Evolving Consciousness: Insights From Turing, and the Shaping of Experience
Notice bibliographique
Résumé
A number of conceptual difficulties arise when considering the evolutionary origin of consciousness from the pre-conscious condition. There are parallels here with biological pattern formation, where, according to Alan Turing's original formulation of the problem, the statistical properties of molecular-level processes serve as a source of incipient pattern. By analogy, the evolution of consciousness can be thought of as depending in part on a competition between alternative variants in the microstructure of synaptic networks and/or the activity patterns they generate, some of which then serve as neural correlates of consciousness (NCCs). Assuming that NCCs perform this function only if reliably ordered in a particular and precise way, Turing's formulation provides a useful conceptual framework for thinking about how this is achieved developmentally, and how changes in neural structure might correlate with change at the level of conscious experience. The analysis is largely silent concerning the nature and ultimate source of conscious experience, but shows that achieving sentience is sufficient to begin the process by which evolution elaborates and shapes that first experience. By implication, much of what evolved consciousness achieves in adaptive terms can in principle be investigated irrespective of whether or not the ultimate source of real-time experience is known or understood. This includes the important issue of how precisely NCCs must be structured to ensure that each evokes a particular experience as opposed to any other. Some terminological issues are clarified, including that of "noise," which here refers to the statistical variations in neural structure that arise during development, not to sensory noise as experienced in real time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».