生き甲斐 Ikigai

Tâm trí nằm ở giao điểm.The mind lives at the intersection.

Kéo ba lãnh thổ lại gần nhau — triết học, thần kinh học, và AI — để mở bản đồ. Drag the three territories together — philosophy, neuroscience, and AI — to open the atlas.

Bản đồ Lãnh thổTerritory Map

Chọn một lãnh thổ để khám phá Choose a territory to explore

Triết Philos. Bài toán Khó · P-Zombie · Intentionality · Bản dạng · Chinese Room Hard Problem · P-Zombies · Intentionality · Personal Identity · Chinese Room AI AI Attention · Không gian tiềm ẩn · Scaling · Nền tảng ký hiệu Attention · Latent space · Scaling · Symbol grounding Não Neuro. Predictive Coding · Free-Energy · NCC · Binding Problem Predictive Coding · Free-Energy · NCC · Binding Problem
智

Lãnh thổTerritory · AI

Trí tuệ nhân tạoArtificial Intelligence

Cơ chế của máy học. Đọc các nút, rồi chạm hai widget flagship — wow sống ở giao điểm với Thần kinh học.The mechanisms of machine learning. Read the nodes, then touch the two flagship widgets — the wow lives at the seam with Neuroscience.

Trí tuệ nhân tạo Artificial Intelligence

Cơ chế Chú ý (Attention) Attention Mechanism

Cơ chế attention trong transformer hoạt động như một phép tra cứu có trọng số: mỗi token phát ra một query, so sánh với key của mọi token khác, rồi tổng hợp value tương ứng — tất cả diễn ra song song trong một ma trận. Vaswani và cộng sự (2017) chứng minh rằng chỉ cần attention là đủ để đạt kết quả dịch máy tốt nhất thế giới lúc bấy giờ, không cần hồi quy.[1]Attention in the transformer works as a weighted lookup: each token emits a query, compares it against every other token's key, then aggregates the corresponding values — all in parallel via matrix multiplication. Vaswani et al. (2017) showed that attention alone was sufficient for then-state-of-the-art machine translation, with no recurrence needed.[1]

Mỗi attention head học một "mẫu quan hệ" khác nhau — cú pháp, đồng tham chiếu, vị trí tương đối. Olsson và cộng sự (2022) phát hiện ra induction heads: các cặp head hoạt động phối hợp để sao chép chuỗi đã thấy trước đó, nền tảng của in-context learning.[2]Each attention head learns a different relational pattern — syntax, co-reference, relative position. Olsson et al. (2022) identified induction heads: pairs of heads that cooperate to copy previously seen sequences, forming the substrate of in-context learning.[2]

Câu hỏi mở: liệu attention có thực sự nắm bắt được "ý nghĩa về" (aboutness) của từ, hay chỉ là tương quan thống kê (correlation) được học từ dữ liệu lớn? Đây là câu hỏi trung tâm nối AI với triết học ngôn ngữ và khoa học thần kinh.The open question: does attention genuinely capture semantic aboutness, or is it sophisticated statistical correlation learned from scale? This is the central bridge question linking AI to philosophy of language and neuroscience.

→ Widget sắp ra mắt: Attention X-Ray — quan sát từng head attention trong thời gian thực. / → Coming widget: Attention X-Ray — observe each attention head in real time.
Vaswani et al., 2017 — arXiv:1706.03762 Kiến trúc Transformer thuần attention, không RNN/CNN. / Transformer architecture based entirely on attention, without RNN/CNN. ↗ nguồn Olsson et al., 2022 — arXiv:2209.11895 Induction heads: cơ chế học in-context trong transformer. / Induction heads: the in-context learning mechanism in transformers. ↗ nguồn

Trí tuệ nhân tạo Artificial Intelligence

Hình học Không gian Ẩn (Latent Space) Latent Space Geometry

Một mô hình ngôn ngữ biểu diễn mỗi từ (hoặc token) như một điểm trong không gian nhiều chiều — latent space. Ý nghĩa được mã hóa thành hình học: hướng = quan hệ, khoảng cách = tương đồng. Mikolov và cộng sự (2013) minh họa điều này bằng phép tính nổi tiếng: vua − nam + nữ ≈ nữ hoàng, không phải nhờ luật được lập trình, mà nhờ cấu trúc học được từ dữ liệu.[3]A language model represents each word (or token) as a point in a high-dimensional latent space. Meaning is encoded geometrically: direction = relationship, distance = similarity. Mikolov et al. (2013) illustrated this with the canonical arithmetic: king − man + woman ≈ queen — not from programmed rules, but from structure learned purely from data.[3]

Giới hạn của latent space thuần ngôn ngữ: các biểu diễn vẫn bị đứt gãy khỏi thế giới vật lý (symbol grounding problem — xem nút 根). CLIP của Radford và cộng sự (2021) mở rộng không gian ẩn để ánh xạ chung ảnh và văn bản, là một bước tiến tới grounding đa phương thức: embedding của ảnh một chú chó và câu "con chó" nằm gần nhau trong cùng một không gian.[4]The limit of purely linguistic latent space: representations remain disconnected from the physical world (the symbol grounding problem — see 根). CLIP (Radford et al., 2021) extends the latent space to jointly map images and text: the embedding of an image of a dog and the phrase "a dog" lie near each other in the same shared space, a step toward multimodal grounding.[4]

Hình học không gian ẩn ngày càng được dùng như kính hiển vi: phân tích hướng nào trong không gian tương ứng với khái niệm gì giúp giải thích (interpretability) hành vi mô hình — một lĩnh vực đang bùng nổ.Latent space geometry is increasingly used as a microscope: probing which directions correspond to which concepts is a core technique in the growing field of mechanistic interpretability.

