Preview

Философские науки

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Значение информационной теории сознания Д.И. Дубровского в проектировании архитектуры искусственного интеллекта

https://doi.org/10.30727/0235-1188-2025-68-5-102-129

EDN: VQZJOR

Аннотация

В статье рассматривается проблема применения философских и нейронаучных теорий сознания к архитектурам искусственного интеллекта (ИИ), в частности к большим языковым моделям (БЯМ). Показано, что большинство этих теорий создавались для объяснения биологического сознания и не могут быть механически перенесены на искусственные системы без риска возникновения упрощенных или необоснованных аналогий. Отмечается теоретическая сложность объяснения систем ИИ, демонстрирующих способность к сложным формам «мышления» при отсутствии убедительных оснований для приписывания им сознания. Методологической основой работы выступает информационная теория сознания Д.И. Дубровского. В отличие от классических философских подходов, постулирующих наличие особых инстанций для объяснения осознанности перцептивного опыта, данная концепция предлагает функционально-информационное понимание субъективной реальности. Опираясь на принципы кодовой зависимости и инвариантности информации по отношению к физическому носителю, теория описывает сознание как результат самодетерминации многоуровневой информационной структуры («эго-системы»). Это открывает перспективы для его моделирования на небиологических субстратах. Для практической проверки данных теоретических положений предложены две экспериментальные архитектуры. Первая направлена на формирование у БЯМ «собственного контекста» – автономного динамического информационного поля, служащего аналогом внутреннего опыта. Взаимодействуя с внешней средой и другими агентами, модель использует обучение с подкреплением для оптимизации этого поля, эмулируя способность оперировать «информацией об информации». Вторая архитектура представляет собой двухуровневую когнитивную систему, в которой разделены непрерывные (субсимвольные) вычисления и дискретный языковой интерфейс. Предложенные архитектуры позволяют посредством контролируемых модификаций формулировать проверяемые гипотезы и эмпирически исследовать принципы возникновения феноменов, ассоциируемых с сознанием, отделяя их от базовых когнитивных функций машины. Подчеркивается, что предложенный экспериментальный подход не претендует на решение трудной проблемы сознания. Тем не менее он отражает высокую эвристическую ценность теории Д.И. Дубровского: заложенные в ней принципы структурно-функциональной организации информационных систем оказываются глубоко созвучными современным тенденциям развития сложных архитектур ИИ.

Об авторе

Андреас Хачатурович Мариносян
Московский городской педагогический университет
Россия

Мариносян Андреас Хачатурович – аспирант Московского городского педагогического университета.

Москва



Список литературы

1. Дубровский 1971 – Дубровский Д.И. Психические явления и мозг: философский анализ проблемы в связи с некоторыми актуальными задачами нейрофизиологии, психологии и кибернетики. – М.: Наука, 1971.

2. Дубровский 1980 – Дубровский Д.И. Информация, сознание, мозг. – М.: Высшая школа, 1980.

3. Дубровский 2007 – Дубровский Д.И. Сознание, мозг, искусственный интеллект. – М.: Стратегия-Центр, 2007.

4. Дубровский 2024а – Дубровский Д.И. Проблема психического управления: нейронаука, искусственный интеллект, социальные коммуникации // Философские науки. 2024. Т. 67. № 1. С. 7–28.

5. Дубровский 2024б – Дубровский Д.И. Сознание и мозг. Опыт разработки основных теоретических вопросов «Трудной проблемы сознания» и ее значение для нейронауки // Философские науки. 2024. Т. 67. № 3. С. 142–158.

6. Недяк 2025 – Недяк А.В. Возможен ли диалог с техносубъектом? Архитектуры искусственного интеллекта и признаки сознания // Философские науки. 2025. Т. 68. № 3. С. 93–113.

7. Austin et al. 2021 – Austin J., Johnson D.D., Ho J., Tarlow D., van den Berg R. Structured Denoising Diffusion Models in Discrete State-Spaces // Advances in Neural Information Processing Systems. 2021. Vol. 34. P. 17981–17993.

