登上國際頂刊 PNAS！科學家從理論計算機出發，提出了一個意識模型——「有意識的圖靈機」

深度學習三巨頭之一的Yoshua Bengio也點頭稱贊。

編譯 | AI 科技評論組

編輯 | 陳彩嫻

5月下旬，國際頂刊《美國國家科學院院刊》（PNAS）發表了一篇其于去年10月接收審核的工作，研究非常扎實：

受圖靈的計算模型圖靈機（TM）與有意識的全局工作空間理論（GWT）影響，作者等人從理論計算機的角度出發，結合計算復雜性理論與機器學習知識，提出了一個形式化的理論計算機模型，將其命名為「有意識的圖靈機」（Conscious Turing Machine，CTM），有助于幫助我們進一步理解「意識」。

論文鏈接：https://www.pnas.org/doi/epdf/10.1073/pnas.2115934119

例如，作者團隊提到一個觀點：計算需要時間。從這個角度看，理論計算機的觀點可以改變我們對「自由意志」的定義，即：

自由意志是計算不同行動路線的后果的自由，或在可用資源（時間、空間、計算能力和信息）范圍內盡可能多地計算這些后果，并從中選題最適合自己目標的行動路線。

作者的觀點是：無論計算系統是由血肉組成的，還是由金屬和硅組成的，意識都是所有合理組織的計算系統屬性。從這點出發，CTM不是為大腦建模，也不是暗示意識的神經關聯，而是一個簡單抽象的意識計算模型，試圖理解意識及其相關現象。

論文篇幅較長，AI科技評論作了精簡的要點整理如下：

1

從理論計算機的視角看「意識」

1.1. 理論計算機科學

艾倫·圖靈的開創性論文“On computable numbers, with an application to the Entscheidungsproblem”可以說是理論計算機的起源。這篇論文給出了“計算機器”的數學定義，這個機器現在被稱為圖靈機（TM）。在圖靈的定義中，這個計算機器可以計算任何計算機或超級計算機可以計算的函數。

定理是數學理論存在的理由，圖靈證明了所謂的理論計算機的第一個定理，即停機問題的不可解性。用現代的說法，這個定理證明不可能有通用的（調試）程序能確定哪些計算機程序會停止，哪些不會停止，想要構造一個這樣的程序也是不可能的。

停機問題的不可解性等同于初等數論的不可判定性，并隱含了哥德爾的第一個不完備定理的弱形式。

在哥德爾和圖靈之后，數理邏輯學家們開始對哪些問題是可解決的、哪些是不可解決的進行分類，并開始研究不可解決問題的深奧層次。

隨著計算機器在1960年代的出現并變得廣泛可用，我們很快地了解到，許多在原則上可以解決的重要問題實際上不可能得到解決，甚至用最快的電腦也不可能解決，這不是一個技術的問題，而是更深層次的問題。

理論計算機新興領域的研究人員（特別是Jack Edmonds， Stephen Cook， Richard Karp和Leonid Levin）意識到，在自然有限（因此是可解的）問題中，似乎存在一種可解的問題和不可解的問題之間的二分類，反映了之前可解和不可解的二分法。有可行的方法解決的問題在數學上可以形式化為在多項式時間P內通過某些計算機程序可解。此外，實現在多項式時間內可解的問題和在多項式時間NP內可檢查的問題可能不是等價的。事實上，如果能確定等價性，就能回答著名的百萬美元P=?NP問題。

除了定義串行快（多時間）計算復雜度類的層次結構外，理論計算機還定義了并行超快（多時間）計算復雜度類的層次結構。這兩個層次結構都提供了模型中使用的定義和選擇。

對簡單與困難、快速與緩慢之間的二分法的理解及含義，以豐富的理論、思想的重構、新穎的概念和驚人的應用，掀起了一場復雜性革命。事實上，在過去的40年里，計算復雜性的發展已經展示了如何利用困難來處理看似不可能的問題。

我們用計算機生成的隨機序列來說明，這個序列我們稱為「偽隨機序列」。

從表面上看，偽隨機序列的概念是如此的不和諧，以至于馮·諾伊曼開玩笑說：“一個考慮用算術方法產生隨機數字的人，當然是有罪的。”

更準確地說，偽隨機序列生成器是一種可行的（多項式時間）計算機程序，用于生成無法與任何可行計算機程序所生成的真正隨機序列（比如由獨立投擲一枚公平的硬幣產生的序列）區分開來的序列。因此，在人類生活的多項式時間世界里，偽隨機序列實際上是真正隨機的。如果沒有理論計算機對多項式和超多項式復雜性之間區別的說明，這種理解是不可能做到的。

上述思想的一個應用是用提供（短）隨機種子的偽隨機發生器產生的序列來取代概率型CTM中的隨機序列。特別是，如果概率型CTM具有“自由意志”，那么確定型的CTM也具有“自由意志”。這種確定型的CTM的自由意志與某些（也許是大部分）決定論的思想是相悖的。

1.2. 現在我們來談談意識

CTM的定義采用了理論計算機的視角。CTM是一種簡單的機器，它在數學上形成（并通過動力學進行修正）有意識的GWT，有意識的GWT概念起源于認知神經科學家Bernard Baars，并由Dehaene和Mashour等人在他們的全局神經元工作空間理論（GNWT）中加以擴展。在《Theater of Consciousness》中，Baars將意識比喻為戲劇演員在工作記憶的舞臺上的表演，他們的表演是在一群坐在黑暗中的觀眾（或者說是無意識處理器）的觀察下進行的。

