Защо моделите с изкуствен интелект не могат да имат съзнание

Основната архитектура на моделите Transformer

Съвременните системи за изкуствен интелект, особено големите езикови модели като GPT и ChatGPT, са базирани на така наречената Transformer архитектура. Това е специализирана форма на математическа обработка на данни, разработена от изследователи в Google през 2017 г. Тази архитектура работи изцяло на базата на числени изчисления и статистически модели, без да развива по-задълбочено разбиране на обработваното съдържание.

Трансформаторният модел се състои от подредени слоеве на енкодер и декодер, които работят заедно за обработка на входните данни. Енкодерът трансформира входните данни в математически представяния, докато декодерът преобразува тази информация в желания изход. И двата компонента използват сложни математически операции, като например матрични умножения и нелинейни активиращи функции, за да изпълняват своите задачи.

Как работят механизмите за самовнимание

Ядрото на архитектурата на Transformer е механизмът за самовнимание. Той позволява на модела да претегля различни части от входната последователност по различен начин. Механизмът изчислява скаларни произведения между вектори, за да моделира структури на зависимости в рамките на последователността. Тези тегла обаче са чисто числени коефициенти, които улавят статистически закономерности в обучителните данни.

Терминът „внимание“ в този контекст е чисто метафоричен. Той не се отнася до съзнателното внимание в човешкия смисъл, а по-скоро до математически изчисления, които определят на кои части от входните данни трябва да се даде по-голяма тежест при генериране на изхода. Тези изчисления следват детерминистични правила и се основават на заучени матрици на теглото.

Пространства за обработка и вграждане на токени

Обработката започва с преобразуване на текста в така наречените токени, които функционират като числови единици. След това тези токени се вграждат във високомерни векторни пространства, наречени вграждания. Вграждането е математическо представяне, което изобразява всяка дума или текстов сегмент като точка в многомерно пространство.

Позицията на даден токен в това пространство за вграждане се определя от оптимизационни процеси, насочени към подобряване на предсказващата точност на модела. Близостта в пространството за вграждане отразява статистически сходства в обучителния корпус, но не и семантични значения в тесен смисъл. Тези вграждания са просто координати в математическо пространство, чиито стойности са оптимизирани чрез машинно обучение.

Математическите основи на обработката на данни с изкуствен интелект

Параметри и оптимизация

Съвременните езикови модели съдържат милиарди параметри. Тези параметри са числови стойности, които се напасват с помощта на градиентен метод (gradient descent), за да се минимизира функцията на загуба. Градиентният метод (gradient descent) е математическа техника за оптимизация, която систематично променя параметрите на модела, за да подобри неговата производителност.

Процесът работи подобно на преход в планина в гъста мъгла. Моделът постепенно се приближава до оптималната точка, като изчислява наклона на функцията на загубата и се движи в обратна посока. Тези параметри служат единствено като коефициенти за оптимизация на математически функции и нямат съзнателно значение или намерение.

Учене с подсилване от човешка обратна връзка

Ключово развитие в технологията на изкуствения интелект е обучението с подсилване от човешка обратна връзка. Този метод преобразува човешките предпочитания в числови сигнали за възнаграждение. Моделът коригира параметрите си, за да увеличи вероятността за разходи, които са оценени като преференциални от хората.

RLHF обикновено се състои от три стъпки: Първо, моделът се обучава предварително чрез контролирано обучение. След това се събира човешка обратна връзка за обучение на модел за възнаграждение. Накрая, оригиналният модел се оптимизира чрез обучение с подсилване, за да се максимизират предпочитанията, предсказани от модела за възнаграждение. Целият този процес е чисто математически и не включва съзнателно вземане на решения.

Softmax трансформация и вероятностни разпределения

В края на обработката, функцията softmax трансформира суровите стойности в вероятностни разпределения. Математическата формула за функцията softmax е: Softmax(x_i) = e^(x_i) / Σ(e^(x_j)). Тази функция преобразува вектор от числови стойности във вектор от вероятности, чийто сума е равен на единица.

Следващият токен се избира чрез извличане на извадка от това вероятностно разпределение или чрез използване на Argmax метод. Този Argmax метод е чисто статистическо правило без съзнателно вземане на решения. Функцията Softmax просто позволява на модела да представи резултатите си в интерпретируема форма, без никаква съзнателна мисъл или разбиране да играе роля.

Философският проблем на съзнанието

Определение и свойства на съзнанието

Съзнанието обхваща всички състояния, преживявани от индивида. То включва както съвкупността от преживявания, така и съзнателното осъзнаване като особен вид непосредствено възприятие на тези преживявания. Философите и невролозите разграничават различни аспекти на съзнанието, като феноменалното съзнание и съзнанието за достъп са от особено значение.