8. Baars 1988 – Baars B.J. A Cognitive Theory of Consciousness. – Cambridge, UK: Cambridge University Press, 1988.

9. Clark 2015 – Clark A. Surfing Uncertainty: Prediction, Action, and the Embodied Mind. – Oxford: Oxford University Press, 2015.

10. Dehaene, Changeux 2011 – Dehaene S., Changeux J.-P. Experimental and Theoretical Approaches to Conscious Processing // Neuron. 2011. Vol. 70. No. 2. Р. 200–227.

11. Dieleman et al. 2024 – Dieleman S.E.L., Sartran L.P.M., Savinov N., Ganin I., Richemond P., Doucet A., …, Hawthorne C.G.-M. Score Interpolation Diffusion Models (International Publication No. WO 2024/110596 A1).World Intellectual Property Organization. – URL: https://patents.google.com/patent/WO2024110596A1/en

12. Elamrani 2025 – Elamrani A. Introduction to Artificial Consciousness: History, Current Trends and Ethical Challenges // arXiv preprint. 2025. arXiv:2503.05823.

13. Gao et al. 2025 – Gao Z., Chen L., Xiao Y., Xing H., Tao R., Luo H., Zhou J., Dai B. Universal Reasoning Model // arXiv preprint. 2025. arXiv:2512.14693.

14. Lamme 2006 – Lamme V.A.F. Towards a True Neural Stance on Consciousness // Trends in Cognitive Sciences. 2006. Vol. 10. No. 11. Р. 494–501.

15. Li, Fung 2025 – Li M.Q., Fung B. Security Concerns for Large Language Models: A Survey // arXiv preprint. 2025. arXiv:2505.18889.

16. Li et al. 2025 – Li J., Dong X., Zang Y., Cao Y., Wang J., Lin D. Beyond Fixed: Variable-Length Denoising for Diffusion Large Language Models // arXiv preprint. 2025. arXiv:2508.00819.

17. Nie et al. 2025 – Nie S., Zhu F., You Z., Zhang X., Ou J., Zhou J., …, Li C. Large Language Diffusion Models // arXiv preprint. 2025. arXiv:2502.09992.

18. Rosenthal 2005 – Rosenthal D.M. Consciousness and Mind. – Oxford: Clarendon Press, 2005.

19. Shiller, Petrunya 2021 – Shiller A.V., Petrunya O.E. Architectural Approach to Design of Emotional Intelligent Systems // Russian Journal of Philosophical Sciences = Filosofskie nauki. Vol. 64, no. 1, pp. 102–115.

20. Sohl-Dickstein 2015 – Sohl-Dickstein J., Weiss E.A., Maheswaranathan N., Ganguli S. Deep Unsupervised Learning Using Nonequilibrium Thermodynamics // Proceedings of the 32nd International Conference on Machine Learning. 2015. Vol. 37. P. 2256-2265.

21. Song et al. 2025 – Song Y., Zhang Z., Luo C., Gao P., Xia F., Luo H., …, Zhou H. Seed Diffusion: A Large-Scale Diffusion Language Model with High-Speed Inference // arXiv preprint. 2025. arXiv:2508.02193.

22. Tononi 2008 – Tononi G. Consciousness as Integrated Information: A Provisional Manifesto // Biological Bulletin. 2008. Vol. 215. No. 3. Р. 216–242.


Рецензия

Для цитирования:


Мариносян А.Х. Значение информационной теории сознания Д.И. Дубровского в проектировании архитектуры искусственного интеллекта. Философские науки. 2025;68(5):102-129. https://doi.org/10.30727/0235-1188-2025-68-5-102-129. EDN: VQZJOR

For citation:


Marinosyan A.K. The Significance of D.I. Dubrovsky’s Information Theory of Consciousness for Designing Artificial Intelligence Architectures. Russian Journal of Philosophical Sciences. 2025;68(5):102-129. (In Russ.) https://doi.org/10.30727/0235-1188-2025-68-5-102-129. EDN: VQZJOR



Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0235-1188 (Print)
ISSN 2618-8961 (Online)