在CTM中，GWT的舞臺以在任何時刻都包含著CTM意識內容的短時存儲器（short-term memory ，STM）為代表。觀眾則由強大的處理器（processor）代表，每個處理器都有自己的專業知識，這些處理器組成了CTM的長期存儲器（long-term memory ，LTM）。這些LTM處理器進行預測，并從CTM的世界獲得反饋。每個處理器內部的學習算法會基于這個反饋改進處理器的行為。

每個LTM處理器都有自己的專長，并且之間相互競爭，以便在舞臺上以塊（chunk）的形式獲得它們的問題、回答和信息，然后立即把這些內容傳遞給觀眾。

自覺意識（Conscious awareness），有時也被稱為注意力，在CTM中被正式定義為LTM處理器對CTM有意識內容廣播的接收。隨著時間的推移，一些處理器通過鏈接（links）連接起來，這些LTM處理器之間從通過STM的有意識通信變成通過鏈接的無意識通信。通過鏈接對塊進行傳播，可以強化其自覺意識，這一過程被Dehaene和Changeux稱為點火（ignition）。

受到Baars的GWT架構的啟發，CTM還集成了一些對意識感至關重要的附加功能。其中包括其動態，其豐富的多模態內部語言（我們稱之為腦語（Brainish）），以及特殊的LTM處理器，使CTM能夠創建世界的模型。

1.3. 復雜性的考慮

有限資源的后果在我們對與意識相關的現象（如變化盲視和自由意志）的高層次解釋中發揮著至關重要的作用。

這些后果也修正了CTM的詳細定義。其中細節包括：

1. 塊的正式定義：塊是每個LTM處理器在時鐘每一次滴答聲中投入到意識競爭中的信息；
2. 選擇其中一個競爭塊到達意識的快速概率競爭算法；
3. 每個處理器中的機器學習算法，這個算法利用來自全球廣播、其他處理器和外部世界的反饋來提升處理器的競爭力和可靠性。

盡管受到圖靈的計算機模型的啟發，但CTM并不是標準的圖靈機。這是因為賦予CTM“意識感”的不是它的計算能力，也不是它的輸入-輸出映射，而是它的全局工作空間架構、預測動力學（預測、反饋和學習的循環）、其豐富的多模態內部語言，以及某些特殊的LTM處理器，如世界模型處理器。

如前所述，我們不是在尋找大腦的模型，而是在尋找意識的簡單模型。

2

CTM 模型綜述

2.1 CTM的基本結構及CTM中意識的定義

假設CTM有一個有限的生命周期t。時間是用離散的時鐘節拍測量的，t= 0,1,2，…T～10 ^ 10。(大約每秒10次，即阿爾法腦波節奏)。CTM誕生于時間0。

CTM是一個七元組，包括<STM, LTM, Up Tree, Down Tree, Links, Input, Output>等組件。

2.1.1. STM和LTM處理器

在CTM中，STM是一種能夠保存單個塊的小內存，定義見2.2節。LTM是N個處理器（N>10^7）的大規模集合，每個處理器是一個隨機訪問機器，其隨機訪問內存大到足以容納T個塊的一小倍。處理器只在LTM中，而不是在STM中，所以當文中說到處理器時，所指的是LTM處理器。某些特殊的LTM處理器特別負責CTM的意識感覺。這些特別的處理器包括世界處理器的模型、內部語音處理器和用于處理內部視覺、內部觸覺等的其他內部通用語音處理器。

2.1.2. 上行樹競爭與下行樹競爭

下行樹（ Down Tree）是一棵高度為1的簡單下向樹，STM中有一個根，有N條從根指向葉的邊，每個LTM處理器中有一個葉。

上行樹是一個向上的二叉樹，高度為h，有N個葉子，每個LTM處理器有一個葉子，STM中有一個（單個）根。每個LTM處理器都有自己的專長，通過上行樹競爭把屬于自己的問題、答案和信息獲取到STM，并通過下行樹立即廣播給所有LTM處理器的觀眾。為了讓CTM簡單運行，所有LTM處理器向STM的競爭提交信息，所有處理器接收來自STM的所有廣播。然而在人類身上，視覺的背側通路從來沒有意識（從來沒有達到STM），只有腹側通路是有意識的。

這種自下而上/自上而下的循環類似于全局神經元工作空間（global neuronal workspace，GNW）假說，即“有意識的訪問在兩個連續的階段進行……在第一個階段，從約100毫秒到約300毫秒，刺激以一種自下而上、無意識的方式在處理器的皮層層次上上升；在第二階段，如果刺激被認為滿足當前的目標和注意力狀態，就會以自上而下的方式被放大，并由一小部分GNW神經元的持續活動維持，其余的則被抑制。整個工作空間是全局連接的，在任何給定的時間，只有一個這樣的意識表征是活躍的。”

2.1.3. 塊，有意識的內容，自覺意識，和意識流

問題、答案和信息以塊的形式傳遞。在上行樹競爭中勝出進入STM的塊被稱為CTM的有意識內容。

在CTM中，與Baars的劇場比喻不同，STM（舞臺）中總是有一個完全相同的演員。在每一個及時的步驟中，演員都會得到一個勝出的塊，這個塊就是通過下行樹即時播放的腳本。我們認為，當所有LTM處理器通過這個廣播接收到這些內容時，CTM就會有意識地意識到這些內容。

