A Machine Consciousness Architecture Based on Deep Learning and Gaussian Processes

Abstract

Los desarrollos recientes en el aprendizaje automático han empujado las tareas que las máquinas pueden hacer más allá de los límites de lo que se pensaba que era posible hace años. Metodologías como el aprendizaje profundo o los modelos generativos han logrado tareas complejas como generar imágenes artísticas o literatura de forma automática. La Conciencia de Máquina es un campo que ha sido profundamente estudiado y se han propuesto varias teorías basadas en la teoría filosófica del funcionalismo como la teoría del espacio de trabajo global. En este trabajo, proponemos una arquitectura que puede generar conciencia en una máquina basada en la teoría del espacio de trabajo global y en el supuesto de que la conciencia aparece en máquinas que tienen procesos cognitivos y exhiben un comportamiento consciente. Esta arquitectura se basa en procesos que utilizan los recientes modelos de Deep Learning y procesos generativos. Para cada módulo de esta arquitectura, brindamos explicaciones detalladas de los modelos involucrados y cómo se comunican entre sí para crear la arquitectura cognitiva. Ilustramos cómo podemos optimizar la arquitectura para generar interacciones sociales entre robots y obras de arte genuinas, ambas características correlacionadas con la conciencia de la máquina. Hasta donde sabemos, esta es la primera arquitectura de conciencia de máquina que utiliza modelos generativos y aprendizaje profundo para exhibir un comportamiento social consciente y recuperar imágenes y otro contenido subjetivo creado por robots.

Recent developments in machine learning have pushed the tasks that machines can do outside the boundaries of what was thought to be possible years ago. Methodologies such as deep learning or generative models have achieved complex tasks such as generating art pictures or literature automatically. Machine Consciousness is a field that has been deeply studied and several theories based in the functionalism philosophical theory like the global workspace theory have been proposed. In this work, we propose an architecture that may arise consciousness in a machine based in the global workspace theory and in the assumption that consciousness appear in machines that have cognitive processes and exhibit conscious behaviour. This architecture is based in processes that use the recent Deep Learning and generative process models. For every module of this architecture, we provide detailed explanations of the models involved and how they communicate with each other to create the cognitive architecture. We illustrate how we can optimize the architecture to generate social interactions between robots and genuine pieces of art, both features correlated with machine consciousness. As far as we know, this is the first machine consciousness architecture that use generative models and deep learning to exhibit conscious social behaviour and to retrieve pictures and other subjective content made by robots.