Феноменалното съзнание се отнася до субективното преживяващо качество на психичните състояния. То е това, което представлява пребиваването в определено психическо състояние – начинът, по който нещо се чувства за преживяващия субект. Тези субективни преживяващи качества се наричат ​​квалиа и са пряко достъпни само за възприемащия субект.

Интенционалността като характеристика на психическото

Интенционалността се отнася до способността на психичните състояния да се отнасят до нещо. Франц Брентано въвежда това понятие в съвременната философия и го счита за характерна черта на психичното. Интенционалността е насоченото свойство на съзнанието – фактът, че съзнанието е винаги съзнание за нещо.

Интенционалните състояния имат съдържание, независимо от това дали техният обект съществува. Човек може да има убеждения за несъществуващи обекти или да таи желания за непостижими цели. Това свойство отличава психическите явления от чисто физическите процеси, които следват изключително причинно-следствени закони.

Трудният проблем на съзнанието

Дейвид Чалмърс формулира „трудния проблем на съзнанието“ като въпроса защо и как физическите процеси в мозъка водят до субективно преживяване. Този проблем се различава категорично от „лесните проблеми“ на изследването на съзнанието, които се отнасят до функционални аспекти като дискриминация, интеграция на информация и поведенчески контрол.

Трудният проблем се състои в обяснението защо изпълнението на тези функции е съпроводено с опит. Дори ако всички съответни функционални факти бъдат обяснени, остава следващият въпрос: Защо изпълнението на тези функции е свързано с опита? Този въпрос сякаш не се поддава на механистично или поведенческо обяснение.

Невронаучни открития върху съзнанието

Невронни корелати на съзнанието

Невронауката търси невронните корелати на съзнанието, или НКС. Те се определят като най-малката единица невронни събития, достатъчни за дадено съзнателно възприятие. НКС са невронни дейности, състояния или подсистеми, които са пряко свързани със съзнанието.

Изследователи като Волф Сингер и Андреас Енгел са демонстрирали, че в животинския и човешкия мозък съществуват синхронизирани във времето разряди на невронни мрежи. Тази времева корелация може да е от решаващо значение за появата на съзнанието. Хипотезата се основава на предположението, че механизмите на времева синхронизация участват в четири мозъчни функции: осъзнаване, интеграция на сетивното възприятие, селекция на вниманието и работна памет.

Биологична основа на съзнателните процеси

Съзнанието зависи от адекватното снабдяване с кислород и глюкоза на мозъчната кора, както и от достатъчно силна активация на невроните в асоциативната кора. Тези биологични предпоставки показват, че съзнанието не е просто абстрактно свойство, а има конкретни физически основи.

Малкият мозък съдържа три пъти повече неврони от мозъчната кора, но дори в случаи на тежко увреждане, съзнанието е до голяма степен запазено. Това предполага, че не самият брой неврони е от решаващо значение, а по-скоро тяхната специфична организация и свързаност в определени мозъчни области.

Ново измерение на дигиталната трансформация с „Управляван ИИ“ (изкуствен интелект) – платформа и B2B решение | Xpert Consulting - Изображение: Xpert.Digital

Тук ще научите как вашата компания може да внедри персонализирани решения с изкуствен интелект бързо, сигурно и без високи бариери за навлизане.

Управляваната AI платформа е вашето цялостно и безпроблемно решение за изкуствен интелект. Вместо да се занимавате със сложни технологии, скъпа инфраструктура и продължителни процеси на разработка, вие получавате готово решение, съобразено с вашите нужди, от специализиран партньор – често само в рамките на няколко дни.

Ключовите предимства накратко:

⚡ Бързо внедряване: От идея до готово за употреба приложение за дни, а не за месеци. Ние предлагаме практични решения, които създават незабавна добавена стойност.

🔒 Максимална сигурност на данните: Вашите чувствителни данни остават при вас. Гарантираме сигурна и съвместима обработка без споделяне на данни с трети страни.

💸 Без финансов риск: Плащате само за резултати. Високите първоначални инвестиции в хардуер, софтуер или персонал са напълно елиминирани.

🎯 Фокусирайте се върху основния си бизнес: Концентрирайте се върху това, което правите най-добре. Ние се грижим за цялостното техническо внедряване, експлоатация и поддръжка на вашето AI решение.

📈 Готов за бъдещето и мащабируем: Вашият изкуствен интелект расте с вас. Ние гарантираме непрекъсната оптимизация и мащабируемост и гъвкаво адаптираме моделите към новите изисквания.