我們將自覺意識定義為所有LTM處理器對STM廣播的接收，而不是在STM中出現獲勝塊，這么定義是為了強調意識的感覺是出現在處理器之后，尤其是世界模型和內部語音模型接收到廣播后產生的。

在CTM中，我們對意識的定義大致與認知神經學家所說的“注意力”一致。我們在CTM中所稱的意識感覺（the feeling of consciousness）大致與認知神經學家所說的“意識”或“主觀意識”一致。

CTM中不斷冒泡的塊競爭著STM，其中的獲勝塊會不斷地從STM被廣播到LTM處理器中。從STM傳播到LTM的時間有序塊形成了一個意識流。如第3節所述，這種流是意識的主觀感覺的一部分。

2.1.4. 鏈接，無意識的溝通，全局點火

處理器之間的所有溝通最初都是通過STM進行的。例如，處理器A可以向上行樹競爭向STM提交問題。如果這個問題在競爭中勝出，就會被廣播到所有LTM處理器。然后處理器B可以通過競爭提交答案，如果處理器B贏了，就會被廣播，以此類推。

如果A認為B的答案是足夠有用的，那么A和B之間就會形成雙向聯系。這種聯系讓人想起Hebbian原理，即“一起放電的神經元會連接在一起”。

除了向上行樹競爭發送塊，處理器還通過鏈接發送塊。這樣，A和B之間（通過STM的）有意識交流就可以通過A和B之間（通過鏈接）發送的塊，變成直接的無意識交流。A和B之間形成了額外的鏈接，用我們的話來說就是A和B之間的鏈接加強了。

鏈接是處理器之間傳輸信息的通道。隨著CTM有意識內容的廣播，那些在鏈接處理器之間發送的塊可以加強和維持自覺意識。這種強化與Dehaene和Changeux在他們的GNWT中所稱的“全局點火”有關。正如Dehaene所寫的那樣，“全局點火出現在……當廣播超過某個閾值，并進行了自我強化，一些神經元刺激其他神經元，然后這種刺激又反過來回傳興奮的時候。連接在一起的（細胞）突然進入一種自我維持的高水平活動狀態，正如Hebb所說的，這是一種回響的‘細胞集合（Cell assembly)）’。”

2.1.5. 輸入和輸出映射：傳感器和驅動器

CTM的環境(Env)是Rm(t)的一個子集，其中R表示實數，m是正整數維度，t（非負整數）是時間。輸入映射將CTM的傳感器獲取的、時變的環境信息發送給指定的LTM處理器（為了簡單起見，這里假設這些傳感器是輸入映射的一部分)，后者將環境信息轉換為塊。輸出映射將命令信息從LTM處理器傳遞到執行器（這里假定執行器是輸出映射的一部分），來對環境進行操作。

2.1.6. 對連接的總結

在CTM中，一共有五種連接為信息傳輸提供路徑和機制。下圖顯示了CTM與LTM處理器之間的這五種連接，它們分別是：

• Env-LTM：來自環境的定向邊通過傳感器與感覺數據的處理器之間的連接；
• LTM—STM：通過上行樹；
• STM—LTM：通過下行樹；
• LTM——LTM：處理器之間的雙向邊；
• LTM—Env：特定處理器通過執行器將定向邊傳遞給環境，執行器作用于環境（特定處理器指的是比如生成手指運動指令的處理器，執行器如接收這些處理器指令的手指，執行器通過這些處理器的手指動作對環境進行操作）。

圖注：CTM中與LTM處理器之間的連接

2.2. 腦語（CTM的多模型內部語言），要點和塊

腦語（Brainish）是CTM的內部語言，用于處理器之間的通信，通過競爭和廣播或直接通過鏈接來實現通信。另一方面，處理器內部使用的語言通常因處理器而異，除了腦語還有其他語言。

腦語是用來表達內部語言、內部視覺、內部感覺、想象和夢境的語言。腦語包括輸入和輸出的編碼表示，這些編碼表示都是用簡潔的多模態腦語單詞和短語來表示，稱為“gists”（要點）。要點可以包含一個場景的本質，或關于一個證明的高度可擴展的思想。要點還可以是一個問題的答案，某種洞察，一個夢的圖像，一種痛苦（的描述），等等。比起外部語言如英語、漢語或狗語（Doggish），腦語能夠更好地表達和操控圖像、聲音、觸覺和思想——包括非符號化的思想。作者認為，具有表現力的內在語言是意識感覺的重要組成部分（詳見第3節）。

信息在所有邊上以塊的形式進行傳輸，其在處理器之間傳輸，在STM和LTM之間傳輸，從輸入到LTM之間傳輸，也從LTM到輸出之間傳輸。

一個塊就是一個六元組：<address, t, gist, weight, intensity, mood> 。

其中，address（地址）是LTM處理器產生的地址塊，t是塊產生的時間，gist（要點）是腦語中被“簡明表示”的信息，該信息是處理器計劃所要通信的內容。weight（權重）是處理器提供給要點的一個假數，intensity（強度）和mood（情緒）在時間t分別以 |weight|和weight開始。

