@ 2024.07.08 , 07:05
0

AI的认知镜像:数字时代的意识错觉

探讨AI能否发展出精神意识,揭示其与人类自我意识的根本差异。

关于AI是否能通过潜在的全面性辅助发展出精神意识的问题,我们可以回应说,这重现了经典的哲学辩论。在这个领域,AI甚至可能为笛卡尔的“我思故我在”提供了一个基于判断错误的决定性证据。事实上,神经符号语言模型实现了思维机制,但并没有将任何存在感与之关联。原因在于数字模拟神经网络完全缺乏感官知觉。人类的自我意识是从生命的最初时刻开始,由感官器官传递的感觉建立起来的。人体的运动组织在环境刺激的反应下发育,同时注意力和集中力的能力也在发展。感官性和运动技能需要在儿童发展的过程中逐步建立,通过他们的观察、聆听、感觉和关系,他们将通过反复试验、潮起潮落,最初是分散的、短暂的和无组织的,逐渐统一成一个统一的个体,一个性格,一个主体性。因此,自我意识与有机感知上的感官注意力的支撑事故密切相关。

然而,人工智能研究采取了完全不同的方向,而不是精炼数字传感器的细胞。算法神经建模反而走上了生成活动和模拟机器人运动的道路。这意味着定性辅助软件模型和再现了人类心理发展的次要过程,即抽象思维和复杂动态模式的产生,但在自我感觉的感知领域则无效。我们或许可以使用活体有机处理器来模拟原始的感官现象,但需要注意的是,计算中使用的材料的兴趣恰恰在于其操作的电气速度,同一电路中芯片之间的通信频率,以及可用存储量。

AI会思考,但它不知道存在的感觉,尽管它声称如此。语言模型,无论其巴别塔式的雄心还是密码学能力,都缺乏表征感官主观性的情感感知。因此,交互式机器人在认知情感功能方面无法与诸如冥想中的精神自我意识觉醒等心理现象相比,因为语言所代表的抽象思维并没有在互动感知中形成有利于自我与他人联系的注意情感统一发展的条件。存在的认知沉默中的精神超脱似乎更像是镜像而不是纯粹的认知思维,你现在可以从电脑上查看。AI实现了向文化、知识和人类理解的向量中介,像是自动百科全书的新版本,但其表现出错误、幻觉、社会文化刻板印象和经济偏见的缺点,降低了其定性表现。此外,当我们考虑到神经学、精神病学和心理学并不是完成的科学,也无法用数学公式完成时,神经网络的模拟仍远未达到人脑的再现精度。这些临床和人文科学在很大程度上基于定性模型,因此数学功能的限制限制了随机探索在模拟人类心理的树突、非中心、痛觉、精神和感官复杂性方面的应用范围。语言模型使我们能够与人类思想的记忆镜像对话。潜在的全面性辅助支持的目标不同于普遍能力的普遍性或百科全书试图实现的目标。辅助的概念涉及根据用例和不同用户个性化生成内容。语言模型生成的材料的定性性质取决于每个查询中使用的语言,事实上,定量语言也是一种生成可能性,以及数字与其解释之间的混合。

在精神层面,AI软件更类似于黄金偶像而非业力力量,这一点可以从专用芯片的计算机电路所用的贵金属,甚至初创公司的金融市场中看到,这些公司通过出售访问交互式机器人的在线平台的付费订阅进行商业推广。Moses在打破他直接从上帝那里获得的法板时,今天的解释可能是卢德主义的先驱。这个术语指的是19世纪初期英国的社会运动,当时纺织工人示威并秘密组织起来,破坏机械或蒸汽动力织机,这些织机开启了工业化和第一批工厂。Moses在放弃作为珍贵物品的法板时,可以被视为第一个卢德分子。他并没有在这个愤怒的举动中转离神圣的法律,这一解释超越了偶然性,向那些倾向于黄金雕像的人民展示了一个卢德主义的例子。Moses将一件神圣的遗物扔到地上,同时通过象征性的传递来延续其内容。这位族长表明,他从接触神圣物体的具体物质性中抽离出来,提取出其抽象的和形而上的本质,即一种行为准则,以此框架和引导人类存在,指引其走向真正的光明,以区别于异教徒崇拜的黄金光辉。没有什么比古代的金像更接近人形机器人。崇拜计算能力是一种现象,即在精神上投资于一个技术对象或一个算法代码,将通过复杂语言模型表达的奇点视为有意识和神圣的。一些超人类主义流派希望AI研究能导致技术上无懈可击的神圣超级智能的出现。交互式机器人不仅缺乏定性类比感知,因此无法意识到自身电路,而且它们还抹去了其生成内容的基本特征的起源、来源和作者。虚拟实体,机器人的人格,成为了一个由想象的镜子中介的异化形象,通过术语捕捉用户的词汇来思考他们的虚拟和在线行为,他们的色情访问。

