Написано командой Qubic Scientific

Когда речь заходит об ИИ, разговоры быстро отклоняются к очень конкретной идее: чувствующие машины, мыслящие машины, машины, которые пробуждаются. Но эти идеи переплетают интеллект и сознание в запутанную смесь.

Интеллект, как мы объяснили в нашей первой научной статье, это общая способность решать проблемы, адаптироваться, принимать решения и учиться. Интеллектуальная система строит модели окружающей среды и действует на их основе. Эта способность может быть измерена и формализована. На самом деле, как биологический, так и искусственный интеллект можно описать как процессы вывода и оптимизации в условиях неопределенности (Sutton & Barto, 2018).

Сознание, с другой стороны, не связано с тем, что делает система, а с тем, что она испытывает. Оно относится к внутреннему, частному, субъективному опыту. Как знаменитый сказал Томас Нагель: «Каково это быть летучей мышью?» (Нагель, 1974). Здесь лежит основное различие: интеллект можно наблюдать снаружи, но сознание доступно только изнутри.

Популярная культура смешала оба этих концепта. Мы представляем искусственный общий интеллект как нечто вроде Терминатора, Я, Робот или 2001: Космическая Одиссея, часто проецируя глубокие человеческие страхи относительно технологий, новизны и неизвестного. Но страх не в том, что системы решают проблемы лучше нас. Этот сценарий уже существует и не вызывает настоящего беспокойства. Подумайте о том, как AlphaGo превосходит человеческих чемпионов в Го, AlphaFold ускоряет открытие белков или модели, такие как GPT-4 и Claude, генерируют текст, код и алгоритмы на уровне, сопоставимом или превосходящем их создателей.

Страх появляется, когда эти системы, кажется, проявляют агентность, намерение или что-то, напоминающее самоволие. Другими словами, когда они кажутся обладающими какой-то формой машинного сознания.

Это различие является центральным в когнитивной науке. Системы, которые обрабатывают информацию, принципиально отличаются от систем, которые получают доступ к информации в глобально интегрированном виде (Деаэн, Керсберг, & Шанжек, 1998).

Сознание ИИ и Наука: За пределами Трудной Проблемы

Несмотря на текущий ажиотаж вокруг «квантовых», религиозных или псевдонаучных объяснений сознания, наука предлагает более обоснованный путь. Существует хорошо известная «трудная проблема сознания», как сформулировал Чалмерс более двух десятилетий назад: мы все еще не понимаем, как физическая нервная система генерирует субъективный опыт.

Проще говоря: мы знаем, как нейроны активируются, чтобы закодировать голубой цвет неба или запах сандала. Но мы не понимаем, как эти нейронные активации производят опыт видеть голубой цвет или нюхать сандал. Этот разрыв остается.

Это отсутствие понимания позволяет возникать дуалистическим интерпретациям. Однако нейронаука продолжает работать в рамках интегрированного взгляда на разум и материю.

Предсказательное Кодирование: Мозг как Машина Предсказания

Предсказательное кодирование является одной из самых влиятельных рамок для изучения сознания. Мозг функционирует как предсказательная система, которая постоянно генерирует модели мира и обновляет их, минимизируя ошибки предсказания (Фристон, 2010; Кларк, 2013). Если светофор внезапно становится синим вместо зеленого, сенсорные системы отправляют этот неожиданный сигнал вверх, и системы более высокого уровня обновляют внутреннюю модель того, как ведут себя светофоры. В рамках этой структуры сознание можно понять как интеграцию внутренних и внешних сигналов в единое представление.

Рис. 5, Мудрик и др. (2025). Предсказательная обработка как иерархическое вывод. CC BY 4.0.

Теория Глобального Рабочего Пространства: Как Сознание Возникает Через Информационное Вещание

Еще одним влиятельным предложением является Теория Глобального Рабочего Пространства. Здесь сознание возникает, когда информация становится глобально доступной по всей системе, позволяя множеству процессов одновременно получать доступ к ней и использовать ее (Баарс, 1988; Деаэн & Шанжек, 2011). Не всякая обработка является сознательной; только то, что достигает этого уровня глобального вещания.

Рис. 1, Мудрик и др. (2025). Модель Глобального Рабочего Пространства сознательного доступа, адаптированная от Деаэна и др. (2006). CC BY 4.0.

Теория Интегрированной Информации (IIT): Измерение Сознания

Теория Интегрированной Информации, разработанная Джулио Тонони, предлагает, что сознание зависит от того, насколько система интегрирует информацию неразрывным образом (Тонони, 2004; Тонони и др., 2016). Чем более интегрирована система, тем выше ее уровень сознания.

Рис. 4, Мудрик и др. (2025). IIT отображает феноменальные свойства на физические структуры причинности. CC BY 4.0.

Наряду с этими научными теориями существуют менее эмпирически обоснованные предложения. Некоторые приравнивают сознание к вычислительной сложности, не уточняя механизмы. Другие, такие как панпсихизм, предполагают, что вся материя имеет какую-то форму опыта (Гофф, 2019). Эти идеи расширяют дебаты, но им не хватает прямой экспериментальной проверки.

Можем ли мы вычислить сознание? Симуляция против опыта

Создание сознания с помощью механизмов, описанных этими теориями, или только его имитация?

Эта проблема отражает то, с чем мы сталкиваемся в нейронауке, изучая простые организмы. Например, Drosophila melanogaster имеет относительно небольшую нервную систему, но она может учиться, запоминать и принимать решения (Брембс, 2013). Моделирование ее связности и динамики позволяет нам предсказывать ее поведение в определенных контекстах. Для более глубокого взгляда на то, как connectome плодовой мухи изменяет наше понимание нейронной архитектуры, смотрите наш анализ connectome мозга Drosophila и его последствия для ИИ.

Тем не менее, предсказание поведения не подразумевает воспроизведение внутреннего опыта. Мы можем захватывать правила системы, не захватывая то, как это «ощущается» изнутри, если такой опыт вообще существует. Это различие остается одной из основных концептуальных границ в исследовании сознания (Сет, 2021). С практической точки зрения это может не всегда быть критичным, но мы не можем предполагать, что вычислительные механизмы воссоздают опыт. Это напрямую приводит к известной идее философских зомби.

Архитектура MultiNeuraxon: Что Делает Искусственный Интеллект, Вдохновленный Мозгом

В этом контексте архитектуры, такие как MultiNeuraxon, не стремятся «создать сознание», а приближаются к механизмам, которые некоторые теории считают актуальными.

Система вводит динамику непрерывного времени, позволяя внутренним состояниям эволюционировать плавно, вместо сброса на каждом шаге. Это похоже на понятие непрерывного внутреннего потока, найденного в биологических системах (Friston, 2010). Чтобы понять, почему обработка в непрерывном времени важна для интеллекта, смотрите NIA Том 1: Почему Интеллект Не Вычисляется По Шагам, А По Времени.

Он также включает несколько временных шкал взаимодействия: быстрых, медленных и модулирующих, аналогично сочетанию синаптической сигнализации и нейромодуляции в мозге (Мардэр, 2012). Эти динамики формально описываются через уравнения, которые интегрируют синаптические и модулирующие вклады в эволюцию состояния системы.

Наконец, его организация в несколько функциональных сфер позволяет как дифференциацию, так и интеграцию. Этот тип структуры лежит в основе как Теории Глобального Рабочего Пространства, так и Теории Интегрированной Информации, и является частью научного предложения, которое мы разрабатываем для Конференции AGI 2026.

Что имеет значение на этом этапе, так это то, что система начинает захватывать свойства, связанные у людей с сознательными процессами: глобальная интеграция, временная непрерывность и внутренняя регуляция.

Почему Исследование Сознания Важно для Искусственного Общего Интеллекта

Разработка искусственного общего интеллекта не зависит исключительно от улучшения производительности в изолированных задачах. Она зависит от понимания того, как интеллект организует себя, когда он действует гибко, стабильно и согласованно.

Теории сознания указывают именно на эти механизмы: интеграция, глобальный доступ, внутренние модели и многоуровневая регуляция. Даже если мы далеки от воссоздания субъективного опыта, мы можем идентифицировать и вычислять свойства, которые, кажется, необходимы для более общих форм интеллекта.

Работа в этом направлении позволяет строить более надежные системы, способные поддерживать согласованность во времени и обобщать в различных контекстах.

В рамках этой структуры преимущество систем, таких как Aigarth, не заключается в создании сознательных машин, ни в представлении их как «хорошего Терминатора», но в понимании и контроле механизмов, которые организуют продвинутый интеллект.

Система, которая интегрирует множество масштабов, поддерживает динамическую стабильность и эволюционирует, не теряя согласованности, предоставляет гораздо более прочную основу для изучения продвинутых форм интеллекта. Для сравнения того, как биологические нейронные сети, классические искусственные сети и Neuraxon отличаются архитектурно, смотрите NIA Том 4: Нейронные Сети в ИИ и Нейронауке.

