Consciousness is learning: predictive processing systems that learn by binding may perceive themselves as conscious

要約

タイトル：学習することが意識である：バインディングによって学習する予測処理システムは自己を意識していると知覚する可能性がある

要約：

– 機械学習アルゴリズムは特定の複雑な領域で超人的なパフォーマンスを達成しているが、簡単に新領域に適応するようなオンライン学習は未だに難しい。
– 人間において、そのような学習は記述的な記憶形成を通じて進み、意識と密接に関連している。
– 予測処理は、感覚データと行動制御のための深く生成的な知覚モデルを実装するコルテックスを理解するための原則的なベイズ推論フレームワークとして発展してきた。
– しかしながら、予測処理は、高速な合成学習や意識の謎については直接的な洞察力を提供していない。
– ここでは、予測されない推論の階層的なバインディングによるオンライン学習を実装することにより、予測処理システムは、単一の例から知覚や行動のための作業記憶を形成することにより、新しい状況で柔軟に一般化することができると提案している。
– これらの作業記憶の内容は統合されたものであり、選択的な注意によって維持され、マスキング、後観測的な知覚統合などの意識研究の典型的な例と一致していると主張している。
– 著者らは、知覚的な価値予測を用いて複雑なアクション方針の強化学習を同時に実行することによって、脳が進化する方法を説明している。そして、「意識的な経験」は、このような学習システムが自己の機能を知覚的に表現する方法であり、意識のメタ問題に答えを提供することを示唆している。
– この提案によって、特徴バインディング、再帰処理、予測処理、グローバル・ワークスペース、そしていくらかの高次理論を自然に統一することができる。

要約(オリジナル)

Machine learning algorithms have achieved superhuman performance in specific complex domains. Yet learning online from few examples and efficiently generalizing across domains remains elusive. In humans such learning proceeds via declarative memory formation and is closely associated with consciousness. Predictive processing has been advanced as a principled Bayesian inference framework for understanding the cortex as implementing deep generative perceptual models for both sensory data and action control. However, predictive processing offers little direct insight into fast compositional learning or the mystery of consciousness. Here we propose that through implementing online learning by hierarchical binding of unpredicted inferences, a predictive processing system may flexibly generalize in novel situations by forming working memories for perceptions and actions from single examples, which can become short- and long-term declarative memories retrievable by associative recall. We argue that the contents of such working memories are unified yet differentiated, can be maintained by selective attention and are consistent with observations of masking, postdictive perceptual integration, and other paradigm cases of consciousness research. We describe how the brain could have evolved to use perceptual value prediction for reinforcement learning of complex action policies simultaneously implementing multiple survival and reproduction strategies. ‘Conscious experience’ is how such a learning system perceptually represents its own functioning, suggesting an answer to the meta problem of consciousness. Our proposal naturally unifies feature binding, recurrent processing, and predictive processing with global workspace, and, to a lesser extent, the higher order theories of consciousness.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI