artificial-intelligence - ニューラルネットワークに「痛み」を与える

Question

無指向性ニューラルネットワークをプログラムしました。脳のようなもので、すべてのニューロンが同時に更新され、明示的なレイヤーはありません。

今、私は疑問に思っています、痛みはどのように機能しますか？「痛み」信号が痛みを取り除くために何かをしたくなるようにニューラルネットワークを構築するにはどうすればよいですか。

Answer 1

それは実際にはそのようには機能しません。あなたが説明したネットワークは単純すぎて、痛みのような概念を取り除こうとはしません。低レベルでは、それは単なる別の入力にすぎませんが、明らかにそれはネットワークがそれを「嫌う」ことにはなりません。

このような信号を取得するために、この特定の信号を受信したときに特定のアクションを実行するようにネットワークをトレーニングできます。それがより洗練されるにつれて、この信号は本当の痛みの信号のように見え始めますが、それはネットワークの特定のトレーニングにすぎません。

高等動物の痛みの信号は、あなたが説明したネットワークと比較して高等動物はかなり高度な認知能力を持っているので、この「それを取り除くために何でもする」反応を持っています。一方、ワームは、「痛み」の入力に対して非常に特殊な方法で応答する可能性があります。つまり、特定の方法でけいれんします。そのように配線されており、ワームが信号を取り除くために何かをしようとしていると言うのは間違っているでしょう。それは、ボタンを押すたびに回転するボタンに接続されたモーターのようなものです。

人工ニューラルネットワークに有用なことをさせるための現実的なメカニズムは、まとめて「ニューラルネットワークトレーニング」と呼ばれ、大きくて複雑な研究​​分野です。このフレーズをグーグルで検索して、さまざまなアイデアを得ることができます。

ただし、ニューラルネットワークは難しい問題を解決するための万能薬ではないことに注意してください。魔法で自動的に物事を成し遂げることはありません。それらを効果的に使用するには、トレーニングアルゴリズムの微調整とネットワークパラメータの微調整をかなり実験する必要があります。

Answer 2

私はAI理論について（もしあれば）あまり知りませんが、実際の人間のように推論し、考え、熟考するために必要なモデルをAIに与える方法をまだ探しています。（私たちはまだ鍵を探しています-そして多分それは苦痛です。）

私の大人の人生のほとんどは、コンピュータープログラミングと心の研究と理解に焦点を当ててきました。

ここに書いているのは、PAINがミッシングリンクである可能性があるためです。（現在、stackoverflowも揺らいでいます。）実際に高度な思考を可能にするモデルを作成することは大きな飛躍であることを私は知っていますが、私はこの驚くべきahaタイプの瞬間を経験し、それを共有する必要がありました。:)

仏教の研究で、ハンセン病の症例を研究している科学者のことを知りました。ハンセン病患者が変形する理由は、ハンセン病患者が損傷を与える力に触れても痛みを感じないためです。科学と仏教の推論が根本的な真実で衝突するのはここです。

痛みは私たちを生かし続け、境界を定義し、私たちの選択と世界観を形作るものです。

AIモデルでは、原則として、常に作用している一連の力を定義することになるでしょう。アイデアは心を生かしておくことです。

生命を持っているという考えは、私たち人間も演じているように見えます。誰かがあなたのアイデアを「殺す」とき、それを間違って証明することによって、最初は、アイデアの「死」に対する抵抗があります。実際、アイデアを強制的に変更するには、多くの時間がかかることがあります。私たちは皆頑固な人々を知っています...アイデアの「死」は、自分のエゴの一部の「死」であると言われています。エゴは常に自分自身を構築しようとしています。

つまり、AIにエゴを与えるには、AIに苦痛を与える必要があります。そうすれば、AIが独自のアイデアを育て、最終的には人間の精神病と「意識」を育てることができるように、「安全な」思考を構築するために戦う必要があります。