Mikolov et al., 2013 — arXiv:1301.3781 word2vec: embedding từ bằng dự đoán ngữ cảnh. / word2vec: word embeddings via context prediction. ↗ nguồn Radford et al., 2021 — arXiv:2103.00020 (CLIP) Grounding ngôn ngữ vào ảnh qua contrastive learning. / Grounding language into images via contrastive learning. ↗ nguồn

Trí tuệ nhân tạo Artificial Intelligence

Luật Quy mô & Trỗi dậy (Scaling Laws & Emergence) Scaling Laws & Emergence

Kaplan và cộng sự (2020) phát hiện ra rằng mất mát của mô hình ngôn ngữ giảm theo luật lũy thừa (power law) khi tăng số tham số N, kích thước tập dữ liệu D, và ngân sách tính toán C — mỗi chiều độc lập với nhau ở phạm vi rộng. Đây là nền tảng lý thuyết cho làn sóng "cứ scale lên" của AI.[5]Kaplan et al. (2020) found that language model loss decreases as a smooth power law as you increase parameters N, dataset size D, and compute budget C — each independently over wide ranges. This became the theoretical foundation for the "just scale it" wave in AI.[5]

Hoffmann và cộng sự (2022) tinh chỉnh điều này với Chinchilla: với cùng ngân sách tính toán, tốt hơn nên train một mô hình nhỏ hơn trên nhiều token hơn, không phải mô hình lớn nhất có thể được.[6] Song song đó, nhiều bài báo báo cáo "khả năng trỗi dậy" (emergent abilities) — các kỹ năng đột ngột xuất hiện ở một ngưỡng quy mô nhất định.Hoffmann et al. (2022) refined this with Chinchilla: for a fixed compute budget, it is better to train a smaller model on more tokens than the largest possible model on fewer.[6] Alongside this, many papers reported "emergent abilities" — skills that seemed to appear suddenly at a certain scale threshold.

Schaeffer và cộng sự (2023) phản bác: khi dùng thang đo độ chính xác liên tục (thay vì nhị phân đúng/sai), các "trỗi dậy" biến mất — đường cong luôn trơn. "Emergence" có thể chỉ là ảo giác của thang đo phi tuyến, không phải đặc tính thật của mô hình.[7] Tranh luận này vẫn chưa kết thúc.Schaeffer et al. (2023) pushed back: when using continuous accuracy metrics (rather than binary pass/fail), the "emergent" jumps vanish — the curve is always smooth. "Emergence" may be an artifact of nonlinear metrics, not a genuine property of the model.[7] The debate remains open.

→ Temperature Dial widget (đang chạy bên dưới) cho thấy scaling ảnh hưởng đến phân phối xác suất ra sao. / → The Temperature Dial widget (live below) shows how sampling interacts with the probability distribution.
Kaplan et al., 2020 — arXiv:2001.08361 Luật lũy thừa: mất mát tỷ lệ với N, D, C theo hàm mũ. / Power laws: loss scales as power functions of N, D, C. ↗ nguồn Hoffmann et al., 2022 — arXiv:2203.15556 (Chinchilla) Tỷ lệ tối ưu tham số/token (Chinchilla). / Optimal parameter-to-token ratio (Chinchilla). ↗ nguồn Schaeffer et al., 2023 — arXiv:2304.15004 Các khả năng 'trỗi dậy' có thể là ảo giác do cách đo lường. / Emergent abilities may be an artifact of the metric. ↗ nguồn

Trí tuệ nhân tạo Artificial Intelligence

Căn cứ Ký hiệu (Symbol Grounding) Symbol Grounding Problem

Harnad (1990) đặt ra bài toán căn cứ ký hiệu: trong một hệ thống ký hiệu thuần túy, nghĩa của mỗi ký hiệu chỉ được định nghĩa qua ký hiệu khác — một vòng tròn khép kín không bao giờ chạm đến thế giới vật lý.[8] Giải từ điển sẽ không giúp ích gì nếu bạn không có một nền tảng tri giác (perceptual) để neo vào.Harnad (1990) posed the symbol grounding problem: in a purely symbolic system, every symbol's meaning is defined only by other symbols — a closed loop that never touches the physical world.[8] Looking up words in a dictionary is circular unless you have a perceptual anchor to start from.

Bender và Koller (2020) lập luận rằng mô hình ngôn ngữ học trên hình thức (form) — chuỗi ký tự, phân phối từ — chứ không học ý nghĩa (meaning), vì ý nghĩa đòi hỏi liên kết với thế giới ngoài văn bản.[9] Một mô hình có thể dùng từ "nóng" hoàn toàn đúng ngữ pháp và ngữ cảnh mà không bao giờ trải nghiệm nhiệt độ.Bender & Koller (2020) argued that language models train on form — token distributions — not meaning, because meaning requires a link to the world beyond text.[9] A model can use the word "hot" correctly in every context without ever experiencing temperature.

Các embedding đa phương thức (như CLIP) và robot học thể hiện (embodied learning) là những câu trả lời một phần: neo từ vào ảnh hoặc hành động vật lý cung cấp một lớp grounding. Nhưng câu hỏi gốc vẫn còn: liệu tương quan thống kê với dữ liệu giác quan có đủ để tạo ra ý nghĩa thực sự, hay vẫn còn thiếu gì đó? Đây là cầu nối trực tiếp đến triết học tâm trí và khoa học thần kinh.Multimodal embeddings (e.g. CLIP) and embodied learning offer partial answers: grounding tokens to images or physical actions provides a layer of anchoring. The original question persists: is statistical correlation with sensory data sufficient for genuine meaning, or is something still missing? This is the direct bridge to philosophy of mind and neuroscience.

