Computational Concept of the Psyche

Dit artikel stelt een cognitieve architectuur voor waarin de psyche wordt gezien als een besturingssysteem dat behoeften en intelligentie integreert, en formaliseert de creatie van kunstmatige algemene intelligentie als een systeem voor het nemen van optimale beslissingen in een onzekere omgeving om doelen te bereiken, existentiële risico's te minimaliseren en energie-efficiëntie te maximaliseren.

De kern

De Psyche als Besturingssysteem: Een Simpele Uitleg

Stel je voor dat de menselijke geest (de psyche) niet een mysterieus, onbegrijpelijk spook is, maar eigenlijk heel veel lijkt op het besturingssysteem van een computer, zoals Windows of iOS. Dat is de kernboodschap van dit artikel van Anton Kolonin en Vladimir Krykov. Ze proberen uit te leggen hoe we een kunstmatige intelligentie (een robot of AI) kunnen bouwen die net zo slim is als een mens, door te kijken naar hoe wij mensen zelf werken.

Hier is de uitleg, vertaald naar alledaagse taal met een paar leuke vergelijkingen:

1. De Geest is een Besturingssysteem

In plaats van te denken aan "ziel" of "geest" als iets magisch, zien de auteurs de psyche als het OS (Operating System) van een levend wezen of een robot.

• Het doel: Net als een computer besturingssysteem ervoor zorgt dat de hardware werkt, zorgt de psyche ervoor dat een wezen overleeft en zich voortplant.
• De kern: Alles draait om behoeften. Een mens heeft honger, dorst, de behoefte aan veiligheid, maar ook aan sociale contacten of nieuwsgierigheid. Een AI moet ook "behoeften" hebben om echt slim te worden.

2. De "Behoeften-ruimte": Een Raamwerk van Prioriteiten

Stel je een grote, virtuele ruimte voor waarin alle mogelijke dingen die je nodig hebt, als punten liggen. Dit noemen ze de ruimte van behoeften.

• De Matrix: In deze ruimte zitten verschillende "knoppen" of "balkjes" die aangeven hoe sterk een behoefte op dat moment is.
  • Voorbeeld: Als je honger hebt, springt de balk "eten" hoog op. Als je bang bent, springt de balk "veiligheid" omhoog.
• De Vector: De auteurs zeggen dat een beslissing nemen eigenlijk een wiskundige berekening is. Je kijkt naar al je behoeften (de vector) en probeert de beste actie te kiezen die de meeste behoeften tegelijkertijd bevredigt, zonder te veel energie te verspillen.

3. Twee Systeemjes in Je Hoofd (Snel en Langzaam)

Het artikel verwijst naar een bekend idee van de psycholoog Daniel Kahneman:

• Systeem 1 (De Reflex): Dit is je onderbewuste, snelle deel. Het denkt niet na, het reageert direct. Denk aan een auto die automatisch remt als er plotseling een kind op de weg springt. In een AI is dit een neuraal netwerk dat patronen herkent.
• Systeem 2 (De Planneraar): Dit is je bewuste, langzame deel. Dit deel denkt na over de toekomst, maakt plannen en weegt risico's af.
• De Oplossing: De auteurs willen een AI bouwen die beide systemen combineert. De "snelle" AI doet het zware werk, en de "langzame" AI kijkt of het plan ook echt slim is op de lange termijn.

4. Emoties zijn de "Brandstof" en het "Navigatiesysteem"

Dit is misschien wel het leukste deel. In dit model zijn emoties geen mysterieuze gevoelens, maar signalen.

• Positieve emotie (Blijdschap): Dit is een groen lichtje. Het zegt: "Goed zo! Die actie heeft een behoefte bevredigd. Doe dat nog eens!"
• Negatieve emotie (Pijn/Verdriet): Dit is een rood waarschuwingslichtje. Het zegt: "Oeps! Die behoefte is niet bevredigd, of er is gevaar. Pas je gedrag aan!"
• De Analogie: Stel je voor dat je een robot bouwt die honger heeft. Als hij eet, krijgt hij een "blijdschapssignaal". Als hij tegen de muur loopt, krijgt hij een "pijn-signaal". De robot leert door te proberen wat hem "blij" maakt en te vermijden wat hem "pijn" doet. Dit noemen ze experiential learning (leren door ervaring).

5. De "Overlevingsenergie": De Munt van het Leven

Om alle beslissingen te kunnen vergelijken, gebruiken ze een concept dat ze overlevingsenergie noemen.

