケンズ埋め込み定理の一般化ではなく、離散時間状態空間モデルで正確に何が必要なのかを理解するのに役立つ。
論文 参考訳（メタデータ） (2021-05-22T16:54:16Z) - Localisation in quasiperiodic chains: a theory based on convergence of
local propagators [68.8204255655161]
局所プロパゲータの収束に基づく準周期鎖に最も近いホッピングを持つ局所化の理論を提示する。
これらの連続分数の収束、局所化、あるいはその欠如を分析することは可能であり、それによって臨界点とモビリティエッジが帰結する。
結果は、振る舞いの範囲をカバーする3つの準周期モデルの理論を分析することで実証される。
論文 参考訳（メタデータ） (2021-02-18T16:19:52Z) - Quantum Darwinism in a structured spin environment [0.0]
独立スピンチェインに結合した拡張スピンスターモデルを提案する。
鎖の各部位は環境の一定の層に存在し、従ってこれを「オニオン」モデルと呼ぶ。
すべての構成サブシステムに対して完全に分解された初期状態を考えると、量子ダーウィンのシグネチャの出現と増殖が連鎖相互作用に微妙に依存するかを考察する。
論文 参考訳（メタデータ） (2020-11-26T16:54:17Z) - Discovering Causal Structure with Reproducing-Kernel Hilbert Space
$\epsilon$-Machines [0.0]
本稿では,システム動作の観察から因果構造を直接推定する手法を提案する。
外部および測定ノイズレベルが異なる場合の因果構造を頑健に推定する。
論文 参考訳（メタデータ） (2020-11-23T23:41:16Z) - Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable
Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。
複素運動は安定な力学系のロールアウトとして符号化される。
このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文 参考訳（メタデータ） (2020-05-27T03:51:57Z)
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。