→ Dopamine-TD widget (đang chạy bên dưới) cho thấy một dạng grounding tín hiệu thưởng trong não. / → The Dopamine-TD widget (live below) illustrates one form of reward-signal grounding in the brain.
Harnad, S., 1990 — Physica D 42:335–346 Bài toán gốc: ký hiệu cần được neo vào thế giới, không chỉ vào ký hiệu khác. / The original problem: symbols must be grounded in the world, not only in other symbols. ↗ nguồn Bender & Koller, 2020 — ACL 2020 (pp. 5185–5198) Mô hình hình thức (form) không học được ý nghĩa (meaning). / Form-based models cannot learn meaning. ↗ nguồn

Núm Nhiệt độThe Temperature Dial

Cùng một câu, một slider: temperature chỉ làm phẳng một cảnh xác suất cố định. Kéo lên — mạch lạc tan thành word-salad.One sentence, one slider: temperature just flattens a fixed probability landscape. Crank it up — coherence dissolves into word-salad.

Ngữ cảnh đóng băng (frozen prompt) Frozen context — fixed logits

Từ tiếp theo (next token): Next token:  
Entropy H Entropy H — bits
—
Phân phối đều — ngẫu nhiên cao Uniform distribution — high randomness
Nucleus sampling tắt (dùng tất cả token) Nucleus sampling off — all tokens eligible
Dữ liệu minh họa — logits hand-authored. Cite: Bridle 1990 (softmax); Holtzman et al. 2020 (top-p). Illustrative data — hand-authored logits. Cite: Bridle 1990 (softmax); Holtzman et al. 2020 (top-p).

Dopamine = Sai số Dự đoán Phần thưởngDopamine = Reward Prediction Error

Spike dopamine = δ của TD-learning. Kéo qua các lượt học: đỉnh dời ngược từ phần thưởng về tín hiệu báo, ở CẢ hai lãnh thổ.A dopamine spike is the TD-learning δ. Scrub through learning: the peak migrates backward from reward to cue — in both territories.

Dopamine & Sai Số Dự Đoán Dopamine & Prediction Error

Gai phóng dopamine mã hóa sai số TD — cùng một đại lượng trong hai ngôn ngữ Dopamine spikes encode the TD error — the same quantity in two languages

Phương trình TD: TD equation: δ = r + γV(s′) − V(s) | δ = — V = —
cue reward
1 / 30
腦

Lãnh thổTerritory · Thần kinh họcNeuroscience

Thần kinh họcNeuroscience

Bộ não như một cỗ máy tiên đoán. Đọc các nút, rồi tự chạy thí nghiệm Libet — nơi neuroscience đo được va vào câu hỏi tự do ý chí 2000 năm tuổi.The brain as a prediction machine. Read the nodes, then run the Libet experiment on yourself — where measurable neuroscience collides with a 2000-year-old question about free will.

Khoa học thần kinh Neuroscience

Mã hoá Tiên đoán (Predictive Coding) Predictive Coding

Vỏ não không chỉ thụ động nhận tín hiệu — nó liên tục phát ra tiên đoán (predictions) về các đầu vào giác quan sắp đến. Rao và Ballard (1999) đề xuất rằng vỏ não thị giác là một hệ thống phân cấp các mô hình sinh (generative models): tầng cao hơn gửi tiên đoán xuống tầng thấp hơn, và chỉ sai số tiên đoán (prediction error) — phần chưa được giải thích — mới được truyền đi ngược chiều lên.[1] Tri giác là kết quả của quá trình làm giảm sai số, không phải tập hợp thụ động đặc trưng từ các điểm ảnh.The cortex does not passively receive signals — it continuously emits predictions about incoming sensory input. Rao & Ballard (1999) proposed that visual cortex is a hierarchy of generative models: higher levels send predictions down to lower ones, and only the prediction error — the unexplained residual — propagates upward.[1] Perception is the outcome of minimizing that error, not a passive assembly of features from pixels.

Friston (2005, 2009) mở rộng khung này thành một lý thuyết thần kinh thống nhất: nhận thức, chú ý, và thậm chí hành động đều có thể được hiểu là các dạng suy luận tiên đoán.[2][3] Chú ý điều chỉnh độ chính xác (precision) của tín hiệu sai số; hành động là cách não giảm sai số bằng cách thay đổi thế giới thay vì thay đổi mô hình. Cả quá trình này khiến Helmholtz mô tả tri giác là "suy luận vô thức" — nay có nền tảng tính toán.Friston (2005, 2009) extended this into a unified neural theory: perception, attention, and even action can all be cast as forms of predictive inference.[2][3] Attention modulates the precision (reliability weighting) of error signals; action reduces prediction error by changing the world rather than the model. This makes Helmholtz's "unconscious inference" view of perception computationally explicit.

Cầu nối sang AI: backpropagation trong mạng nơ-ron cũng truyền sai số ngược chiều — nhưng qua toàn bộ mạng dùng đạo hàm toàn cục, trong khi predictive coding dùng sai số cục bộ tại mỗi synapse. Đây là một trong những tranh luận lý thú nhất ở giao thoa thần kinh học–AI: liệu não có thực sự "backprop" theo nghĩa nào đó không?The bridge to AI: backpropagation in neural networks also propagates errors in reverse — but globally via chain-rule gradients, whereas predictive coding uses local errors at each synapse. This is one of the most active debates at the neuroscience–AI interface: does the brain implement something functionally equivalent to backprop?