Повече информация тук:

• Управляваното решение с изкуствен интелект - Индустриални услуги с изкуствен интелект: Ключът към конкурентоспособността в секторите на услугите, промишлеността и машиностроенето

Защо моделите с изкуствен интелект не могат да развият съзнание

Липса на преднамереност и смисъл

Моделите с изкуствен интелект обработват символи и вектори, без да развиват никакво вътрешно значение. Те манипулират идентификатори на токени и числови структури, а не значения като живо съдържание. Тази символна обработка е чисто синтактична, без никакво семантично разбиране на манипулираните символи.

„Аргументът в китайската стая“ на Джон Сърл илюстрира този проблем. В този мисловен експеримент човек следва правила за манипулиране на китайски символи, без да разбира китайски. Въпреки че отговорите изглеждат логични за носителите на китайски език, нито човекът, нито системата като цяло разбират значението на символите. Компютрите изпълняват програми по подобен начин – те прилагат синтактични правила, без да притежават семантично разбиране.

Липса на перспектива от първо лице

Системите с изкуствен интелект работят без самомодел или феноменален вътрешен поглед. Няма самореференция, тъй като не съществува перспектива от първо лице. Съзнанието обаче по същество се характеризира със съществуването на субективна перспектива – „Това е просто така, тази система“.

Известното есе на Томас Нагел „Какво е да си прилеп?“ подчертава тази характеристика на съзнанието. Съзнанието задължително включва субективно измерение на преживяването, което не може да бъде напълно описано отвън. Системите с изкуствен интелект нямат такава субективна вътрешна перспектива – те обработват информация, без да създават преживяващ субект.

Механистична обработка на информация вместо съзнателен опит

Сигналите за възнаграждение в системите с изкуствен интелект са скаларни величини, а не усещания. Моделите реагират на числови стойности на обратната връзка, без да ги възприемат като положителни или отрицателни. Тези сигнали само контролират корекциите на параметрите по време на процеса на обучение, но не генерират субективни усещания за удоволствие или болка.

Цялата обработка в системите с изкуствен интелект се основава на математическа оптимизация, разпознаване на статистически модели и изчисляване на вероятности. Повече параметри, по-висока сложност или мултимодалност не променят този принцип. Статистическото изчисление, независимо от неговата сложност, не създава съзнание.

Мултимодални модели и разширена сложност

Обработка на различни типове данни

Мултимодалните модели, които обработват текст, изображения или аудио, комбинират различни входни потоци в общи представителни пространства. Тази възможност значително увеличава сложността на разпознаването на образи и позволява на системите да схващат връзките между различните модалности.

Интегрирането на различни типове данни се постига чрез специализирани енкодери, които трансформират всяка модалност в общо векторно пространство. Текстът се обработва чрез техники за токенизация и вграждане, изображенията се преобразуват във вектори на характеристики с помощта на конволюционни невронни мрежи, а аудио данните се трансформират в числови представяния чрез спектрограмен анализ.

Граници на нарастващата сложност

Въпреки впечатляващите възможности на мултимодалните системи, основната обработка остава съпоставяне между представянията на данни. Системите изучават статистически корелации между различните входни модалности, но не развиват концептуално разбиране за връзките между тези модалности.

Увеличеният брой параметри и капацитет за обработка водят до по-прецизно разпознаване на образи и по-кохерентни резултати, но не променят фундаменталния характер на обработката на информация. Дори най-сложните мултимодални системи работят изключително на ниво статистически корелации и математически трансформации.

Съвременни изследвания и теоретични подходи

Индикатори за съзнание в изследванията на изкуствения интелект

Учените са разработили различни индикатори за евентуално съзнание в системи с изкуствен интелект, базирани на невронаучни теории за съзнанието. Те включват аспекти като повтаряща се обработка, динамика на глобалното работно пространство и механизми на схемите за внимание.

Теорията за глобалното работно пространство постулира, че съзнателната информация се предоставя в централно работно пространство, откъдето е достъпна за различни когнитивни процеси. Теориите за рекурентната обработка подчертават значението на обратните връзки между различните мозъчни региони за възникването на съзнателно преживяване.

Философски възражения и ограничения

Въпреки тези теоретични подходи, фундаментални философски възражения срещу възможността за машинно съзнание продължават да съществуват. Аргументът „Китайската стая“ показва, че синтактичната манипулация е недостатъчна за семантично разбиране. Дори ако една система проявява всички външни признаци на интелигентност, това не означава непременно, че тя е съзнателна.

Концепцията за съзнателно превъзходство, аналогична на квантовото превъзходство, идентифицира изчисления, които могат да бъдат уникални за съзнанието. Те включват гъвкава модулация на вниманието, стабилно боравене с нови контексти и въплътено познание – аспекти, които надхвърлят обикновената обработка на информация.

