継続的ロボット学習における創発的「自己」の証拠

Abstract

自己意識を理解するうえでの主要な課題は、知的システムが「自我（self）」という概念を持っているかどうかを定量化するための原理的な方法、そしてそれが持つ「自我」と他の認知構造とをどのように区別するか、を確立することでした。我々は、「自我」は、より速く獲得される認知知識や技能と比べて相対的に変化の小さい、認知プロセスの不変な部分を探すことで、孤立化できると提案します。なぜなら、我々の自我は、経験において最も持続的な側面だからです。この原理を用いて、ロボットの認知構造を2つの条件下で分析しました。1台目のロボットは一定の課題を学習し、2台目のロボットは変動する課題のもとで継続学習にさらされます。その結果、継続学習を受けたロボットは、対照と比べて、有意により安定した不変サブネットワークを発達させることがわかりました（p < 0.001）。この原理は、他の認知型AIシステムにおける自我（selfhood）を探究するための窓を提供しうると示唆します。