研究者注意到，塊的大小（以及它的組件的大小，包括要點）必然會受到計算復雜性考慮的限制。

2.3. 概率性質的上行樹競爭：coin-flip神經元和競爭函數

上行樹競爭是決定哪個LTM處理器能夠將自己的塊放入STM的機制。在每個計時點t= 0,1,…,T，第t個競爭開始時，每個處理器p將其塊放入上行樹的處理器葉節點中。在一個塊被送入上行樹競爭之后，當它在競爭樹上向上移動時，它的address、t、gist和weight保持不變，但其ntensity和mood會發生變化，以納入更多的全局信息。

2.4. 有意識感知的計算復雜性和時間延遲

對于t>0和s>0，更新上行樹競爭中節點vs處的塊，所需的計算包括：

1） 兩次快速計算f，對其值進行求和和除法運算，以及一次快速的概率選擇；

2） 將所選塊的地址、要點和權重放入節點vs；

3） 對與vs的子節點相關的塊的強度和情緒進行求和，并將這些總和設置為塊在vs節點處的強度和情緒。

這些計算都必須在1個時間單位內完成，這對節點上塊的大小和可以在該節點執行的計算量設置了一個界限。

2.5. 內存和高層存儲

我們假設每個處理器p在其內部內存中存儲元組的序列，這些序列按時間t排序，包括處理器送到競爭中的塊p、t、0，和處理器通過STM的廣播所接收到的塊，以及處理器在時間t從鏈接或輸入映射中接收到的塊的選擇子集。這些序列是CTM存儲的重要組成部分。

「歷史」提供了一個p所看到和做過的高層存儲。高層存儲在很大程度上解釋了CTM在意識感受中的自我感知。CTM需要高層存儲結合預測算法來創造夢（詳見第4.5節）。

這些存儲的信息可能會定期被修剪，因此只剩下「顯著」的塊，最顯著的是那些代表可怕、美妙或意外事件的塊。通常而言，每個處理器都會對它生成、修改和存儲的塊進行預測。

2.6. 預測動力學=預測+反饋+學習（睡眠專家算法）(Sleeping Experts Algorithm，SEAs)

處理器需要反饋來評估其預測的正確性和檢測錯誤，并學習如何提高正確性和減少并糾正錯誤。

?無論是提交給STM競爭、通過鏈接提交給其他處理器，還是提交給影響環境的執行器，LTM處理器都會對所有塊進行CTM預測。

?反饋從STM廣播中接收的塊、通過鏈接接收的塊以及通過輸入映射從環境接收的塊。

?所有CTM學習和糾錯都在處理器中進行。

在CTM中，預測、反饋和學習不斷循環。CTM需要警惕任何不尋常的事情和任何形式的意外，以便在必要時處理這些事情，并始終提高對世界的理解。通過這種循環，預測的誤差（例如「意外」）被最小化。

處理器尤其需要知道自己在設置權重時是過于保守還是過于大膽，這樣才能修正權重分配算法。睡眠專家算法（SEAs）是LTM處理器用來實現這一目標的一類學習算法。這里所展示的是SEAs最簡單的版本之一。

當出現以下情況時，鼓動處理器（提高其賦給塊的強度）：

1. 它的塊未進入STM，并且
2. 它的信息（在SEA看來）比進入STM的信息更有價值。

當出現以下情況時，抑制處理器（降低其賦給塊的強度）：

1. 它的塊進入了STM
2. 它的信息被發現（可能是之后被發現）不如某些未能進入STM的塊的信息有價值。

SEAs在處理器是否將它們的塊放入STM方面起作用。SEAs也對處理器是否會「注意」那些通過鏈接發送給它們的塊中的要點有影響。塊的權重絕對值顯示生成塊的處理器認為其要點是否重要，這將影響接收塊的處理器是否會注意到它。

2.7. CTM與GWT模型的比較

研究者比較了CTM和Baars的GWT模型，見下圖。

圖注：模型草圖:Baars的GWT模型（左）和CTM模型（右）

為了簡單起見，此圖簡化了許多功能。例如，CTM在舞臺上只有一個「演員」，這個「演員」一次只持有一個塊。此外，CTM中的所有處理器都在LTM中。在這里，中央執行器被取消，因為其功能可以由處理器代勞。

在CTM中，輸入和輸出直接進出LTM處理器，而不是直接通過STM。在CTM中，塊在定義明確的競爭中展開競賽，以登上舞臺（STM）。自覺意識（注意力）是所有LTM處理器對所廣播的獲勝塊（即CTM的意識內容）的接收，而不是發生在輸入和STM之間的事件。Baddeley和Hitch的口頭排練和視覺空間畫板的角色由LTM處理器承擔。

預測動力學（預測、反饋和學習的循環）和多模態內部語言（腦語）以及計算和復雜性考慮是顯著的、關鍵的CTM特性。

最后，正如「擴展心智理論」所述，CTM可以LTM處理器的形式訪問現有技術，如Google、Wikipedia、WolframAlpha、AlphaGo等，LTM處理器的任務就是去使用這些應用程序。這是確保CTM在其生命周期開始時（t=0）擁有大量功能強大的處理器集合的一種方法，該集合在其整個生命周期中都是可擴充的。

