Вычислительная теория сознания

Материал из MachineLearning.

Статья написана с использованием LLM GPT-5.4 и проверена участником Aleksandrova Marina 23:32, 30 июня 2026 (MSD)

Содержание 1 Общая идея 2 Исторический контекст 3 Вычислительный подход, функционализм и компьютационализм 4 Современные теории сознания 4.1 Глобальная теория рабочего пространства 4.2 Глобальное нейронное рабочее пространство 4.3 Теория интегрированной информации 4.4 Предиктивная обработка 5 Связь с искусственным интеллектом 6 Большие языковые модели и проблема сознания 7 Сильные стороны вычислительного подхода 8 Основные возражения 8.1 Трудная проблема сознания 8.2 Китайская комната 8.3 Проблема привязки символов 8.4 Роль тела и среды 8.5 Биологический субстрат 9 Современное состояние 10 Значение для машинного обучения 11 См. также 12 Примечания 13 Литература 14 Ссылки

Вычислительная теория сознания — семейство подходов в философии сознания, когнитивистике, нейронауке и искусственном интеллекте, согласно которым сознание или отдельные его аспекты могут быть объяснены через вычислительные и информационные процессы. В широком смысле эта позиция рассматривает ментальные состояния как состояния системы, обрабатывающей информацию: воспринимающей сигналы, формирующей внутренние представления, обновляющей ожидания, принимающей решения и управляющей поведением.

Вычислительная теория сознания не является одной завершённой теорией. Это скорее исследовательская рамка, включающая функционализм (англ. functionalism), компьютационализм (англ. computationalism), символические модели мышления, коннекционизм (англ. connectionism), теории глобального доступа, вероятностные модели познания и некоторые современные нейрокогнитивные теории сознания.

Общая идея

Основная идея вычислительного подхода состоит в том, что сознательные и когнитивные процессы можно описывать через операции над информационными состояниями. Например, восприятие может рассматриваться как построение модели внешнего мира, внимание — как механизм отбора информации, память — как хранение и извлечение состояний, а принятие решений — как выбор действия на основе внутренних представлений и целей.

Такой подход не обязательно утверждает, что мозг буквально работает как обычный цифровой компьютер. Более осторожная формулировка состоит в том, что для объяснения сознания полезно строить модели, в которых существенную роль играют вычислительная организация, архитектура системы и способы передачи информации между её частями.

Важным историческим источником вычислительного взгляда стала статья Алана Тьюринга «Computing Machinery and Intelligence», где обсуждалась возможность машинного интеллекта и был предложен тест Тьюринга (англ. Turing test).^[1] Позднее Аллен Ньюэлл и Герберт Саймон сформулировали гипотезу физической символной системы (англ. physical symbol system hypothesis), согласно которой система, способная манипулировать символами по правилам, может проявлять интеллектуальное поведение.^[1]

Исторический контекст

Вычислительная теория сознания возникла на пересечении нескольких направлений XX века:

• кибернетики, изучавшей управление, обратную связь и саморегуляцию в машинах и живых системах;
• раннего искусственного интеллекта, где исследовались рассуждение, планирование, поиск и решение задач;
• когнитивной психологии, рассматривавшей познание как обработку информации;
• аналитической философии сознания, где обсуждались функционализм, тождество сознания и мозга, субъективный опыт и возможность машинного разума.

В 1960–1970-е годы вычислительный подход стал одной из центральных идей когнитивной науки. Джерри Фодор в книге The Language of Thought развивал представление о мышлении как о вычислениях над внутренними символическими представлениями.^[1] Дэвид Марр предложил влиятельное различение трёх уровней анализа когнитивной системы: вычислительного, алгоритмического и уровня реализации.^[1] Эта схема оказалась важной для связи философии, нейронауки и искусственного интеллекта.

Вычислительный подход, функционализм и компьютационализм

Понятия вычислительного подхода, функционализма и компьютационализма близки, но не тождественны.

Вычислительный подход — наиболее широкое понятие. Он означает, что сознание и познание можно продуктивно описывать с помощью моделей обработки информации, алгоритмов, представлений, архитектур и вычислительных механизмов. Такой подход может быть как символическим, так и нейросетевым, вероятностным или динамическим.