→ Widget Dopamine-TD (đang chạy trong vùng AI) minh họa một dạng prediction error trong hệ thưởng: tín hiệu RPE của dopamine là prediction error thưởng — cầu nối trực tiếp giữa predictive coding và học tăng cường. / → The Dopamine-TD widget (live in the AI territory) illustrates reward prediction error: dopamine RPE signals are a reward-domain instance of prediction error — a direct bridge between predictive coding and reinforcement learning.
Rao & Ballard, 1999 — Nature Neuroscience 2:79–87 Mô hình phân cấp: mỗi tầng vỏ não gửi tiên đoán xuống, chỉ sai số tiên đoán đi lên. / Hierarchical model: each cortical level sends predictions down; only prediction errors travel up. ↗ nguồn Friston, K., 2005 — Philosophical Transactions of the Royal Society B 360:815–836 Lý thuyết thống nhất về nhận thức và hành động theo tiên đoán. / Unified predictive account of perception and action. ↗ nguồn Friston, K., 2009 — Neuron 63:740–743 Tổng quan ngắn gọn nhất về predictive coding và free energy. / The most concise overview of predictive coding and free energy. ↗ nguồn

Khoa học thần kinh Neuroscience

Nguyên lý Năng lượng Tự do (Free-Energy Principle) Free-Energy Principle

Friston (2010) đặt ra một câu hỏi triệt để: điều gì làm cho một hệ thống sinh học — từ tế bào đến não — duy trì bản sắc và chống lại sự tan rã? Câu trả lời là: bất kỳ hệ thống tự tổ chức nào cũng phải tối thiểu hoá năng lượng tự do biến phân (variational free energy) — một cận trên toán học của bất ngờ (surprise), tức log-xác suất nghịch đảo của các trạng thái giác quan.[4] Não không thể tính trực tiếp bất ngờ, nhưng nó có thể tối thiểu hoá cận trên này bằng cách cập nhật các tiên đoán nội tại.Friston (2010) posed a radical question: what makes a biological system — from a cell to a brain — maintain its identity and resist dissolution? The answer: any self-organizing system must minimize variational free energy — a mathematical upper bound on surprise (the negative log-probability of sensory states).[4] The brain cannot compute surprise directly, but it can minimize this upper bound by updating its internal predictions.

Nguyên lý này là điểm ba trục (triple-point keystone) của thần kinh học lý thuyết: nó thống nhất predictive coding (tối thiểu hoá sai số tiên đoán = tối thiểu hoá free energy), suy luận Bayes (não như một máy Bayes cập nhật prior), và active inference (hành động để làm cho thế giới khớp với tiên đoán). Cả nhận thức lẫn hành động đều là hai mặt của một bài toán suy luận duy nhất.The principle is a triple-point keystone for theoretical neuroscience: it unifies predictive coding (minimizing prediction error = minimizing free energy), Bayesian brain theory (the brain as a Bayes-optimal inference machine updating its priors), and active inference (acting to make the world conform to predictions). Perception and action become two sides of a single inference problem.

Giới hạn và tranh luận: FEP rộng đến mức nhiều nhà phê bình lập luận rằng nó quá tổng quát để bác bỏ (unfalsifiable). Các người ủng hộ phản bác rằng đây là một nguyên lý thiết kế (design principle), không phải giả thuyết thực nghiệm — tương tự như nguyên lý tối thiểu hoá tác dụng trong vật lý. Tranh luận về tính khả kiểm (testability) vẫn đang diễn ra.Limits and debate: the FEP is broad enough that critics argue it is unfalsifiable — any system can be described as minimizing free energy after the fact. Proponents counter that FEP is a design principle, not an empirical hypothesis — analogous to the principle of least action in physics. The debate over its testability remains active and unresolved.

Friston, K., 2010 — Nature Reviews Neuroscience 11:127–138 Bài báo hệ thống nhất về free-energy principle: nhận thức, hành động, và học là suy luận biến phân. / The canonical FEP paper: perception, action, and learning as variational inference. ↗ nguồn

Khoa học thần kinh Neuroscience

Tương quan Thần kinh của Ý thức (Neural Correlates of Consciousness) Neural Correlates of Consciousness

Năm 1990, Crick và Koch đặt ra chương trình nghiên cứu NCC: thay vì giải quyết trực tiếp câu hỏi triết học "tại sao có trải nghiệm chủ quan", hãy tìm cơ chế thần kinh tối thiểu đủ để tạo ra một tri giác có ý thức cụ thể.[5] Đây là chiến lược thực nghiệm — tìm correlate đo được, không phải giải thích bản thể luận. Crick và Koch (2003) làm rõ thêm: NCC là câu hỏi khoa học thần kinh, còn "vấn đề khó" (hard problem — tại sao có qualia?) thuộc triết học.[6]In 1990, Crick & Koch launched the NCC research program: rather than directly solving the philosophical question of why subjective experience exists, find the minimal neural mechanisms jointly sufficient for a given conscious percept.[5] This is an empirical strategy — identify measurable correlates, not ontological explanations. Crick & Koch (2003) sharpened the distinction: NCC is a neuroscience question; the "hard problem" (why there is any subjective character at all) belongs to philosophy.[6]

Paradigm thực nghiệm chủ lực là binocular rivalry: khi hai ảnh không tương thích được chiếu vào hai mắt, tri giác dao động giữa chúng — trong khi đầu vào giác quan không đổi. Sự thay đổi ý thức không kèm thay đổi kích thích cho phép các nhà nghiên cứu phân lập hoạt động thần kinh theo dõi tri giác (chứ không phải kích thích). Koch và cộng sự (2016) tổng quan hai lý thuyết cạnh tranh chính: Integrated Information Theory (IIT, Tononi) và Global Workspace Theory (GWT, Dehaene/Baars).[7]The workhorse experimental paradigm is binocular rivalry: when two incompatible images are presented to the two eyes, perception alternates between them — while sensory input remains unchanged. This dissociation of percept from stimulus lets researchers isolate neural activity that tracks perception rather than stimulation. Koch et al. (2016) survey the two dominant competing theories: Integrated Information Theory (IIT, Tononi) and Global Workspace Theory (GWT, Dehaene/Baars).[7]

