上海交大招生办解读最新高招：科学家提出了「有意识的图灵机」模型登上国际顶刊 PNAS，深度学习三巨头之一Yoshua Bengio点头称赞。编译 AI 科技评论组
编辑 陈彩娴
5月下旬，国际顶尖学术期刊《美国国家科学院院刊》（PNAS）正式发表了一项研究成果，该研究自去年10月便已接受审核。这份扎实的工作受到了图灵计算模型与全局工作空间理论（GWT）的启发。科学家们从理论计算机角度出发，将计算复杂性理论与机器学习相结合，提出了一种形式化的理论计算机模型，并将其命名为“有意识的图灵机”（Conscious Turing Machine, CTM）。这种模型不仅能帮助我们更好地理解“意识”，而且对我们重新思考自由意志提供了新的视角。
论文中提到一个重要观点：时间是计算不可或缺的一部分。在这个角度下，从理论计算机的视角看待自由意志，我们可以认为自由意志就是能够在可用资源范围内尽可能多地考虑不同行动后果并选择最适合目标行动路线。这意味着无论这些系统由血肉构成还是由金属和硅构成，意识都是所有合理组织系统的一个属性。CTM不是为了模拟大脑，也不是暗示神经关联，而是一个简单抽象的意识模型，以此来探索和理解意识及其相关现象。
该论文篇幅较长，但AI科技评论精简整理了要点如下：
从理论计算机视角看“ consciousness”
理论计算机科学艾伦·图灵在其开创性论文《On computable numbers, with an application to the Entscheidungsproblem》中定义了“有能力进行任何数学运算”的设备，这个设备现在被称为图灵机（TM）。这个定义给出了数学上的一个框架，即哪些问题可以被解决、哪些不能，以及为什么有些问题是不可能解决的。
随着1960年代电脑技术发展，我们开始发现许多原先认为可解决的问题实际上是无法通过任何方式有效求解，只要速度足够快即可。这反映了对于人类有限资源世界中的区分明确、决定性的二元分类法——那些在自然界中限制于一定条件下的问题通常是可以解决，而那些超越这些限制的问题则似乎永远难以得到确定答案。
在过去40年里，复杂性学科已经展示如何利用困难来处理原本看似不可能的问题。例如，用伪随机序列生成器替代概率型CTM中的随机序列，这样做使得具有"自由意志"的人类行为也变得更加符合预测模式。
CTM采用了认知神经科学家Bernard Baars所提出的全局工作空间(GWT)概念，它比喻为舞台上的演员，在观众——无意识处理器的大注目之下展现出来。在CTM中，全局工作空间代表STM，每个处理器代表LTM，它们共同形成了解决问题、预测环境反馈并通过反馈调整自己的行为过程。而自觉意识，则被定义为LTM处理器接收广播内容的一种接收状态。
该研究还涉及到复杂性的考量以及有限资源带来的后果，对于理解变化盲视和自由意志等现象至关重要。此外，该研究还详细介绍了块竞争算法、每个处理器内部的心理学习算法以及它们如何根据来自全球广播和外部世界反馈来提升自身竞争力和可靠性。
