人工智能与生物大脑的区别（生物AI心理）
人工智能与生物大脑的区别（生物AI心理）IIT 用意识的特征描述意识：意识是满足某些特征的现象。这种模型有悠久的历史和诸多例子：目前流行的大脑/意识理论是 GWT（Global Workspace Theory） 和 IIT（Integrated Information Theory）。GWT 用意识的功能描述意识：意识具有某些功能，例如输入输出和各种模块。典型的例子如下：
首先是 2012 年的 Spaun，基于生物基础（脑图谱），类生物神经元（尖峰放电 SNN）。
在训练后可完成多种识别和生成和反应任务。
- map the visual hierarchy firing pattern to a conceptual firing pattern as needed
- extract relations between input elements (transformation calculation)
- evaluate the reward associated with the input (reward evaluation)
- decompress firing patterns from memory to conceptual firing pattern (information decoding)
- map conceptual firing patterns to motor firing patterns and control motor timing (motor processing)
PPC posterior parietal cortex; M1 primary motor cortex; SMA supplementary motor area; PM premotor cortex; VLPFC ventrolateral prefrontal cortex; OFC orbitofrontal cortex; AIT anterior inferior temporal cortex; Str striatum; vStr ventral striatum; STN subthalamic nucleus; GPe globus pallidus externus; GPi globus pallidus internus; SNr substantia nigra pars reticulata; SNc substantia nigra pars compacta; VTA ventral tegmental area; V2 secondary visual cortex; V4 extrastriate visual cortex.
在许多深度学习模型中有类似的【编码-转换-解码】结构，例如 2017 年的 MultiModel ：
目前流行的大脑/意识理论是 GWT（Global Workspace Theory） 和 IIT（Integrated Information Theory）。
GWT 用意识的功能描述意识：意识具有某些功能，例如输入输出和各种模块。
典型的例子如下：
这种模型有悠久的历史和诸多例子：
IIT 用意识的特征描述意识：意识是满足某些特征的现象。
虽然牺牲了一定的具体性，但也许更能同时描述非地球非碳基生物的意识。典型的特征如下：
抽象化的表达有自己的优势，因为从量子物理而言，一切都是一个状态，不需要内部模块。
例如http://xxx.itp.ac.cn/pdf/1712.01826.pdf。将观测者简化为计算过程后，建立了一种既唯心又唯物的宇宙理论。
关于意识的生物基础，近年的著名发现是连接大脑各个部分的巨型神经元。这种神经元，从大脑的屏状核出发，连接到大脑的各个部分，可能是意识的开关。
在一例癫痫患者的人体实验中，确实可通过在屏状核进行高频电刺激，关闭和开启实验者的意识（实验者的感觉就像断片）。
二 在DRL 实验环境中的模型
为实现良好的多 agent 性能，和产生有趣的合作/竞争行为，目前的 DRL 模型仍需做大量简化，例如采用全局的优化策略。
OpenAI 的 2019 年模型（http://xxx.itp.ac.cn/pdf/1909.07528.pdf）：
OpenAI Five：
DeepMind 的 2019 年模型（Human-level performance in 3D multiplayer games with populationbased reinforcement learning）：
AlphaStar：
最近流行的论文 A distributional code for value in dopaminebased reinforcement learning ，其中人造的多巴胺神经元可以预测回报的分布。
三 世界模型
从更广泛的观点看，大脑会建立世界模型：
多 agent 可进行交流：
从“心智中的世界模型”出发，也可建立现实的理论。例如 Karl Friston 提出的自由能理论，近年引人注目：
它认为，生物的本质在于让世界模型吻合世界：一面修改世界模型以符合世界（这是显然的），一面修改世界以符合世界模型（这是有趣且也有道理的）。总而言之，降低熵。
四 心理与非理性模型，精神分析
上文关注机械的理性与决策，只代表大脑的一部分。非理性和无意识的部分，同样值得考虑。
生物学上有 Triune Brain 理论，将大脑分为 生存大脑 - 情绪大脑 - 理性大脑（实际情况比这更复杂）：
人的思维是从无意识而来。弗洛伊德的第一拓比（无意识 - 潜意识 - 意识）：
弗洛伊德的第二拓比（本我 - 自我 - 超我），这里开始体现社会化/符号界：
这类视角有意义。因为前文的模型，更像描述动物的行为：动物也会合作和竞争，但都很原始。
而人类已经高度社会化。语言/文化/社会结构/意识形态/MEME 等等，形成了外部记忆/外部系统/外部意识，并深刻塑造人类的行为。
就像那个著名的笑话：人类不但是基因繁衍的方法，人类还是汽车繁衍的方法。
如果从还原论看，可认为这些仍然可来自此前的模型，不过还原论是否正确，现在不知道，所以还是结合多种观点更为有趣。
荣格（意识 - 个人无意识 - 集体无意识），这里的无意识仍然是神秘的混沌冲动：
拉康（实在界 - 想象界 - 符号界），这里的无意识是更清晰的，来自于他者：
后续的客体关系学派的例子：
实际上有很多有趣的想法，例如：
怎么让 AI 理解这里的这些，是个 NLP 的难题。
五 融合
自然的想法，是将这里的观点，包括量子物理（观测问题仍然是复杂的）和数学和各种哲学理论，全部融合。
例如，一种 1 4 的初步融合例子：
个人认为，这里重要的，不是融合出单个理论，而是理解为何人类会提出这些理论。
一个正确的大脑运作模型，应有能力像人类大脑一样，提出人类提出过的所有理论。所以，一切理论，无论对错，都有价值，都属于样本。
对于这种研究，似乎人类对于 AI 仍然保持着优势。很难想象 AI 怎么理解人类的大脑运作。
所以这可能是 AI 最难代替人类的职业。
内容来源：人工智能前沿