• Voor een mens is dit fysieke energie (eten, slapen).
• Voor een AI is dit elektrische energie of rekenkracht.
• De Vergelijking: Denk aan dit als een universele munt. Alles wat je doet, kost deze munt. Als je een beslissing neemt, vraag je je af: "Is de beloning (bijv. eten vinden) het waard om de kosten (energie) te betalen?" De slimste AI is degene die het meeste bereikt met de minste energie.

6. Het Experiment: Ping-pong Spelen

Om te bewijzen dat dit werkt, hebben ze een simpele AI getraind om ping-pong te spelen tegen een muur.

• De AI had vier "behoeften":
  1. Blij: Als hij de bal raakt.
  2. Triest: Als hij de bal mist en de bal tegen hem zelf botst.
  3. Nieuwsgierig: Als hij iets nieuws ziet (novelty).
  4. Verwachtend: Als de wereld voorspelbaar is.
• Het Resultaat: Ze ontdekten dat als de AI te bang was voor het "Triest"-signaal (het vermijden van fouten), hij stopte met proberen en niets leerde. Maar als hij meer focus had op het "Blij"-signaal (beloning voor succes), leerde hij snel en werd hij goed in het spel. Dit laat zien dat een goede balans tussen angst en ambitie cruciaal is voor leren.

Conclusie: Wat betekent dit voor de toekomst?

De auteurs zeggen: "Als we een AI willen bouwen die echt slim is, moeten we hem niet alleen leren rekenen, maar hem ook 'behoeften' geven."

• Hij moet weten wat hij nodig heeft om te overleven.
• Hij moet kunnen voelen (via signalen) of hij goed of slecht presteert.
• Hij moet leren door ervaring, net als een kind.

Kortom: Ze zien de geest als een super-slimme besturingssoftware die voortdurend probeert de "energie-balk" vol te houden en de "behoeften-balken" te regelen, zodat het wezen (mens of robot) gelukkig en veilig blijft.

Technische samenvatting

Titel: Computatieel Concept van de Psyche

Auteurs: Anton Kolonin en Vladimir Krykov

---

1. Het Probleem

De huidige pogingen om kunstmatige algemene intelligentie (AGI) te creëren, missen vaak een systemisch model dat de menselijke psyche nabootst. Bestaande benaderingen, zoals puur probabilistische modellen of verschillende vormen van probabilistische logica, negeren vaak cruciale aspecten zoals:

• Efficiëntie: De beperkingen op energieverbruik en economische kosten.
• Behoeften: Het gebrek aan een interne drijfveer gebaseerd op een hiërarchie van behoeften (fysiologisch en psychologisch).
• Risicomanagement: Het vermogen om existentiële risico's en onzekerheid te managen in plaats van alleen te maximaliseren op basis van verwachte waarde.
• Interdisciplinariteit: De integratie van psychologie (psychoanalyse), systeemtheorie en micro-economie in één computatieel raamwerk.

Het fundamentele probleem is het ontbreken van een architectuur die intelligentie ziet als een besturingssysteem dat optimale beslissingen neemt in een ruimte van staten, gedreven door behoeften, met als doel overleving en voortplanting (of hun kunstmatige equivalenten).

2. Methodologie

De auteurs stellen een antropocentrisch model van de psyche voor, waarbij de psyche wordt gedefinieerd als het besturingssysteem van een levend of kunstmatig agent. De methodologie combineert theorieën uit de psychologie, systeemtheorie en economie met machine learning.

Kernconcepten:

• Psyche als Besturingssysteem: De psyche bestaat uit een ruimte van staten die behoeften, sensaties en acties omvat. Intelligentie is het sub-systeem dat beslissingen neemt om deze behoeften te bevredigen.
• Ruimte van Behoeften (Needs Space): Behoeften worden gemodelleerd als een vectorruimte (of tensorruimte voor complexe systemen). Dit omvat een "matrix van behoeften" die prioriteiten toekent aan fysiologische en psychologische drijfveren.
• Survival Energy: Een conceptuele eenheid (vergelijkbaar met een "energie-dollar") die wordt gebruikt om doelgerichte activiteit te evalueren. Dit omvat zowel biologische energie (voor organismen) als elektrische energie (voor AGI).
• Beslissingsproces:
  • Gebaseerd op Anokhins theorie van functionele systemen en het principe van dynamisch evenwicht.
  • Gebruik van Vooruitzichttheorie (Prospect Theory) in plaats van klassieke verwachte nuttheorie. Dit houdt in dat beslissingen worden gewogen op basis van zowel positieve als negatieve consequenties en de subjectieve waarde daarvan.
  • Motivatievector ($z$): Gedefinieerd als het scalair product van een langetermijnprioriteitsvector ($x$, het "persoonlijkheidsprofiel" of genetische/culturele code) en een kortetermijnvector van ontevredenheid/actualisatie ($y$, gebaseerd op emoties).
• Hybride Neuro-Symbolische Architectuur:
  • Implementatie van Kahneman's "Systeem 1" (snelle, reflexieve beslissingen via neurale netwerken) en "Systeem 2" (langzame, bewuste planning via symbolische logica).
  • Gebruik van Tensor Logic om kennis te vertalen tussen neurale netwerken en kennisgrafieken.
• Leren door Ervaring: Het agent leert via versterking (reinforcement learning), maar uitgebreid met impliciete versterkingen zoals voorspelbaarheid (reductie van onzekerheid) en energie-efficiëntie.