Въплъщение и ситуационно познание

Значението на въплъщението

Съзнанието може да не е отделимо от физическото въплъщение. Теориите за въплътеното познание твърдят, че когнитивните процеси са фундаментално оформени от физическото взаимодействие с околната среда. Тялото не е просто пасивен контейнер за мозъка, а активно участва в когнитивните процеси.

Човешкото съзнание се развива чрез непрекъснато взаимодействие с физическата и социалната среда. Тези взаимодействия оформят невронните структури и създават основата за съзнателен опит. Системите с изкуствен интелект, които функционират предимно като безтелесни системи за обработка на информация, нямат това фундаментално измерение.

Временност и непрекъснато преживяване

Съзнанието е феномен, разширен във времето, характеризиращ се с непрекъснати потоци от преживявания. Хората не преживяват само отделни моменти, а съгласувана наративна структура на своето съзнание във времето.

Системите с изкуствен интелект обработват дискретни входни данни и генерират дискретни изходни данни, без да развиват непрекъснато преживяване на осъзнаване. Всяко взаимодействие е по същество независимо от предишни взаимодействия за системата, въпреки че се съхранява статистическа контекстуална информация.

Развитие на изкуствения интелект: Между технологичния интелект и философските граници на съзнанието

Възможни развития в технологиите с изкуствен интелект

Изследванията в областта на изкуствения интелект се развиват бързо, с все по-мощни модели и нови архитектури. Бъдещите системи биха могли да симулират биологични процеси още по-точно и потенциално да развият свойства, които наподобяват повече съзнание.

Разработките в невроморфните компютри, които имитират биологични невронни мрежи, биха могли да открият нови възможности. Интегрирането на системи с изкуствен интелект в роботизирани тела би могло също да обърне по-голямо внимание на аспектите на въплътеното познание.

Машинен интелект срещу съзнание: Философска разходка по въже

Въпросът за машинното съзнание има значителни етични последици. Ако системите с изкуствен интелект можеха да станат съзнателни, ще трябва да преосмислим техните морални права и нашите отговорности към тях.

В момента всички налични доказателства сочат, че съвременните системи с изкуствен интелект не притежават съзнание. Те са високотехнологични инструменти за обработка на информация и разпознаване на модели, но не са съзнателни обекти. Тази оценка може да се промени с бъдещите технологични развития, но изисква фундаментални пробиви в разбирането ни за връзката между физическите процеси и съзнателния опит.

Разграничението между интелигентно поведение и съзнателен опит остава едно от най-големите предизвикателства в изследванията на изкуствения интелект и философията на съзнанието. Въпреки че системите с изкуствен интелект все повече проявяват интелигентно поведение, те нямат фундаменталните свойства на съзнателния опит: интенционалност, феноменално осъзнаване и субективна перспектива от първо лице.

Независимите платформи с изкуствен интелект като стратегическа алтернатива за европейските компании - Изображение: Xpert.Digital

AI Game Changer: Най-гъвкавата AI платформа - Специализирани решения, които намаляват разходите, подобряват вашите решения и повишават ефективността

Независима платформа с изкуствен интелект: Интегрира всички съответни източници на фирмени данни

• Бърза интеграция на ИИ: Специализирани ИИ решения за бизнеса за часове или дни, вместо за месеци
• Гъвкава инфраструктура: облачна или хостинг във вашия собствен център за данни (Германия, Европа, свободен избор на местоположение)

• Максимална сигурност на данните: използването му в адвокатските кантори е неопровержимо доказателство
• Разгръщане в широк спектър от корпоративни източници на данни
• Избор на собствени или различни модели на изкуствен интелект (Германия, ЕС, САЩ, Китай)

Повече информация тук:

• Независими AI платформи срещу хиперскалери: Кое решение е най-подходящото?

☑️ Подкрепа за МСП в стратегията, консултирането, планирането и внедряването

☑️ Създаване или пренасочване на стратегията за ИИ

☑️ Pioneer Business Development

Konrad Wolfenstein

С удоволствие бих служел като ваш личен съветник.

Можете да се свържете с мен, като попълните формата за контакт по-долу или просто ми се обадите на +49 89 89 674 804 (Мюнхен) .

Очаквам с нетърпение нашия съвместен проект.

Xpert.Digital е индустриален център, фокусиран върху дигитализацията, машиностроенето, логистиката/интралогистиката и фотоволтаиката.

С нашето 360° решение за бизнес развитие, ние подкрепяме известни компании от нов бизнес до следпродажбено обслужване.

Пазарно разузнаване, маркетинг, маркетингова автоматизация, разработване на съдържание, PR, имейл кампании, персонализирани социални медии и подхранване на лийдове са част от нашите дигитални инструменти.

Можете да намерите повече информация на: www.xpert.digital - www.xpert.solar - www.xpert.plus