Функционализм утверждает, что ментальные состояния определяются не материалом, из которого состоит система, а их причинно-функциональной ролью. Например, состояние боли характеризуется тем, что вызывается повреждением, связано с определёнными переживаниями, влияет на внимание и приводит к избеганию вреда. Функционализм не обязан быть строго вычислительным: он говорит прежде всего о роли состояния в системе, а не о конкретном виде вычислений.

Компьютационализм — более сильная позиция. Он утверждает, что когнитивные процессы являются вычислениями или могут быть адекватно объяснены как вычисления. В классическом варианте компьютационализм связывался с манипуляцией символами по правилам; в современных версиях он может включать нейросетевые, байесовские и предиктивные модели.^[1]

Их соотношение можно кратко описать так: функционализм задаёт философскую идею о роли ментальных состояний, компьютационализм предлагает вычислительное объяснение этих ролей, а вычислительный подход объединяет разные модели, в которых сознание анализируется через информационную организацию системы.

Современные теории сознания

Глобальная теория рабочего пространства

Глобальная теория рабочего пространства (англ. Global Workspace Theory, GWT), предложенная Бернардом Баарсом, рассматривает сознание как механизм глобального доступа к информации.^[1] Согласно этой теории, множество специализированных неосознаваемых процессов конкурируют за доступ к «глобальному рабочему пространству». Информация, попавшая в него, становится доступной для памяти, речи, планирования, принятия решений и контроля действий.

В вычислительном смысле GWT можно понимать как архитектурную теорию: сознание связывается не с отдельным локальным процессом, а с тем, что информация становится доступной многим подсистемам одновременно.

Глобальное нейронное рабочее пространство

Глобальное нейронное рабочее пространство (англ. Global Neuronal Workspace, GNW) — нейрокогнитивное развитие идей GWT, связанное с работами Станисласа Деана, Жан-Пьера Шанжё и их соавторов.^[1][1] В этой теории сознательное восприятие связывается с широкомасштабной активацией и распространением информации по распределённым нейронным сетям, особенно лобно-теменным.

GNW можно считать вычислительной теорией в том смысле, что она описывает архитектуру передачи информации, конкуренцию представлений и механизм глобального «вещания» содержания по системе.

Теория интегрированной информации

Теория интегрированной информации (англ. Integrated Information Theory, IIT), разработанная Джулио Тонони, связывает сознание с количеством и структурой интегрированной информации в системе.^[1] Система, согласно IIT, обладает сознанием в той мере, в какой её состояния одновременно дифференцированы и интегрированы, то есть не сводятся к независимой работе отдельных частей.

IIT использует формальные понятия информации и причинной структуры, но не совпадает с классическим компьютационализмом. Для неё важно не просто выполнение некоторой функции или программы, а внутренняя причинная организация системы.^[1]

Предиктивная обработка

Предиктивная обработка (англ. predictive processing) рассматривает мозг как систему, которая строит гипотезы о причинах сенсорных сигналов и постоянно минимизирует ошибку предсказания.^[1][1] В этой рамке восприятие, действие и внимание объясняются как части единого процесса обновления модели мира.

Предиктивную обработку можно считать вычислительным подходом, поскольку она описывает познание через вероятностный вывод, внутренние модели и обновление ожиданий. Однако сама по себе она не является полной теорией сознания: разные авторы по-разному объясняют, какие именно формы предиктивной обработки связаны с субъективным опытом.

Связь с искусственным интеллектом

Вычислительная теория сознания тесно связана с искусственным интеллектом. С одной стороны, ИИ даёт инструменты для моделирования когнитивных функций: восприятия, памяти, внимания, планирования, обучения и языкового поведения. С другой стороны, успехи ИИ заставляют заново обсуждать вопрос о возможности машинного сознания.

Классический сильный искусственный интеллект (англ. strong AI) утверждает, что достаточно развитая искусственная система может не только имитировать разумное поведение, но и действительно обладать ментальными состояниями. Более осторожная позиция состоит в том, что ИИ может моделировать отдельные функции, связанные с сознанием, но из этого не следует автоматическое наличие субъективного опыта.

Большие языковые модели и проблема сознания

Современные большие языковые модели (англ. large language models, LLM) усилили интерес к вычислительным теориям сознания. Они способны вести диалог, отвечать на вопросы, объяснять рассуждения, имитировать саморефлексию и описывать внутренние состояния. Однако такое поведение не является доказательством сознания.

Причин несколько.