Câu hỏi mở trung tâm: liệu NCC có thực sự giải thích ý thức, hay chỉ mô tả nó? Crick và Koch thừa nhận rằng tìm được NCC không có nghĩa là giải được vấn đề khó — correlate không phải nguyên nhân, và "thần kinh học của ý thức" vẫn khác với "khoa học của trải nghiệm". Đây là con trỏ trực tiếp sang vùng triết học — xem nút sắp tới về qualia và vấn đề khó.The central open question: does finding NCCs actually explain consciousness, or merely describe it? Crick & Koch acknowledged that identifying NCCs does not solve the hard problem — a correlate is not a cause, and the "neuroscience of consciousness" is still not the "science of experience." This is the direct pointer to the philosophy territory — see the forthcoming node on qualia and the hard problem.

→ Widget sắp ra mắt: Đồng hồ Libet — thí nghiệm về ý chí tự do (readiness potential trước khi "quyết định" có ý thức) — minh họa trực tiếp khoảng cách giữa hoạt động thần kinh và trải nghiệm chủ quan. / → Coming widget: Libet Clock — the readiness-potential experiment (neural activity precedes the conscious "decision") — directly illustrates the gap between neural activity and subjective experience.
Crick, F. & Koch, C., 1990 — Seminars in the Neurosciences 2:263–275 Tuyên ngôn nghiên cứu NCC: tìm cơ chế thần kinh tối thiểu đủ cho một tri giác có ý thức. / The NCC research manifesto: find the minimal neural mechanisms sufficient for a conscious percept. Crick, F. & Koch, C., 2003 — Nature Neuroscience 6:119–126 Phân biệt NCC với vấn đề khó (hard problem); tranh luận về vai trò vùng trán. / Distinguishes NCC from the hard problem; debates the role of prefrontal cortex. ↗ nguồn Koch, C. et al., 2016 — Nature Reviews Neuroscience 17:307–321 Tổng quan hệ thống về NCC: IIT vs Global Workspace, phương pháp đo lường hiện đại. / Systematic review of NCC: IIT vs Global Workspace, modern measurement methods. ↗ nguồn

Khoa học thần kinh Neuroscience

Vấn đề Gắn kết (The Binding Problem) The Binding Problem

Não xử lý màu sắc (vùng V4), chuyển động (vùng MT/V5), và hình dạng (vùng IT) ở các vùng tách biệt nhau — vậy làm sao tất cả các đặc trưng đó kết hợp thành tri giác về "một quả bóng đỏ đang lăn"? Đây là vấn đề gắn kết (binding problem). Treisman (1996) đề xuất Feature Integration Theory: sự chú ý có định vị (focal attention) hoạt động như "keo", gắn kết các đặc trưng tại cùng một vị trí không gian thành một đối tượng thống nhất.[8] Không có chú ý → các đặc trưng trôi nổi tự do và có thể bị hoán đổi nhầm (illusory conjunctions).The brain processes color (area V4), motion (area MT/V5), and shape (inferotemporal cortex) in separate regions — so how do these features combine into the percept of "a rolling red ball"? This is the binding problem. Treisman (1996) proposed Feature Integration Theory: focal spatial attention acts as "glue," binding features at the same spatial location into a unified object.[8] Without attention, features float freely and can be incorrectly conjoined (illusory conjunctions).

Von der Malsburg (công trình gốc 1981, tổng quan 1999) và Singer & Gray (1995) đề xuất một giải pháp thần kinh: các tế bào thần kinh mã hoá các đặc trưng của cùng một đối tượng sẽ phóng điện đồng bộ theo dải gamma (30–80 Hz) — temporal binding by gamma synchrony.[9][10] Đồng bộ hoá tạm thời thay thế kết nối vật lý: "cùng đối tượng" = "cùng pha dao động", không cần một vùng não tổng hợp tập trung nào.Von der Malsburg (original work 1981, reviewed 1999) and Singer & Gray (1995) proposed a neural solution: neurons encoding features of the same object fire in synchrony in the gamma band (30–80 Hz) — temporal binding by gamma synchrony.[9][10] Transient synchronization replaces physical wiring: "same object" = "same oscillatory phase," with no single central convergence area required.

Giả thuyết gamma synchrony vẫn gây tranh luận mạnh: dữ liệu ủng hộ không nhất quán giữa các loài và vùng não; một số thí nghiệm kích thích TMS vào vùng thị giác không phá vỡ gắn kết đối tượng như kỳ vọng. Vấn đề gắn kết vẫn chưa được giải quyết — và có kết nối trực tiếp với câu hỏi về NCC: một tri giác thống nhất có ý thức đòi hỏi sự gắn kết thành công trước đó.The gamma synchrony hypothesis remains contested: supporting data are inconsistent across species and brain regions; some TMS studies disrupting visual areas fail to break object binding as expected. The binding problem remains unsolved — and it connects directly to the NCC question: a unified conscious percept presupposes successful binding.