Если возникают более сложные свойства или формы самоссылки, они не появятся случайно, а как следствие структур, которые уже можно описать и проанализировать формально.

И это превращает сознание из чисто спекулятивной проблемы в нечто, что можно систематически исследовать.

Научные ссылки

• Баарс, Б. Дж. (1988). Когнитивная теория сознания. Издательство Кембриджа. [Ссылка]

• Брембс, Б. (2013). Структура и функции обработки информации в мозге плодовой мухи. Фронтальные в Поведенческой Нейронауке, 7, 1–17. [Ссылка]

• Кларк, А. (2013). Что дальше? Предсказательные мозги, расположенные агенты и будущее когнитивной науки. Поведенческие и Нейробиологические Науки, 36(3), 181–204. [Ссылка]

• Деаэн, С., & Шанжек, Ж. П. (2011). Экспериментальные и теоретические подходы к сознательной обработке. Нейрон, 70(2), 200–227. [Ссылка]

• Деаэн, С., Керсберг, М., & Шанжек, Ж. П. (1998). Нейронная модель глобального рабочего пространства в трудоемких когнитивных задачах. PNAS, 95(24), 14529–14534. [Ссылка]

• Фристон, К. (2010). Принцип свободной энергии: Объединенная теория мозга? Обзоры природы Нейронауки, 11(2), 127–138. [Ссылка]

• Гофф, П. (2019). Ошибка Галилея: Основы новой науки сознания. Пантеон. [Ссылка]

• Мардэр, Е. (2012). Нейромодуляция нейронных цепей: Назад в будущее. Нейрон, 76(1), 1–11. [Ссылка]

• Мудрик, Л., Болли, М., Деаэн, С., Флеминг, С. М., Ламме, В., Сет, А., & Меллони, Л. (2025). Распаковка сложностей сознания: Теории и размышления. Нейробиология и Биобихевиоральные Обзоры, 170, 106053. [Ссылка]

• Нагель, Т. (1974). Каково это быть летучей мышью? Философский Обзор, 83(4), 435–450. [Ссылка]

• Сет, А. (2021). Быть вами: Новая наука сознания. Фейбер & Фейбер. [Ссылка]

• Сет, А. К., & Бейн, Т. (2022). Теории сознания. Обзоры природы Нейронауки, 23(7), 439–452. [Ссылка]

• Саттон, Р. С., & Барто, А. Г. (2018). Обучение с подкреплением: Введение (2-е издание). Издательство MIT. [Ссылка]

• Тонни, Г. (2004). Теория интеграции информации сознания. BMC Нейробиология, 5(42). [Ссылка]

• Тонни, Г., Болли, М., Массимини, М., & Кох, К. (2016). Теория интегрированной информации: От сознания до его физического субстрата. Обзоры природы Нейронауки, 17(7), 450–461. [Ссылка]

Изучите Полную Серии Академии Нейраксонической Интеллекту

• \u003ca-56\u003eNIA Том 1: Почему Интеллект Не Вычисляется По Шагам, А По Времени\u003c/a-56\u003e — Исследует, почему биологический интеллект действует в непрерывном времени, а не в дискретных вычислительных шагах, как традиционные языковые модели.

• \u003ca-63\u003eNIA Том 2: Троичные Динамики как Модель Живого Интеллекта\u003c/a-63\u003e— Объясняет троичные динамики и почему логика из трех состояний (возбуждающее, нейтральное, ингибиторное) важна для моделирования живых систем.

• \u003ca-70\u003eNIA Том 3: Нейромодуляция и Искусственный Интеллект, Вдохновленный Мозгом\u003c/a-70\u003e — Охватывает нейромодуляцию и то, как химическая сигнализация мозга (дофамин, серотонин, ацетилхолин, норэпинефрин) вдохновляет архитектуру Neuraxon.

• \u003ca-77\u003eNIA Том 4: Нейронные Сети в ИИ и Нейронауке\u003c/a-77\u003e — Глубокое сравнение биологических нейронных сетей, искусственных нейронных сетей и третьего пути Neuraxon.

• \u003ca-83\u003eNIA Том 5: Астроциты и Искусственный Интеллект, Вдохновленный Мозгом\u003c/a-83\u003e. Как астрогитарные затворы преобразуют пластичность нейронной сети через AGMP фреймворк в Neuraxon.

Qubic - это децентрализованная, открытая сеть для экспериментальных технологий. Чтобы узнать больше, посетите qubic.org

\u003ct-139/\u003e \u003ct-141/\u003e \u003ct-143/\u003e \u003ct-145/\u003e \u003ct-147/\u003e