来源： 本来实验室

概要

CODAM模型，即Corollary Discharge of Attention Movement模型，是由John G. Taylor等人提出的一种神经网络模型，其目的是解释意识体验的神经机制。该模型的核心理念是，意识体验源于注意力移动时产生的伴随放电（corollary discharge）或前馈副本（efference copy）信号。这些信号不仅提高了注意力焦点移动的效率，还在意识中形成了对即将发生事件的预期，而这种预期被认为是意识体验的重要组成部分。CODAM模型进一步扩展了传统的注意力弹道控制模型，通过引入注意力运动控制信号及其伴随放电的子网络，为理解注意力与意识之间的关系提供了新的视角。该模型已经成功应用于模拟视觉领域的Posner效益效应，即注意力转移导致的反应时间缩短现象。通过这种方式，CODAM模型为探索意识的神经基础和注意力机制之间的相互作用提供了一个有力的工具。下面我们就来介绍这个模型：

John G. Taylor

John G. Taylor是一位在神经网络和认知计算领域做出显著贡献的学者。他自1969年开始研究神经网络，并在金融和机器人学等领域应用了这些研究成果。Taylor是伦敦国王学院的数学名誉教授，曾担任该校神经网络中心主任，并在德国朱利叶斯医学研究所的研究中心担任客座科学家。John G. Taylor拥有理论物理博士学位，学术生涯涵盖了数学物理和人工智能方面的工作，所以不难理解提出了CODAM神经网络模型。

Taylor在1999年出版了《Race for Consciousness》一书，该书详细介绍了CODAM模型的理论基础和应用。

工程控制

CODAM模型核心思想是运用控制工程的概念来模拟人类的注意力机制。该模型不仅关注意识内容，即意向的对象，还深入探讨了作为意识内容所有者的内在自我。它位于传统神经元层面与全局信息流之间，提供了一个温和的理论框架，旨在解决意识功能的问题。

Taylor的研究成果得到了详细的科学实验数据的支持，这使得CODAM模型成为了首个被科学实验数据详细支持的意识模型。这些实验数据不仅验证了模型的有效性，还为理解人类及动物意识的演化提供了独特的视角。

从控制工程角度来看，反馈控制是一个基本概念，它通过监测系统的输出并与预定的目标进行比较，然后根据偏差来调整系统的输入，以确保系统的行为符合预期。CODAM模型借鉴了这一原理，认为大脑中的注意力机制也是一个动态的反馈系统。当大脑接收到外部刺激时，它会评估这些刺激的重要性，并通过反馈回路调整注意力的焦点，以便更有效地处理信息。

自适应控制是另一个控制工程中的关键概念，它允许系统根据环境的变化自动调整其行为。在CODAM模型中，这种自适应性体现在注意力机制能够根据任务需求和环境变化动态调整其分配。例如，当一个人在嘈杂的环境中试图听清某人的讲话时，他们的注意力机制会自动调整，以过滤掉背景噪音并专注于说话人的声音。

CODAM模型还考虑了多层并行处理的概念，这是指在神经网络中，信息可以在多个层次上并行处理，以提高效率。在模拟人类注意力时，这意味着大脑可以同时处理多个任务，并根据任务的重要性和紧急程度动态分配注意力资源。

此外，CODAM模型还包括冲突控制与抑制的机制，这是指在面对多个竞争性的刺激时，大脑需要选择性地关注某些信息，而抑制其他不相关的干扰。这种选择性关注是通过认知控制过程中的元意识调节机制来实现的，它帮助我们维持对主要任务的关注，同时减少干扰信息的影响。

最后，CODAM模型强调动态调整与优化的重要性，这是指通过优化算法来调整注意力分配策略，以提高任务执行的效率。例如，通过最小化注意力转移的时间或最大化任务响应速度来优化注意力分配。

伴随放电

根据CODAM模型，意识的产生机制涉及到一种特殊的神经信号，称为“伴随放电”或“副效应放电”。当大脑中的注意—运动控制信号被激活时，会同步生成一个伴随放电信号，也被称为注意复制信号。这个信号是意识体验的关键神经机制，它为相关的神经活动提供了“所有者”内容，从而产生了意识体验。