Treisman, A., 1996 — Current Opinion in Neurobiology 6:171–178 Feature Integration Theory: sự chú ý gắn kết các đặc trưng tách rời thành đối tượng thống nhất. / Feature Integration Theory: attention binds separately processed features into unified objects. ↗ nguồn von der Malsburg, C., 1999 — Neuron 24:95–104 Giả thuyết gắn kết theo thời gian: đồng bộ hoá tạm thời định nghĩa một đối tượng tri giác. / Temporal binding hypothesis: transient synchrony defines a perceptual object. ↗ nguồn Singer, W. & Gray, C.M., 1995 — Annual Review of Neuroscience 18:555–586 Bằng chứng thực nghiệm cho gamma synchrony (30–80 Hz) trong vỏ não thị giác mèo. / Experimental evidence for gamma synchrony (30–80 Hz) in cat visual cortex. ↗ nguồn

Đồng hồ LibetThe Libet Clock

Bấm khi bạn thấy ý định cử động. Não đã khởi động ~350ms TRƯỚC khoảnh khắc bạn báo cáo quyết định — rồi xem Schurger phản biện: đường dốc ấy chỉ là ảo ảnh của phép lấy trung bình.Press when you feel the urge to move. Your brain ramped up ~350ms BEFORE the moment you reported deciding — then see Schurger's rebuttal: that ramp is an averaging artifact.

Đồng Hồ Libet & Ý Chí Tự Do Libet Clock & Free Will

Readiness potential bắt đầu ~550 ms trước khi bạn báo cáo quyết định có ý thức. Điều đó có nghĩa là gì? The readiness potential begins ~550 ms before your reported conscious urge. What does that mean?

Nhấn Bắt đầu để khởi động vòng quay Press Start to begin the spin
Lượt 1 / 5 Trial 1 / 5
心

Lãnh thổTerritory · Triết học tâm tríPhilosophy of mind

Triết học tâm tríPhilosophy of Mind

Những câu hỏi mà cơ chế không trả lời được. Đọc các nút, rồi tự vận hành Căn phòng Tiếng Trung — tạo ra tiếng Trung trôi chảy mà hiểu = 0, và hỏi: máy có thật sự hiểu?The questions mechanism cannot answer. Read the nodes, then operate the Chinese Room yourself — produce fluent Chinese while understanding nothing, and ask: does the machine truly understand?

Triết học Philosophy of Mind

Bài toán Khó của Ý thức (The Hard Problem) The Hard Problem of Consciousness

Chalmers (1995) phân chia câu hỏi về ý thức thành hai loại. Các "bài toán dễ" — dù không thực sự dễ về mặt khoa học — hỏi về chức năng: làm thế nào não xử lý thông tin, phân biệt kích thích, kiểm soát hành vi, hay tạo ra báo cáo ngôn ngữ? Những câu hỏi này có thể nguyên tắc được giải bằng khoa học thần kinh và khoa học nhận thức, vì câu trả lời chỉ đòi hỏi giải thích cơ chế.[1] Bài toán khó là khác hoàn toàn: tại sao toàn bộ quá trình chức năng đó lại đi kèm với trải nghiệm chủ quan — qualia — ngay cả khi không có lý do chức năng nào bắt buộc điều đó?Chalmers (1995) divides questions about consciousness into two kinds. The "easy problems" — not easy in any scientific sense — ask about function: how does the brain discriminate stimuli, integrate information, control behavior, or produce verbal reports? These can in principle be answered by neuroscience and cognitive science, because the answer only requires explaining a mechanism.[1] The hard problem is categorically different: why does all that functional processing come with subjective experience — qualia — even when no functional reason compels it?

Nagel (1974) đặt điểm nhấn bằng thí nghiệm tư duy con dơi: chúng ta có thể biết tất cả về bộ não dơi và sonar của nó, nhưng chúng ta không bao giờ biết cảm giác định vị tiếng vang từ bên trong là như thế nào.[2] Đây chính là khoảng cách giải thích (explanatory gap) mà không có tài khoản chức năng nào có vẻ đủ để lấp đầy: dù mô tả cơ chế tốt đến đâu, câu hỏi "nhưng tại sao lại có trải nghiệm?" vẫn còn nguyên. Đây là nút cầu nối trực tiếp đến widget Chinese Room bên dưới — Searle lập luận rằng cú pháp đơn thuần không bao giờ tạo ra ngữ nghĩa, và do đó không bao giờ tạo ra trải nghiệm thực sự.Nagel (1974) sharpens the point with the bat thought experiment: we can know everything about a bat's brain and its sonar system, yet never know what echolocation feels like from the inside.[2] This is the explanatory gap that no functional account seems able to close: no matter how precisely you describe the mechanism, the question "but why is there experience at all?" remains untouched. This node bridges directly to the Chinese Room widget below — Searle's argument that syntax alone never produces semantics, and therefore never produces genuine experience.

Hai giải pháp chính đang cạnh tranh: physicalism (trải nghiệm là vật lý, chúng ta chỉ chưa hiểu đủ về não) và dualism (trải nghiệm là phi vật lý, không thể rút gọn). Chalmers nghiêng về dualism tài sản (property dualism) — trải nghiệm là một tài sản cơ bản của thế giới không rút gọn được thành vật lý. Physicalists phản bác rằng bài toán "khó" chỉ là bài toán chúng ta chưa giải được, không phải bài toán không thể giải.Two major solutions compete: physicalism (experience is physical; we just do not yet understand the brain well enough) and dualism (experience is non-physical and irreducible). Chalmers leans toward property dualism — experience is a fundamental feature of the world not reducible to physics. Physicalists counter that the "hard" problem is merely unsolved, not unsolvable, and that the explanatory gap reflects our ignorance rather than a real ontological divide.

