⚡ TL;DR — 你需要知道的内容
- 意识≠模拟： 人工智能可以在不具备意识经验的情况下模拟神经过程。
- 自由能原理（FEP） 卡尔·弗里斯顿提出，意识源于自组织系统中不确定性的最小化。
- 因果流 生物体中存在的这种特征在传统的冯·诺依曼架构中无法复制。
- Implicação prática: 我们需要重新思考硬件架构，而不能仅仅提高计算能力。
介绍
在我的讲座中，我总是强调，决定智能程度的不仅仅是计算能力。智能是一个复杂的现象，它不仅涉及数据处理，还涉及与环境的动态和情境互动。最近，我读到一篇很有意思的文章，它进一步印证了我的观点： 《人工意识：自由能原理的视角》的 万亚·维斯， 出版于 哲学研究 在2024。
这一讨论与我们之前探讨过的其他主题直接相关： 过度依赖人工智能的风险 e 由生成系统驱动的真理危机.
文章的起源
维斯的文章探讨了人工智能系统中意识涌现的可能性，并通过以下方式分析了这个问题…… 自由能原理（PEL）由卡尔·弗里斯顿提出的 PEL（基于项目的学习）理论，旨在解释自组织系统（如生物体）如何在与环境互动的同时保持其内部秩序，从而最大限度地减少不确定性。
模拟不是复制
维泽提出的核心问题之一是： 仅仅通过计算机系统模拟神经过程就足以在人工智能中产生意识吗？ 或者，是否还需要其他方法才能真正复制意识体验？
“模拟和复制之间的区别，或许是强大人工智能和真正有意识的人工智能之间的分水岭。”
——灵感来自 Wanja Wiese， 哲学研究 (2024)
自由能原理的作用
根据PEL理论，自组织系统通过最小化“自由能”来维持其结构和生存。这意味着它们会根据与环境的互动不断调整其预测和行动。这种动态过程创造了一种 特定因果流 这是生命系统固有的特性。
生命系统与计算机中的因果流
维斯认为，这种存在于生物体中的因果流在冯·诺依曼架构的传统计算机中无法复制。在生物体中，内部状态（例如信念和期望）与外部状态（例如感官刺激）之间存在直接且持续的相互作用。然而，在计算机中，这种相互作用的介导方式有所不同，这或许对于区分模拟意识和真正复制意识至关重要。
对人工智能的影响
如果我们承认意识需要的不仅仅是计算过程的模拟，我们就需要重新考虑如何发展我们的 认可机构。可能有必要超越提高计算能力，创建能够复制生物体中因果流和动态相互作用的新架构。
🎯 这在实践中意味着什么？
- 新的硬件架构： 开发不仅能处理信息，还能像生物体一样进行因果交互的系统。神经形态学范式是一条很有前景的道路。
- 与环境的融合： 创造不与外界隔绝，而是与环境持续、适应性地互动，并实时接收感官反馈的人工智能。
- 重新思考意识的本质： 认识到意识可能不是信息处理的副产品，而是信息处理如何整合到一个更大的系统中的结果。
结论
关于人工意识的讨论既关乎哲学，也关乎技术。它不仅关乎提升机器的处理能力，也关乎理解和复制生物体产生意识的复杂互动。这不禁让我们思考：我们是否走在创造真正有意识的机器的正确道路上，还是需要一种全新的方法？
维斯认为答案很明确： 我们需要一种新的方法。这种方法需要重新思考我们所构建系统的架构。
🚀 准备好超越计算能力了吗？
Na FLEXA我们帮助企业实施超越简单模拟的人工智能架构，创建能够……的系统。 真 他们能够学习、适应并融入您的业务。
如果您想探讨人工智能如何以更深入、更自觉的方式改变您的业务，我们来聊聊吧。
或者了解一下我们 AiOps 服务 e 企业人工智能解决方案.