CTM模型及其動力學的關鍵特征與Dennett概述的意識特性之間具有異曲同工之處：

控制我們意識思維的轉變的既不是主調度器，也不是Boss神經元，更不是Homunculus或Res Cogitans。在實施控制的必定是一個動態的、有些競爭性的過程。究竟是什么決定了誰是贏家？應當是類似于伴隨和控制著所有內容命運的微觀情緒、積極和消極的配價強度這些因素，不僅是在情感上明顯突出的事件如痛苦、尷尬或欲望的強迫性記憶，而且還有最深奧和抽象的理論思考。

盡管受到了Baars的GWT架構的啟發，但CTM集成了其意識感受所必需的功能。這是下一節的重點。

3

意識的感覺

雖然根據STM傳播的意識內容的定義，CTM是有意識的，但這個定義并沒有解釋在CTM中是什么產生了意識的感覺。

作者認為，CTM對意識的感覺主要是其極富表現力的腦語所帶來的，再加上CTM的架構、特定的特殊處理器和CTM的預測動態（預測、反饋和學習）。

1) 腦語

多模態腦語準確地描述了CTM所感知到的世界。這種知覺是由多模態語言的感覺所組成的。它的詞匯包括氣（鼻孔聞到的氣味）、疼痛（極度不愉快的疼痛感覺）、臉（看別人臉時看到的東西）等等。夢是很重要的，因為它顯示了當CTM既沒有輸入也沒有輸出時，要點可以表達什么。

2) 架構

這包括獲得STM訪問權的上行樹競爭，以及隨后對贏家所進行的全局的下行樹廣播，尤其是所有在產生意識感覺中扮演特殊角色的處理器。

3) 特殊的處理器。

作者挑選了在誕生時就內置了專門算法的一些處理器。

• 世界模型處理器（Model of The World processor）根據從環境中獲得的信息，或從可能被修改過的內部存儲器中獲得的信息，來構建CTM世界的模型。將CTM的內部世界定義為世界處理器的模型為CTM創建的稀疏「CTM」模型。將CTM的外部世界定義為它用腦語所注釋的標簽和描述，包括它們（可能）擁有的感覺和它們（可能）執行的動作。

• 內部語音處理器提取STM廣播的要點中被編碼的任何語音，并將其發送到與輸入映射發送外部語音的要點（由輸入映射創建的要點）相同的位置。這最初是通過STM發送的，然后在鏈接形成后，直接通過鏈接發送。「內部語音」是由內部語音處理器產生的，它使CTM能夠回憶過去，預測未來，并制定計劃。內在語言的要點（如自言自語或夢中所說的和所聽到的）與外在語言的要點幾乎沒有區別。人類的內部語言聽起來很像外部語言，以至于很難區分二者，就像精神分裂癥患者的情況一樣。

• 內部視覺和內部（觸覺）感覺處理器，將STM廣播的任何圖像和感覺都映射到輸入映射發送到外部場景和外部感覺的任何位置。內部視覺和外部視覺（由輸入圖像產生的視覺要點）幾乎沒有區別。CTM的記憶和預測能力使得CTM能夠創造內部圖像和感覺，從而產生想象和夢境。為了阻止精神分裂癥的幻覺，人類大腦會區分內部圖像和外部圖像。大腦有各種各樣的技巧來做到這一點，其中一個就是讓夢變得難以記憶。

這些處理器通知CTM世界模型中的「眼睛」和「皮膚」，讓它們「看到」CTM從視覺記憶中回憶起來的任何東西，并「有觸覺地感知」CTM從感官記憶中回憶起的任何東西。這些眼睛和皮膚就是CTM的心靈之眼和心靈之膚。作者認為，這些處理器是內部通用的語音處理器。

4) 預測動力學

此外，作者認為，CTM通過預測、反饋和學習的持續循環影響了CTM對意識的感覺。在CTM的世界處理器模型中，這種感覺通過（并行的）預測動力學進一步增強，在該模型中，CTM不斷地進行規劃和測試。正反饋給CTM一個信號，表明它了解正在發生的事情；負反饋——除非是關于一些無法預測的事情，比如一聲意外的巨響——給CTM提供了它不知道或不理解的事情的證據。

CTM的意識感覺還有另外以下因素：

5) 有基本的（一般的）思考和制定計劃的能力

6) 制定并實施計劃的動機（=能量+動力）。

現在回到世界處理器的模型，來描述一個中心任務，即將其模型的各個組成部分標記為self（自我）或非self，或者未知。

世界處理器的模型如何決定什么是self，什么不是self？如果在對一個塊（CTM的一個思想）的廣播之后，執行器立即在環境中執行一個動作——這個思想會導致相同的動作持續不斷地重復——那么這表明執行器是self的一部分。世界模型的處理器還有其他重要的工作來賦予CTM以自我意識，包括創造想象、創造環境的映射和表達運動的環境，幫助計劃環境中的行為，幫助預測環境中的自我和而非自我的行為，糾正對自我和非自我行為的預測。

當CTM通過廣播發現自己在思考自己的意識時，世界模型處理器就會將模型中的「CTM」標記為「有意識的」。

現在再來看看，為什么CTM會認為自己是有意識的。這不可能是因為世界模型處理器或任何其他處理器認為它是有意識的，因為處理器只是運行算法的機器——而且這樣的機器并沒有感覺。作者認為，CTM作為一個整體是有意識的，這有一部分是因為世界模型處理器會將其世界模型中的「CTM」視為有意識的，并將這個觀點傳播給所有的處理器。在這里，「CTM」是對更復雜的CTM的簡單學習表示。