→ Widget Chinese Room (đang chạy bên dưới trong vùng này) — Searle lập luận rằng thao tác ký hiệu không bao giờ tạo ra hiểu biết thực sự hay qualia: cầu nối trực tiếp từ bài toán khó sang AI. / → Chinese Room widget (live below in this territory) — Searle's argument that symbol manipulation never produces genuine understanding or qualia: the direct bridge from the hard problem to AI.
Chalmers, D.J., 1995 — Journal of Consciousness Studies 2(3):200–219 Phân biệt 'bài toán dễ' (chức năng, hành vi, báo cáo) với bài toán khó: tại sao có trải nghiệm chủ quan. / Distinguishes the 'easy problems' (functions, behavior, reportability) from the hard problem: why there is subjective experience at all. ↗ nguồn Nagel, T., 1974 — Philosophical Review 83(4):435–450 Nếu có điều gì đó giống như là một con dơi, thì trải nghiệm đó không thể bị rút gọn thành mô tả khách quan. / If there is something it is like to be a bat, that experience cannot be reduced to any objective description. ↗ nguồn

Triết học Philosophy of Mind

Zombie Triết học (Philosophical Zombies) Philosophical Zombies

Thí nghiệm tư duy zombie triết học (p-zombie) của Chalmers (1996) là một trong những vũ khí sắc bén nhất chống lại physicalism: hãy tưởng tượng một sinh thể hoàn toàn giống bạn về mặt vật lý và chức năng — mọi nguyên tử, mọi phản ứng thần kinh, mọi hành vi đều giống hệt — nhưng hoàn toàn không có trải nghiệm chủ quan bên trong.[3] Sinh thể đó sẽ đi qua ánh sáng đỏ, nói "tôi thấy đỏ", và hành động như người thấy màu sắc — nhưng không có gì giống như là sinh thể đó cả: bên trong chỉ là bóng tối.Chalmers's (1996) philosophical zombie (p-zombie) thought experiment is one of the sharpest arguments against physicalism: imagine a being physically and functionally identical to you — every atom, every neural firing, every behavior matches exactly — yet with no subjective experience whatsoever.[3] This creature would stop at red lights, say "I see red," and act in every way like a color-perceiving being — but there is nothing it is like to be it: inside, only darkness.

Bước logic quan trọng: nếu p-zombie là khả niệm (conceivable) — không mâu thuẫn nội tại — thì có thể lập luận rằng chúng cũng khả thi (metaphysically possible). Nếu chúng khả thi, thì trải nghiệm chủ quan không phải là tất yếu từ vật lý — và physicalism sụp đổ. Bước đi từ conceivability sang possibility là điểm tranh luận nóng nhất: nhiều triết gia (Frankish, Levine) lập luận rằng khả năng tưởng tượng không bằng chứng cho khả thi hình nhi học.The crucial logical step: if p-zombies are conceivable — free of internal contradiction — then one can argue they are also metaphysically possible. If possible, subjective experience is not entailed by physical facts — and physicalism fails. The conceivability-to-possibility step is the hottest contested point: many philosophers (Frankish, Levine) argue that imaginability is not evidence for metaphysical possibility.

Dennett (1991) phản bác bằng cách đặt câu hỏi về sự phân biệt bản thân: ông đề xuất "zimboes" — zombie biết mình là zombie, tự báo cáo trạng thái nội tâm, và đệ quy trên sự tự báo cáo đó.[4] Nếu sinh thể có đủ chức năng để hành động như người có trải nghiệm ở mọi cấp độ — bao gồm cả việc nói "tôi tự hỏi liệu tôi có ý thức không" — sự phân biệt giữa zombie và người có ý thức thực sự tự tan rã. Đây cũng là cầu nối trực tiếp đến AI: một LLM có phải là một p-zombie không?Dennett (1991) counters by attacking the distinction itself: he proposes "zimboes" — zombies that know they are zombies, self-report their inner states, and recursively reflect on those self-reports.[4] If a being is functionally complete enough to behave at every level like an experiencing being — including saying "I wonder whether I am conscious" — the distinction between zombie and genuinely conscious being collapses. This is also the direct AI bridge: is an LLM a p-zombie?

Chalmers, D.J., 1996 — The Conscious Mind. Oxford University Press. Lập luận p-zombie đầy đủ: nếu một zombie vật lý là khả niệm thì physicalism về ý thức là sai. / Full p-zombie argument: if a physical zombie is conceivable then physicalism about consciousness is false. Dennett, D.C., 1991 — Consciousness Explained. Little, Brown. Phản bác qua 'zimboes': bất kỳ zombie nào đủ chức năng sẽ tự báo cáo có trải nghiệm — sự phân biệt tự tan rã. / Counter via 'zimboes': any functionally complete zombie would self-report having experience — the distinction collapses.

Triết học Philosophy of Mind

Tính hướng vật (Intentionality / Aboutness) Intentionality

Brentano (1874) đặt ra dấu hiệu phân biệt của cái tâm thần: tính hướng vật (intentionality) — mọi trạng thái tâm thần đều hướng về (about) một đối tượng nào đó.[5] Niềm tin hướng về một mệnh đề; mong muốn hướng về một trạng thái thế giới; tri giác hướng về một đối tượng bên ngoài. Đây không phải là tính chất của các sự vật vật lý thông thường: một hòn đá không "về" bất kỳ điều gì, nhưng suy nghĩ "tôi muốn uống cà phê" rõ ràng hướng về một trạng thái trong thế giới.Brentano (1874) identified the distinguishing mark of the mental: intentionality — every mental state is about, or directed toward, some object.[5] Beliefs are about propositions; desires are about states of the world; perceptions are about external objects. This is not a property of ordinary physical things: a rock is not "about" anything, but the thought "I want coffee" is clearly directed at a state of the world.

