論文の概要: Testing the Machine Consciousness Hypothesis

• arxiv url: http://arxiv.org/abs/2512.01081v1
• Date: Sun, 30 Nov 2025 21:05:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.573609
• Title: Testing the Machine Consciousness Hypothesis
• Title（参考訳）: 機械意識仮説の検証
• Authors: Stephen Fitz,
• Abstract要約: 機械意識仮説(英: Machine Consciousness hypothesis)は、意識は計算システムの基質のない機能特性である。 分散学習システムから集合的自己モデルがどのように出現するかを研究することで,このアイデアをシリコで研究する研究プログラムを提案する。
• 参考スコア（独自算出の注目度）: 0.6426115997581661
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Machine Consciousness Hypothesis states that consciousness is a substrate-free functional property of computational systems capable of second-order perception. I propose a research program to investigate this idea in silico by studying how collective self-models (coherent, self-referential representations) emerge from distributed learning systems embedded within universal self-organizing environments. The theory outlined here starts from the supposition that consciousness is an emergent property of collective intelligence systems undergoing synchronization of prediction through communication. It is not an epiphenomenon of individual modeling but a property of the language that a system evolves to internally describe itself. For a model of base reality, I begin with a minimal but general computational world: a cellular automaton, which exhibits both computational irreducibility and local reducibility. On top of this computational substrate, I introduce a network of local, predictive, representational (neural) models capable of communication and adaptation. I use this layered model to study how collective intelligence gives rise to self-representation as a direct consequence of inter-agent alignment. I suggest that consciousness does not emerge from modeling per se, but from communication. It arises from the noisy, lossy exchange of predictive messages between groups of local observers describing persistent patterns in the underlying computational substrate (base reality). It is through this representational dialogue that a shared model arises, aligning many partial views of the world. The broader goal is to develop empirically testable theories of machine consciousness, by studying how internal self-models may form in distributed systems without centralized control.
• Abstract（参考訳）: 機械意識仮説 (Machine Consciousness hypothesis) は、意識は二階知覚が可能な計算システムの基質のない機能特性であると述べている。 本研究は, 汎用的な自己組織環境に埋め込まれた分散学習システムから, 集合的自己モデル(コヒーレント, 自己参照表現)がどのように出現するかを研究することによって, サイリコにおけるこの考え方を解明する研究プログラムを提案する。 ここで概説する理論は、意識はコミュニケーションを通じて予測の同期を行う集団知能システムの創発的な性質であるという仮定から始まる。 個々のモデリングのエピノメノンではなく、システムが自分自身を内部的に記述するために進化する言語の性質である。 ベース・リアリティーのモデルとして、私は最小でも一般的な計算の世界から始めます:セル・オートマトン。 この計算基板上に,通信と適応が可能な局所的,予測的,表現的(神経)モデルのネットワークを導入する。 私はこの階層モデルを使って、エージェント間のアライメントの直接的な結果として、集団知性が自己表現をもたらす方法を研究します。 自分自身のモデリングからではなく、コミュニケーションから意識が生まれることを提案します。 これは、基礎となる計算基板(ベース・リアリティ)の永続的なパターンを記述するローカルオブザーバーのグループ間のノイズ、損失のある予測メッセージの交換から生じる。 この表現的対話を通じて、共有モデルが生まれ、世界の多くの部分的な見解を整合させる。 より広範な目標は、中央集権制御のない分散システムにおいて、内部の自己モデルがどのように形成されるかを研究することによって、経験的に検証可能な機械意識の理論を開発することである。

関連論文リスト

• Automatic Minds: Cognitive Parallels Between Hypnotic States and Large Language Model Processing [0.0]
  覚醒心の認知過程と大きな言語モデルの計算操作は、深い機能的並列性を共有している。 両方のシステムは、自動パターン補完機構を通じて、洗練された、文脈的に適切な振る舞いを生成する。 信頼できるAIの未来は、ジェネレーティブ・フラレンシーとエグゼクティブ・モニタリングのメカニズムを統合するハイブリッド・アーキテクチャにある。
  論文  参考訳（メタデータ） (2025-11-03T09:08:50Z)
• Concept-Guided Interpretability via Neural Chunking [64.6429903327095]
  ニューラルネットワークは、トレーニングデータの規則性を反映した生の集団活動のパターンを示す。 神経集団レベルで繰り返しチャンクを抽出する3つの方法を提案する。 私たちの研究は、認知原則と自然主義的データの構造の両方を活用する、解釈可能性の新しい方向性を指し示しています。
  論文  参考訳（メタデータ） (2025-05-16T13:49:43Z)
• Computational Irreducibility as the Foundation of Agency: A Formal Model Connecting Undecidability to Autonomous Behavior in Complex Systems [0.0]
  我々は正確な数学的つながりを確立し 真に自律的なシステムに対して その将来の行動に関する疑問は 基本的に決定不可能であることを証明します この発見は、人工知能、生物学的モデリング、そして自由意志のような哲学的概念に重大な影響を及ぼす。
  論文  参考訳（メタデータ） (2025-05-05T21:24:50Z)
• Meta-Representational Predictive Coding: Biomimetic Self-Supervised Learning [51.22185316175418]
  メタ表現予測符号化(MPC)と呼ばれる新しい予測符号化方式を提案する。 MPCは、並列ストリームにまたがる感覚入力の表現を予測することを学ぶことによって、感覚入力の生成モデルを学ぶ必要性を助長する。
  論文  参考訳（メタデータ） (2025-03-22T22:13:14Z)
• From Word Models to World Models: Translating from Natural Language to the Probabilistic Language of Thought [124.40905824051079]
  言語インフォームド・シンキングのための計算フレームワークである「構成」を合理的に提案する。 我々は、自然言語から確率論的思考言語への文脈感応的なマッピングとして、言語の意味を定式化する。 LLMは、現実的に適切な言語的意味をキャプチャする文脈依存翻訳を生成することができることを示す。 認知的なモチベーションを持つシンボリックモジュールを統合するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2023-06-22T05:14:00Z)
• Grid-SD2E: A General Grid-Feedback in a System for Cognitive Learning [0.5221459608786241]
  この研究は、より汎用的で堅牢なグリッドモジュールを作成する際に、グリッドセルから部分的にインスピレーションを受けている。 我々はベイジアン推論とともに対話的かつ自己強化型認知システムを構築した。 最小の計算ユニットが抽出され、脳内の1つのニューロンに類似している。
  論文  参考訳（メタデータ） (2023-04-04T14:54:12Z)
• Emergence of Machine Language: Towards Symbolic Intelligence with Neural Networks [73.94290462239061]
  本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。 対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-01-14T14:54:58Z)
• Towards a Neural Model for Serial Order in Frontal Cortex: a Brain Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
  そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。 我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。 これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
  論文  参考訳（メタデータ） (2020-05-22T14:29:51Z)
• Brain-inspired self-organization with cellular neuromorphic computing for multimodal unsupervised learning [0.0]
  本稿では,自己組織マップとヘビアン様学習を用いた再突入理論に基づく脳刺激型ニューラルシステムを提案する。 システムトポロジがユーザによって固定されるのではなく,自己組織化によって学習されるような,いわゆるハードウェアの可塑性の獲得について述べる。
  論文  参考訳（メタデータ） (2020-04-11T21:02:45Z)

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。