在CODAM模型的框架下，伴随放电信号的作用远不止于提高注意力焦点的移动效率。它实际上是内在自我产生的神经基础。伴随放电信号确保了意识内容的所有权经验是由那些短暂存在于工作记忆部位的注意复制信号的活动所创造的。换句话说，伴随放电信号在意识的创造过程中扮演着至关重要的角色。

CODAM模型和全局工作空间理论（GWT）结合

在CODAM模型中，伴随放电/注意复制网络被视为意识所有者内在自我的潜在来源。该网络与全局工作空间理论（GWT）中的全局工作空间概念相呼应，因为两者都涉及大脑中信息的整合和共享。伴随放电信号在生成意识内容方面起着至关重要的作用，且可能是内在自我的最终居所，这与GWT中将意识视为全局信息共享平台的观点相契合。

结合GWT，CODAM模型特别强调了伴随放电信号在意识创造过程中的核心作用。作为注意复制信号，伴随放电信号为大脑中的注意—运动控制信号提供了实时副本。这种副本机制使大脑能够立即产生意识体验，而不需要依赖后续神经活动的增强。这种即时性是意识体验的关键特征之一，它有助于解释我们为何能迅速意识到自己的注意焦点和行动意图。

此外，CODAM模型和GWT都认为，意识内容的所有权经验是由短暂驻留在工作记忆中的注意复制信号的活动所促成的。这种所有权经验是意识的一个基本特征，它使我们能够区分自己的思想和感觉与外部刺激。在GWT中，这种所有权经验通过全局工作空间中的信息整合和共享来实现，而在CODAM模型中，则主要通过伴随放电信号来实现。

内在自我

在CODAM模型中，内在自我是通过一种特殊的神经信号——伴随放电信号的活动来实现的。伴随放电信号为大脑中的注意—运动控制信号提供了实时副本，这一机制使得大脑能够立即产生意识体验，而不需要依赖后续神经活动的增强。这种即时性是意识体验的关键特征之一，它解释了我们为何能迅速意识到自己的注意焦点和行动意图。

伴随放电信号不仅在生成意识内容方面起着至关重要的作用，而且可能是内在自我的最终居所。这种信号确保了意识内容的所有权经验是由那些短暂驻留在工作记忆中的注意复制信号的活动所促成的。这种所有权经验是意识的一个基本特征，它使我们能够区分自己的思想和感觉与外部刺激。

在CODAM模型中，内在自我还与认知控制过程中的元意识调节机制密切相关。这个机制帮助我们维持对主要任务的关注，同时减少干扰信息的影响。通过元意识调节，我们能够意识到自己的注意力状态，并根据需要调整注意力分配，以优化任务执行效率。

多层并行处理

CODAM模型的多层并行处理机制是一种模拟大脑如何同时处理多个任务并动态分配资源的理论框架。在这个模型中，大脑被设想为一个多层次的系统，每个层次都能够独立地处理信息，同时也能够与其他层次交互和共享信息。

在CODAM模型中，多层并行处理的关键在于注意复制信号（corollary discharge of attention movement）的引入。这种信号是大脑在执行注意—运动控制时产生的，它为大脑中的注意—运动控制信号提供了实时副本。这种副本机制使得大脑能够即时产生意识体验，而不需要依赖后续神经活动的增强。

多层并行处理机制的具体实现方式如下：

分层结构：大脑被分为不同的层次，每个层次负责处理不同类型的信息。例如，较低层次可能负责处理感官输入，而较高层次则负责处理更复杂的认知任务。

并行处理：每个层次都能够独立地处理信息，这意味着多个任务可以在同一时间内并行进行。这种并行处理提高了信息处理的速度和效率。

动态资源分配：大脑能够根据当前任务的需求动态地分配资源。例如，当一个任务需要更多的注意力时，大脑会将更多的资源分配给处理该任务的层次。

信息共享：不同层次之间可以通过注意复制信号进行信息共享。这种共享机制允许大脑在不同任务之间传递重要信息，从而提高处理多个任务的效率。

灵活性和适应性：多层并行处理机制使得大脑能够在局部和全局等不同信息处理模式之间灵活切换，这对应着较好的智力发展和适应环境变化的能力。

通过这种方式，CODAM模型提供了一个综合的框架来解释大脑如何通过多层并行处理机制来实现高效的多任务处理和智力发展。

AI 聊天机器人 ChatGPT 升级为一款强大的搜索引擎，这一举动被外界视为 OpenAI 自与 Google 展开竞争以来最为大胆的举措。