Architectuur:

Het model gebruikt een vierlaags geheugenarchitectuur:

1. Episodisch langetermijngeheugen: Volledige logs van interacties om catastrofale vergeetachtigheid te voorkomen.
2. Modelgeheugen: Een neurale-associatieve of symbolische representatie van de wereld (patronen en regels).
3. Operationele context: Korte-termijngeheugen voor huidige beslissingen.
4. Aandachtsfocus: Huidige waarnemingen.

3. Belangrijkste Bijdragen

1. Formalisatie van de Psyche: Een wiskundige formalisatie van de psyche als een besturingssysteem dat opereert in een ruimte van staten, waarbij behoeften de drijvende kracht zijn.
2. Integratie van Economie en Risico: De introductie van economische kostenanalyse en risicomanagement (existentieel en energetisch) als fundamentele componenten van intelligentie, in plaats van als bijzaak.
3. Vectoriële Utility: Het vervangen van een scalair nut (utility) door een vectoriële benadering die rekening houdt met meerdere dimensies: winst, verlies, energie-efficiëntie en voorspelbaarheid.
4. Hybride Architectuur: Een concreet voorstel voor een AGI-architectuur die neurale netwerken en symbolische logica combineert via tensor logica, wat kennisoverdracht en interpretatiebaarheid mogelijk maakt.
5. Minimalistische Implementatie: Een werkend prototype dat de theorie toetst in een simpele omgeving.

4. Resultaten (Empirische Evaluatie)

De auteurs hebben een experiment uitgevoerd waarbij een agent leerde ping-pong te spelen tegen een muur ("Single-player Ping-Pong").

• Opzet: De agent opereerde in een vierdimensionale ruimte van behoeften:
  1. Happy: Positieve versterking bij het raken van de bal.
  2. Sad: Negatieve versterking bij het raken van de bal door de speler (verlies).
  3. Novelty: Nieuwheid van de situatie.
  4. Expectedness: Voorspelbaarheid van de situatie.
• Vergelijking: Er werd getest met verschillende prioriteiten voor positieve versus negatieve versterking.
• bevindingen:
  • Wanneer de agent gelijke prioriteit gaf aan het vermijden van negatieve versterking en het zoeken van positieve versterking, vertraagde het leerproces aanzienlijk of faalde het volledig. Negatieve feedback onderdrukte de exploratie en strafte het creëren van nieuwe strategieën.
  • Door prioriteit te geven aan positieve feedback boven het vermijden van negatieve feedback, bleef het leervermogen stabiel en werd succes bereikt onder alle experimentele omstandigheden.
  • Dit bevestigt dat een balans in de "motivatievector" cruciaal is voor effectief leren; te veel angst voor negatieve consequenties (risico-aversie) kan de exploratie van een agent blokkeren.

5. Betekenis en Conclusie

Dit artikel biedt een brug tussen de theoretische psychologie en de praktische bouw van AGI.

• Theoretisch: Het definieert intelligentie niet als abstracte logica, maar als een systeem dat complexe doelen bereikt onder beperkte middelen, gedreven door een hiërarchie van behoeften en een economisch risicoprofiel.
• Praktisch: Het biedt een blauwdruk voor het bouwen van AGI-systemen die niet alleen "slim" zijn, maar ook "overlevingsgericht" en energie-efficiënt.
• Toekomst: De voorgestelde architectuur, met zijn hybride geheugen en tensor-gebaseerde logica, biedt een weg naar systemen die zowel intuïtief (Systeem 1) als rationeel (Systeem 2) kunnen opereren, zonder last te hebben van catastrofale vergeetachtigheid.

De studie concludeert dat het formaliseren van de psyche als een besturingssysteem voor behoeftedynamiek een haalbare route is naar het creëren van kunstmatige intelligentie die menselijk gedrag kan nabootsen of zelfs overtreffen.