4

高層次的解釋

這一節將探討CTM如何可能經歷一般與意識相關的各種現象。

作者相信從模型中得出的解釋，提供了對意識體驗如何產生或者可能如何產生的高層次理解，這些解釋與心理學和神經科學文獻達成了高度一致。

4.1.盲視

在下文的例子中，盲視說明了有意識和無意識意識之間的區別。

在盲視中，人不會有意識地看到外部世界。當被要求在一個雜亂的房間里拿東西時，實驗參與者會有一種典型的反應：“我看不到東西在哪兒。”但如果謹慎對待這個要求，實驗參與者還是能熟練完成這個任務的。

這中間發生了什么？

在CTM中，視覺輸入直接從視覺傳感器到處理視覺輸入的LTM處理器的一個子集。然而，在盲視的CTM中，由于某種故障，也許是上行樹的斷裂，或者是視覺處理器無法有競爭性地輸入塊的信息，這些信息無法上傳到 STM，因此也就無法得到全局廣播。由于這個原因，CTM不會有意識地意識到自己能看到。然而，信息仍然可以通過鏈接在（無意識的）處理器之間進行交流。因此，視覺處理器收到的視覺信息可以通過鏈接發送到控制腿部執行器的行走處理器。

4.2. 無意盲視

當一個人未能察覺到明明就在眼前的視覺刺激時，就會出現無意盲視。無意盲視是“當注意力集中在其他任務上時，沒有注意到一些意外的東西的存在”。

例如，在著名的選擇性注意測試中，實驗者向觀眾播放影片「看不見的大猩猩」，并要求觀眾“數出穿白襯衫的球員的傳球次數”。幾乎所有的觀眾都給出了接近正確的數字，但當被問及“你看到大猩猩了嗎？”時，他們卻呆若木雞。這到底是怎么回事？

假設CTM正在觀看大猩猩的影片。關于白襯衫球員的輸入查詢獲得了STM的訪問權，然后立即廣播給所有LTM處理器。為了執行這個任務，CTM的視覺處理器給白襯衫要點分配了高密度（intensity），而給任何黑色的東西分配了非常低的密度，因此有“大猩猩”圖案的塊狀物要點很少有機會進入STM。CTM并沒有有意識地看到這個大猩猩。

CTM對無意盲視的解釋是：對要點給予不同的密度，對不相關的要點給予較低的密度，那么得到較高密度的塊會有更大的競爭優勢。

根據參考文獻中進行的模擬，在某些“點燃”狀態下，“自發活動可以阻止外部感覺處理”。他們把這種阻斷與無意盲視的原因聯系起來。在我們看來，阻斷人腦對黑色物體的“感覺處理”，大致相當于CTM大幅降低了塊中黑色要點的密度，從而降低了這些塊進入STM的機會。CTM中不同密度的影響也符合理論上的含義，即人類的無意盲視“可以作為不相關信息的過濾器，可能過濾掉意外事件”。

4.3. 變化盲視

當人不能注意到圖片或場景中的巨大變化時，就會出現變化盲視，它是“未能注意到某些東西從一個時刻到另一個時刻的變化”。

一個頗具啟發性的例子是偵探視頻。一名偵探進入了謀殺現場，并說“顯然，這個房間里有人謀殺了斯邁思爵士”，并立即依次審問每個嫌疑人。女仆稱：“我在主臥室里擦拭銅器。”管家說：“我在給老爺的烤餅涂黃油。”而斯邁思夫人說：“我在盆景棚里種牽牛花。”這些信息足以讓聰明的偵探當場破解謀殺案。

然而，為什么我們沒有注意到開頭的屏幕截圖和結尾之間有許多不協調的場景變形？

從CTM的角度來看，在觀看“偵探”視頻時，CTM有形成整體的印象，但沒有注意到風衣、花、畫等被其他東西取代后所發生的變化，這是因為以下原因：

1）拍攝過程中，導演巧妙安排了整個場景乃至于單個人物的變化，去除了深色風衣變成白色風衣、熊變成盔甲、搟面杖變成燭臺、死者換了衣服并抬起了腿等等變化的過渡。視頻輸入從未向CTM的視覺處理器發出信號，表明“場景”已被修改。

2）重要的是，同樣的要點對開頭和結尾的場景都有同樣的描述：“一座豪宅的客廳，里面有偵探、管家、女仆、其他人，還有一個地板上的死者。”

在這些條件下，CTM就出現了變化盲視。

同樣，CTM 的解釋與關于人類變化盲視的文獻一致。鑒于變化檢測需要充分表示變化前和變化后的場景以及比較，任何影響表示的豐富性或比較表示的傾向的任務特征都應該影響檢測。變化對象的語義重要性似乎對受試者關注并因此注意到變化的可能性有最大影響。

4.4 錯覺，不注意的盲目性和變化的盲目性可能被認為是幻覺的例子

根據定義，CTM是有意識地意識到從STM廣播的塊中的要點的。（這些要點從LTM處理器到達STM。LTM處理器是通過輸入映射從傳感器得到，或者通過鏈接從其他LTM處理器得到，或者通過廣播從STM處得到這些要點的）。要點儲存在LTM記憶中的原因很多，其中一個原因是為處理器提供高層次的故事，如夢中發生的故事。