Во-первых, LLM обучаются в основном предсказывать следующий токен на больших текстовых корпусах. Их ответы могут воспроизводить языковые шаблоны, встречавшиеся в данных, не требуя наличия субъективного переживания.

Во-вторых, способность говорить о сознании не равна наличию сознания. Модель может грамматически и содержательно корректно описывать боль, намерение или восприятие, но это не показывает, что у неё есть соответствующий феноменальный опыт.

В-третьих, у современных LLM нет общепринятой архитектурной связи с телесностью, устойчивыми целями, собственным восприятием мира и автономным действием, которые многие теории считают важными для сознания.

Тем не менее LLM важны для дискуссии о машинном сознании. Они демонстрируют, что сложное языковое и социальное поведение может возникать в искусственных системах без явного моделирования сознания. Поэтому они помогают уточнять различие между интеллектом, имитацией понимания, отчётностью о состояниях, самореференцией и собственно субъективным опытом.

Сильные стороны вычислительного подхода

К достоинствам вычислительной теории сознания обычно относят следующие.

Во-первых, она делает проблему сознания более операциональной. Вместо общего вопроса «что такое сознание?» можно анализировать более конкретные механизмы: глобальный доступ, внимание, память, интеграцию информации, отчётность и контроль поведения.

Во-вторых, она связывает философию с эмпирическими науками. Вычислительные модели можно сравнивать с данными психологии, нейровизуализации, нейрофизиологии и искусственного интеллекта.

В-третьих, она допускает формальное моделирование. Гипотезы о сознании можно выражать через архитектуры, алгоритмы, вероятностные модели или нейронные сети.

В-четвёртых, вычислительный подход хорошо согласуется с современной практикой машинного обучения, где сложные когнитивные функции всё чаще моделируются обучаемыми системами.

Основные возражения

Трудная проблема сознания

Главное философское возражение состоит в том, что вычислительная модель может описывать функции сознания, но не объяснять, почему обработка информации сопровождается субъективным переживанием. Эта трудность известна как трудная проблема сознания (англ. hard problem of consciousness), сформулированная Дэвидом Чалмерсом.^[1]

Даже если система различает цвета, сообщает о боли и объясняет свои решения, остаётся вопрос: есть ли у неё внутренний опыт или она только функционально воспроизводит соответствующее поведение?

Китайская комната

Аргумент китайской комнаты (англ. Chinese room argument), предложенный Джоном Сёрлом, направлен против сильного символического ИИ и сильного компьютационализма.^[1] Сёрл утверждал, что система может манипулировать символами по правилам так, что внешне будет казаться понимающей язык, но сама формальная обработка символов не создаёт понимания.

Сторонники вычислительного подхода отвечают по-разному. Одни считают, что понимание принадлежит всей системе, а не отдельному исполнителю правил; другие указывают, что современные модели не обязательно сводятся к классической символической манипуляции.

Проблема привязки символов

Проблема привязки символов (англ. symbol grounding problem) состоит в том, что формальная система может оперировать знаками, но остаётся неясным, откуда берётся их значение.^[1] Для сознания это важно, поскольку субъективный опыт обычно связан не только с обработкой символов, но и с восприятием, действием и взаимодействием с миром.

Роль тела и среды

Подходы воплощённого познания (англ. embodied cognition) и энактивизма подчёркивают, что сознание может существенно зависеть от тела, сенсомоторного опыта, эмоций, гомеостаза и активного взаимодействия организма со средой.^[1] Если это так, то абстрактного вычислительного описания может быть недостаточно для полного объяснения сознания.

Биологический субстрат

Некоторые критики считают, что сознание может зависеть от специфических биологических свойств мозга: нейрохимии, организации живой ткани, телесных регуляторных процессов и эволюционно сформированных механизмов. Эта позиция не обязательно отрицает полезность вычислительных моделей, но ставит под сомнение тезис о том, что любая система с подходящей функциональной организацией будет сознательной.

Современное состояние

Современные исследования сознания обычно не ограничиваются одной дисциплиной. Они соединяют философский анализ, когнитивную психологию, нейронауку, машинное обучение и математическое моделирование. При этом нет общепринятого критерия, который позволял бы надёжно установить наличие сознания у искусственной системы.

Вычислительные теории продолжают играть важную роль, потому что предлагают формальные и проверяемые модели отдельных аспектов сознания: доступа к информации, отчёта, внимания, интеграции, самореференции и управления поведением. Однако вопрос о феноменальном сознании — субъективном «как оно ощущается» — остаётся открытым.

