MétaCan
Menu
Retour à la cohorte
Enregistrement W4318567983 · doi:10.1142/s270507852250014x

Consciousness as a Trigger to Adaptation

2023· article· en· W4318567983 sur OpenAlexaff
Massimo Cossentino, Luca Sabatucci, John Mylopoulos

Notice bibliographique

RevueJournal of Artificial Intelligence and Consciousness · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueLogic, Reasoning, and Knowledge
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConsciousnessArtificial consciousnessCognitive scienceCognitive architectureCognitionAdaptation (eye)Extension (predicate logic)ArchitectureState (computer science)PsychologyEpistemologyLIDAComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Consciousness refers to mental states of a cognitive agent that make it aware of elements of its environment and its own state. Phenomena of consciousness have been studied in Philosophy, Psychology and Cognitive Science. With the advent of Artificial Intelligence (AI), the study of consciousness has broadened to include questions such as “When is an AI system conscious?”, “What role does consciousness play in the cognitive architecture of an AI system?”. This paper proposes a cognitive architecture that attempts to answer such questions and is an extension of proposals for practical reasoning, founded on the notion of epistemic goals, goals where the desired state-of-affairs is knowledge of something in the environment or within the agent itself. The proposal is illustrated with an example involving an autonomous vehicle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil0,663

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,305
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Artificial Intelligence and ConsciousnessMême sujetLogic, Reasoning, and KnowledgeTravaux en français237 207