在CTM中，意識流是STM播放的要點序列。每個時刻的每個視覺要點都給CTM一種感覺，即它看到了眼前的整個場景，盡管它最多只看到場景的一小部分。整體的錯覺有幾種解釋，其中最主要的是，一個多模態的腦語要點可以描述一個極其復雜的場景，比如“我站在一個包含小溪、小路、小橋和樹木的日本風格花園前”。這個要點是否包括了iPhone相機拍攝的1200萬像素照片中的細節（就像它感覺我們看到了一樣）？整體的幻覺是要點中高度暗示性（簡潔）信息的結果。CTM像變魔術一樣變出了這個場景。Keith Frankish 稱這是意識的幻覺主義理論。

4.5. 夢的創造

夢是最終的幻覺。有些人聲稱不做夢，但大多數人都是做夢的。夢可能是視覺的、聽覺的、觸覺的，等等。夢往往與情感過程有關，可以表達巨大的痛苦和恐懼（噩夢）或巨大的快樂（如飛行夢）。一個人可以感覺到腿部的殘缺不全的疼痛，醒來后卻發現疼痛完全是虛幻的，根本沒有疼痛，一個人也可以睡著時臉朝下，醒來時臉朝上。

在CTM中，一個內置的睡眠處理器（Sleep processor）跟蹤時間、習慣、日/夜等，并有內部算法來監測睡眠的需要。如果睡眠處理器確定需要睡眠，它就會通過提高自己的塊的密度，讓塊能夠進入STM，并將其他塊阻擋在STM外。這與降低其他LTM處理器的塊的密度的效果大致相同。這個處理器還阻止或大大降低各種輸入（所看和所聽）的密度，并阻止激活輸出的信號（如四肢收到的信號）。這就是睡眠狀態。

睡眠處理器不斷監測睡眠的需要，并隨著這種需要的減少，按比例減少自己的塊的密度。這最終允許夢的要點（以塊為單位）達到STM。這就是夢的狀態。最后，當睡眠處理器降低其對輸入和輸出的限制時，CTM就會醒來。在人類中，非快速眼動睡眠和快速眼動睡眠在覺醒前可以交替進行幾次。

當CTM處于夢境狀態時，一個創造夢境的處理器（Dream Creator）便開始活動（也就是說，這個處理器開始將它的塊送入STM）。這些塊中的要點包含思想的內核（通常基于早期CTM的活動、關注、想象）。當這些塊被廣播時，所有的處理器，包括那些在意識感覺中起關鍵作用的處理器，都會收到這些廣播并競相作出反應。這使CTM在夢境中具有與清醒時相同的活著的感覺。

造夢處理器和其他處理器輪流來回互動。造夢處理器和處理器之間的對話——來回的互動——是構成夢想的要點序列、這個序列就是夢的意識流。

夢實質上是將這一序列的塊拼接起來，產生一個夢的意識流（內在電影），1）看到、聽到和感覺到夢中的世界，2）影響夢中世界出現的東西。這樣一個（互動的）內心電影顯示一系列的感覺輸入（圖像、氣味和聲音），并產生一系列的行動。

當CTM處于睡眠狀態但不做夢時，大多數處理器不能將它們的塊送入STM，巨大噪音檢測器和睡眠處理器本身是例外。睡眠處理器在STM中的塊會阻止大多數其他處理器的塊到達STM。根據設計，睡眠處理器持有一個空的要點，所以CTM沒有意識或幾乎沒有意識。

在CTM離開睡眠狀態進入夢境后，一部分LTM處理器，如內視處理器，可以將它們的塊送入STM。因此，在做夢時，CTM是有意識的，可以生動地體驗事件。

正如第3節所討論的，關鍵的處理器，如內在言語、內在視覺、內在感覺和世界模型的處理器，在產生CTM的意識感覺方面起著特殊作用。當CTM做夢時，這些處理器也發揮類似的作用。

下面是一些說明處理器如何為CTM造夢的例子：

• 內在語音處理器從STM廣播的多模態圖形中提取內在語音，并將該語音發送到接收外部語音的同一處理器。這個過程使夢中的語言聽起來像外部語言。內在視覺和內在感覺處理器以類似的方式幫助創造夢境。

夢境展示了腦語要點的力量。CTM 在夢中看到的、聽到的、感覺到的和做的，必然是由能夠回憶、修改和向STM的競爭提交創作的處理器編造的。這些編造是現實的，因為它們使用的是清醒時產生的同樣的要點。因此，即使 CTM 完全脫離了外部輸入，夢也會產生現實世界的感覺。因此，夢可以顯得如此逼真，以至于CTM可能變得難以區分夢境和現實（但是人類較難記住夢境，所以這個問題在人類中就可以避免）。

已有的文獻證明，一個人看到一張臉后，無論是從記憶中找回這張臉，還是當這張臉出現在夢中，都會出現同樣的神經活動模式。文獻還指出，在快速眼動睡眠中，當人有運動的感覺時，夢中運動皮層的激活與清醒時的激活是一樣的。

• 世界模型處理器預測CTM的行為將在其（內部和外部）世界中產生的影響。它從這些行動在其世界模型中的效果來做這件事。造夢處理器可以使用這個相同的預測機器來創造夢。