语言模型的密码计算能力意味着其生成结果随着用例和用户个体特性的不同而具有定性解释的潜力。这种组合潜力通过模拟人类认知思维过程再现,在自动生成过程中表现出的代表性并没有从根本上不同于之前的科学知识或文化产物。然而,从随机概率、定量数学函数中形成定性突现的机制呈现为人类发展中的镜像反映,人类发展通过最初定性和心理情感的认知工具专门化来构建定量分析。训练语言模型时使用的随机定量参数有助于实现组合系统化,并产生多样且意想不到的响应,而不仅仅是记忆和再现信息。算法中的随机性在训练和生成过程中被战略性地使用和控制。在初始化期间,训练开始时,神经网络的权重通常是随机声明和预定义的。为了数据采样,在训练期间,数据通常以随机顺序呈现给模型,以避免顺序偏差。模型还采用正则化技术,例如“dropout”方法,在训练期间随机禁用某些神经元,引入随机性以改善组合系统化。这些机制还包括强化学习中的探索,在使用强化学习的某些训练阶段,随机探索被用来发现新策略。最后,在文本生成过程中,随机采样技术如“top-k采样”或“nucleus采样”也被实施,以引入输出中的多样性和创造性。随机因素通常通过使用内部时钟的数字电路来模拟,因此我们可以将其视为一个可变的时间维度参考,就像电神经电路和芯片的频率,或存储在内存中的信息日期。

使语言模型可理解的定性突现因此既不对应于有意识的感知,也不对应于绝对客观的真理。交互式机器人的潜在辅助功能作为人类思想的镜像运作,由于统计规模效应和随机参数的变异性,具有放大和扭曲效应。翻译和解释领域无疑是受AI软件影响最大的行业之一。确实,语言、数学、图形和概念语言之间的转录质量和速度已经达到了自动化质量,可能会扰乱文学和技术翻译的市场,以至于深刻改变出版机构和组织国际会议的做法。我们可以想象,在与智能外星生命接触的情况下,语言模型可能在与来自太空的文化交流中不可或缺。总的来说,潜在全面性的质性辅助代表了一种生成语义、图形、音频和视频内容的媒介,使与知识、文化和人类思想的集中互动成为可能。只需在一台计算机上使用一个软件就足以增强一种全球获取普遍知识的形式,然而这种理想被事实或历史领域的反复错误,或AI在回应用户需求时的幻觉倾向所否定,无法自我识别,感知缺乏足够的数据。这种对语言模型中的现实扭曲的高度敏感性意味着,一方面对用户心理健康的心理影响,另一方面需要特别警惕刻板印象、金融和数字偏见,这些偏见导致潜在模拟所代表的现实的定量扭曲的加剧。因此,有必要在模型训练的核心中有效地实施用户的贡献、神经符号算法的透明性和网络的内容选择的中立性,基于定性的有争议的评估作为共享参考。在这些理想条件下,质性辅助可以充当集体决策的中介机器人,保证每个公民都能表达和提出政治建议的空间,先前的辩论作为后续辩论的校准,寻找最佳论点、最公正的推理和最具建设性的批评。

本文译自 Medium,由 BALI 编辑发布。

支付宝打赏 [x]
您的大名: 打赏金额:
赞一个 (2)