Answer 3

人工ニューラルネットワークは「痛み」などを認識しませんが、特定の状態を回避するために実際にトレーニングされる場合があります。ホップフィールドネットワークでは、ネットワークの最終状態は、開始状態に最も近いエネルギー最小値で達成されます。このコンテキストでの開始状態は、ネットワークが「苦痛」にある状態です。「痛み」がなくなった状態でローカルエネルギーが最小になるようにネットワークをトレーニングする場合、その状態が達成されるまでネットワーク自体を変更する必要があります。ホップフィールドネットワークをトレーニングする簡単な方法は、ニューロン間の相互作用に重みを割り当てることです。その重みは、次の式で与えられるヘッブの法則に従って決定されます。Wij =（1 / n）* [i]*[j]。

Wijはニューロンiとニューロンjの間の接続の重み、nはマトリックス内のニューロンの総数、[i]と[j]はそれぞれニューロンiとjの状態であり、値は1になります。または-1。「痛み」が存在しない状態の重みマトリックスが完成すると、ネットワークはほとんどの場合、初期状態に関係なくその状態にシフトするはずです。

Answer 4

ニューラルネットワークを多次元平面と考えてください。ニューラルネットワークのトレーニングは、基本的に平面に高点と低点を配置することです。平面は「重り」を支え、それらの周りにくぼみを形成します。平面のくぼみは望ましい出力であり、高地は望ましくない出力です。ニューラルネットワークのアイデアは、重要な領域にくぼみを置くことです。痛みは巨大な山のように見えます。したがって、痛みを表す入力ニューロンは、望ましくない出力を生成する可能性が非常に高くなります。

しかし、生き物をそのように振る舞わせるのは痛みだけではありません。木の痛みはあまり反応を引き起こしません。動物では、痛みはアドレナリンの急増などの生理学的反応を引き起こします。これにより、意識が高まり、エネルギー消費量が大幅に増加します。痛みの行動をモデル化するには、痛みの刺激が適切な出力を提供するように、これらのメカニズムのモデルを提供する必要があります。NNでは、痛みが入力に比例する持続時間を持ち、モデリングしているクリーチャーが痛み刺激の持続時間よりも長く痛みを回避できるように、再帰型ニューラルネットワークである必要があると思います。これは癒しの期間になります。

NNはよりツリーに似ている傾向があります。エネルギーコストでエネルギー状態をモデル化することにより、クリーチャーは生き残るために最小限のエネルギーを使用しますが、そうすることで、望ましくない痛みの状態にとどまるコストよりも早く目的の状態に移動する場合、多くのエネルギーを使用します。超平面に戻ると、これは痛みのある高地から離れて、望ましい「安全な」うつ病へのより高い速度のように見えます。最も近いうつ病へのベクトルの大きさは、痛みを避けるためのNNの動機付けレベルです。トレーニングは、エネルギーと意識の反応が再帰型ニューラルネットにモデル化されていると仮定して、常に痛みの入力が間違った答えになるようにすることで、痛みの入力に重い負の重みとバイアスを追加することによってこれを自然に行う必要があります。

Answer 5

ニューラルネットワークで痛みをどのように表現できるかというこの質問に対する部分的な答えがあるかもしれません。参考までに、私が使用しているベースネットワークはHTMアルゴリズムです。これは本質的に一連の相互接続されたレイヤーであり、それぞれが次の入力を予測し、正しい予測はヘッブの論理を使用して報われます。

理論的には、ゲートされたレイヤー間にいくつかの接続が存在する可能性があり、このゲートは、別のレイヤーで十分にアクティブ化することによってのみ開くことができます。この他の層は、痛みの引き金の文脈で新しいパターンを認識することだけを学ぶように装備されます。したがって、痛みが予想される刺激が存在する場合、ゲートチャネルが開かれ、将来の痛みを認識するためのシミュレートされた注意システムが作成されます。これ自体は痛みではありませんが、恐怖に似ています。