Значение для машинного обучения

Для машинного обучения вычислительная теория сознания важна по нескольким причинам.

Во-первых, она помогает формулировать архитектурные гипотезы о внимании, памяти, глобальном доступе, интеграции информации и внутреннем моделировании.

Во-вторых, она даёт язык для обсуждения современных ИИ-систем: различия между имитацией понимания и пониманием, между отчётностью о состоянии и наличием состояния, между интеллектуальным поведением и сознанием.

В-третьих, она связана с этикой ИИ и безопасностью ИИ. Если в будущем появятся системы, для которых вопрос о сознании станет практически значимым, потребуется понимать, какие признаки можно считать релевантными и какие выводы из них допустимо делать.

См. также

• Философия сознания
• Функционализм
• Компьютационализм
• Сильный искусственный интеллект
• Тест Тьюринга
• Глобальная теория рабочего пространства
• Глобальное нейронное рабочее пространство
• Теория интегрированной информации
• Предиктивная обработка
• Трудная проблема сознания
• Китайская комната
• Проблема привязки символов
• Воплощённое познание
• Когнитивистика
• Искусственный интеллект
• Большая языковая модель

Примечания

Литература

• Baars B. J. A Cognitive Theory of Consciousness. Cambridge: Cambridge University Press, 1988.
• Chalmers D. J. Facing Up to the Problem of Consciousness // Journal of Consciousness Studies. 1995. Vol. 2, No. 3. P. 200–219.
• Chalmers D. J. The Conscious Mind: In Search of a Fundamental Theory. Oxford: Oxford University Press, 1996.
• Clark A. Whatever next? Predictive brains, situated agents, and the future of cognitive science // Behavioral and Brain Sciences. 2013. Vol. 36, No. 3. P. 181–204.
• Dehaene S. Consciousness and the Brain: Deciphering How the Brain Codes Our Thoughts. New York: Viking, 2014.
• Dehaene S., Changeux J.-P. Experimental and Theoretical Approaches to Conscious Processing // Neuron. 2011. Vol. 70, No. 2. P. 200–227.
• Dehaene S., Naccache L. Towards a cognitive neuroscience of consciousness: Basic evidence and a workspace framework // Cognition. 2001. Vol. 79, No. 1–2. P. 1–37.
• Dennett D. C. Consciousness Explained. Boston: Little, Brown and Company, 1991.
• Fodor J. A. The Language of Thought. Cambridge, MA: Harvard University Press, 1975.
• Harnad S. The Symbol Grounding Problem // Physica D. 1990. Vol. 42, No. 1–3. P. 335–346.
• Hohwy J. The Predictive Mind. Oxford: Oxford University Press, 2013.
• Marr D. Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. San Francisco: W. H. Freeman, 1982.
• Newell A., Simon H. A. Computer Science as Empirical Inquiry: Symbols and Search // Communications of the ACM. 1976. Vol. 19, No. 3. P. 113–126.
• Oizumi M., Albantakis L., Tononi G. From the Phenomenology to the Mechanisms of Consciousness: Integrated Information Theory 3.0 // PLOS Computational Biology. 2014. Vol. 10, No. 5. e1003588.
• Piccinini G. Physical Computation: A Mechanistic Account. Oxford: Oxford University Press, 2015.
• Searle J. R. Minds, Brains, and Programs // Behavioral and Brain Sciences. 1980. Vol. 3, No. 3. P. 417–457.
• Tononi G. An Information Integration Theory of Consciousness // BMC Neuroscience. 2004. Vol. 5. Article 42.
• Turing A. M. Computing Machinery and Intelligence // Mind. 1950. Vol. 59, No. 236. P. 433–460.
• Varela F. J., Thompson E., Rosch E. The Embodied Mind: Cognitive Science and Human Experience. Cambridge, MA: MIT Press, 1991.

Ссылки

• The Computational Theory of Mind — Stanford Encyclopedia of Philosophy
• Consciousness — Stanford Encyclopedia of Philosophy
• Functionalism — Stanford Encyclopedia of Philosophy
• The Chinese Room Argument — Stanford Encyclopedia of Philosophy
• The Hard Problem of Consciousness — Internet Encyclopedia of Philosophy
• Global Workspace Theory — Scholarpedia