Пивоваров И.О., Шумский С.А. МАРТИ 5.2 – математическая модель «себя в мире» как первая ступень ...

МАРТИ 5.2 – математическая модель «себя в мире» как первая ступень самосознания Пивоваров И.О., Шумский С.А. МФТИ, Москва, Россия, Symbolic Mind Inc. igorpivovarov@yandex.ru Следуя [1] мы выделяем в сознании несколько уровней феноменологического опыта: сенсорный, аффективный, когнитивный, агентивный и самосознание (awareness). Современные модели искусственного интеллекта, например глубокие искусственные нейронные сети (далее ИНС), получают на входе данные (например картинку или текст), которые можно считать моделью сенсорного опыта. Далее ИНС проводят вычислительную обработку этих данных, которую можно считать моделью когнитивного опыта. Наконец, некоторые ИНС умеют действовать как агенты в определенной среде, выполняя те или иные действия для достижения заданной цели. Такие действия можно считать моделью агентивного опыта. Однако, невозможно прямо отождествить никакую часть работы ИНС с самосознанием, поэтому сегодня обсуждения о том, есть ли самосознание у ИНС, являются в основном спекулятивными. Самосознание, в свою очередь, также можно разделить на несколько уровней. Но для того, чтобы осознать себя, необходимо провести границу между собой и окружающим миром. Поэтому, на наш взгляд, отделение себя от окружающего мира и является самым базовым уровнем самосознания. В этой работе мы представляем математическую модель машинного обучения (искусственного интеллекта) МАРТИ 5.2, которая умеет выделять себя в окружающем мире и эффективно использовать это выделение, реализуя целенаправленное поведение. МАРТИ – математическая модель мозга человека, построенная на архитектуре Deep Control Architecture [2], которая реализует неокортекс и базальные ганглии. Это асинхронная параллельная модель кортикальных колонок, управляемых стриатумом, который в каждый момент времени выбирает наилучшее возможное решение в данной ситуации [3]. МАРТИ – мультиагентная многослойная нейросимвольная модель, которая учится на базе обучения с подкреплением (reinforcement learning), учась достигать целей в незнакомой среде. Для тестирования МАРТИ мы используем открытый фреймворк Gymnasium [4], реализующий игры Атари. Для целей настоящей статьи были использованы игры Pong и Breakout. Эти игры являются сложными, с точки зрения обучения с подкреплением, так как вознаграждение (или штраф) дается не на каждом шаге, а лишь по окончании игры (sparse reward).