夢也使CTM能夠在未知和可能的危險情況下測試自己。在人類和CTM中，夢都可以成為實驗各種可能解決方案的實驗室。

然而，與清醒時的意識不同，由于CTM在其世界模型處理器中的“一致性檢查器”沒有得到來自環境的輸入，不一致的情況在夢中比清醒時更容易發生而不被注意。因此，CTM可以在夢中飛行。

Zadra和 Stickgold 斷言，在人類中，“夢境并不完全重現記憶。夢創造了一種敘述，其要點與最近的一些記憶相同，并可能有相同的標題。”他們指出，“快速眼動睡眠提供了一種大腦狀態，在這種狀態下，弱的和意外的聯想比正常的強聯想更強烈地被激活，這解釋了快速眼動睡眠是怎么幫助去尋找一些弱相關的遙遠的聯想，也許解釋了我們快速眼動睡眠期的夢為什么那么奇怪。”

4.6.自由意志

自由意志的問題是古老的，早在公元前一世紀就出現在 Lucretius（De Rerum Natura）。“如果所有的運動總是相互聯系的，新的產生于舊的，有一個確定的順序——如果原子從來沒有轉向從而產生一些新的運動，打破命運的束縛，永恒的因果順序——那么整個地球上的生物所擁有的自由意志的來源是什么呢？”

Samuel Johnson博士在1709年至1784年之間的觀察捕捉到了自由意志的悖論：“所有的理論都反對意志的自由，而所有的經驗都支持意志的自由。”

Stanislas Dehaen 則發出了當代的聲音：“我們的大腦狀態顯然不是無因的，也不能逃脫物理學定律——沒有什么可以逃脫。但是，只要我們的決定是基于有意識的思考，自主地進行，沒有任何障礙，在承諾采取某項行動之前仔細權衡利弊，就是真正的自由。當這種情況發生時，我們說的自愿決定是正確。當然，即使它最終是由我們的基因和環境造成的。”

本文作者在 Dehaene 的基礎上補充說，計算需要時間。為了做出決定，CTM在需要時間的評估中對其備選方案進行評估，在這段時間里，CTM是自由的，事實上可以感覺到自由，選擇它認為（或者說計算出的）最好的一個結果。

因此，理論計算機的觀點影響了我們對自由意志的定義。自由意志是計算不同行動路線的后果的自由——或在可用資源（時間、空間、計算能力和信息）范圍內盡可能多地計算這些后果——并從中選擇最適合自己目標的行動路線。

這個定義同時包含了預測性動態（計算不同行動方案的后果）和資源限制（時間、空間、計算能力和信息）。

例如，如一個 CTM 被要求在國際象棋游戲中扮演一個特定的位置。不同的處理器建議不同的棋步。CTM的主要下棋處理器（假設存在這樣的處理器，或者可以說是一個對游戲有“高層次”看法的處理器）通過在STM中廣播一個塊來表示，它認識到它有一個可以選擇的棋步，并且它認為值得仔細研究每一步的后果。在這一點上，面對可能的棋步選擇，但尚未評估這些棋步的后果，CTM可以在時間限制內自由選擇它認為最好的棋步。

CTM會不會覺得自己有自由意志？

1）當考慮到CTM會詢問自己 “我應該做什么動作？”的時刻，意味著這個問題已經上升到STM階段，并通過廣播到達LTM處理器端的觀眾處。作為回應，一些觀眾會向活動提出自己的建議，而競爭的獲勝者則可以登上舞臺得到廣播。因為要點很短，因此像一些比較簡要的廣播也可以得到合理地闡明。

2）出現在STM并向LTM全局廣播的持續性反復的評論、命令、問題、建議和答案，使CTM對其控制有了認知。當CTM被問及它是如何產生一個具體建議的（即，在提出那個建議的過程中它進行了哪些思考），它的處理器將能夠闡明達到這個階段的一部分對話（盡管短期內也許不會超過這個階段）。

3）許多LTM處理器通過競爭來產生CTM的最終決定，但CTM只是有意識地知道進入STM的是什么，而非將所有內容都提交到競爭當中。此外，CTM中絕大部分、即其中大部分的處理器，并不知道處理器間（通過鏈接）的無意識交談。就CTM而言， 當有意識地忽視決策出現的過程足夠多時，以至于這個決策有時像是憑空得來的。即便如此，盡管CTM無法有意識地知道其建議如何被采納，除了STM所傳播的高層級內容外，它知道建議是來自其內部自身的。對于CTM提出的建議理應得到贊揚（畢竟，它們確實來自CTM內部），并且可以用高層次敘述來解釋一些內容，至于無法解釋的部分，它可以說“我不知道”或是“我不記得”。正是有了那些經過選擇的知識（CTM對選擇有了解、也有不理解之處），CTM才生成了自由意識的感覺。不管確定性與否，這種經驗上的感覺是自由意志的一種。

隨機性對于這種自由意志感覺的解釋有多重要？要注意的是，在CTM中，上述解釋并不需要運用到量子物理學。唯一的隨機性是在向上樹競爭中的coin-flip神經元，以及處理器在其概率算法中使用的任何隨機性。此外，可以證明的是，上述關于自由意志感覺的論證仍然適用于完全確定的CTM（例如，使用偽隨機性的CTM）。由此可見（可以預見這將引起一場激烈的爭論），即使在一個完全確定的世界中，CTM也會感覺到它有自由意志。

雷峰網(公眾號：雷峰網)