Searle (1983) tinh chỉnh sự phân biệt thành intentionality nội tại (intrinsic) và intentionality dẫn xuất (derived).[6] Trạng thái não của bạn khi nghĩ về Paris có intentionality nội tại — nó về Paris theo nghĩa căn bản, không thông qua người dùng khác. Từ "Paris" trên giấy chỉ có intentionality dẫn xuất: ký hiệu về Paris vì người đọc đem lại ý nghĩa đó. Đây là nền tảng lập luận Chinese Room: máy tính thao tác ký hiệu và chỉ có intentionality dẫn xuất — không bao giờ intentionality nội tại, và do đó không thực sự "hiểu".Searle (1983) sharpened this into intrinsic versus derived intentionality.[6] Your brain state when thinking about Paris has intrinsic intentionality — it is about Paris in a fundamental sense, not via any other user. The word "Paris" on paper has only derived intentionality: the symbol is about Paris because readers bring that meaning to it. This grounds the Chinese Room argument: computers manipulate symbols and possess only derived intentionality — never intrinsic intentionality, and therefore never genuine understanding.

Harnad (1990) nối intentionality với bài toán neo ký hiệu (symbol grounding problem): nếu mọi ký hiệu trong một hệ thống chỉ được định nghĩa qua ký hiệu khác, hệ thống không bao giờ neo vào thế giới — vòng tròn khép kín không tạo ra intentionality nội tại.[7] Đây là cầu nối lớn nhất giữa triết học tâm trí và AI: liệu các hệ thống học máy — kể cả multimodal — có thể thoát khỏi intentionality dẫn xuất? Xem nút Symbol Grounding trong vùng AI.Harnad (1990) connects intentionality to the symbol grounding problem: if every symbol in a system is defined only by other symbols, the system never anchors to the world — the closed loop never yields intrinsic intentionality.[7] This is the largest bridge between philosophy of mind and AI: can machine learning systems — including multimodal ones — escape derived intentionality? See the Symbol Grounding node in the AI territory.

→ Widget Chinese Room (đang chạy bên dưới) — minh họa trực tiếp intentionality dẫn xuất vs nội tại: người trong phòng thao tác ký hiệu Hán tự hoàn hảo mà không hiểu chúng. / → Chinese Room widget (live below) — directly demonstrates derived vs intrinsic intentionality: the person in the room manipulates Chinese symbols perfectly without understanding them.
Brentano, F., 1874 — Psychologie vom empirischen Standpunkt. Duncker & Humblot. Tính hướng vật là dấu hiệu phân biệt của hiện tượng tâm thần: mọi trạng thái tâm thần đều 'hướng về' một đối tượng. / Intentionality as the mark of the mental: every mental state is 'directed toward' an object. Searle, J.R., 1983 — Intentionality: An Essay in the Philosophy of Mind. Cambridge University Press. Phân biệt intentionality nội tại (intrinsic) với intentionality dẫn xuất (derived): não có intentionality nội tại; ký hiệu trên giấy chỉ có intentionality dẫn xuất qua người dùng chúng. / Distinguishes intrinsic from derived intentionality: the brain has intrinsic intentionality; symbols on paper have only derived intentionality via their users. Harnad, S., 1990 — Physica D 42:335–346 Bài toán neo ký hiệu: hệ thống ký hiệu thuần túy không bao giờ neo vào thế giới — nối intentionality với symbol grounding. / The symbol grounding problem: a purely symbolic system never anchors to the world — connecting intentionality to symbol grounding. ↗ nguồn

Triết học Philosophy of Mind

Bản dạng Cá nhân (Personal Identity) Personal Identity

Điều gì làm cho bạn ngày hôm nay là cùng một người với bạn mười năm trước? Locke (1689) đề xuất liên tục tâm lý qua ký ức: bạn là người đó vì bạn có thể nhớ lại trải nghiệm của người đó.[8] Điều này cắt đứt bản dạng khỏi cả liên tục thể xác (tế bào của bạn hầu hết được thay thế) lẫn linh hồn hình nhi học (không cần thiết). Nhưng đề xuất Locke đối mặt với một vấn đề logic nổi tiếng: nếu tôi nhớ sự kiện A, và sự kiện A là ký ức của sự kiện B, nhưng tôi không nhớ trực tiếp B — có nghĩa là tôi là người trải nghiệm B không?What makes you today the same person as you ten years ago? Locke (1689) proposed psychological continuity via memory: you are that person because you can recollect their experiences.[8] This severs identity from both bodily continuity (your cells are mostly replaced) and metaphysical soul (unnecessary). But Locke's proposal faces a famous logical problem: if I remember event A, and the person at event A remembered event B, but I do not directly remember B — am I the same person as the one who experienced B?

Parfit (1984) triệt để hóa câu hỏi bằng các trường hợp tele-transport và phân nhánh (fission).[9] Hãy tưởng tượng một máy tele-transport quét toàn bộ cấu trúc não bạn, phá hủy bản gốc, và tái tạo bạn ở sao Hỏa từ vật liệu mới. Người ở sao Hỏa có liên tục tâm lý hoàn toàn — là bạn chứ? Rồi Parfit thêm vào: điều gì xảy ra nếu máy không phá hủy bản gốc mà tạo ra hai bản sao? Cả hai đều có yêu cầu bằng nhau về bản dạng — nhưng không thể là cùng một người. Parfit kết luận: bản dạng (identity) có thể không phải là điều quan trọng; điều quan trọng là tồn tại tiếp diễn (survival) qua liên tục tâm lý, dù có mang theo bản dạng hay không.Parfit (1984) radicalizes the question with teletransportation and fission cases.[9] Imagine a machine that scans your entire brain structure, destroys the original, and reconstructs you on Mars from new matter. The Mars person has full psychological continuity — is that you? Then Parfit adds: what if the machine does not destroy the original but creates two copies? Both have equal claim to your identity — but they cannot be the same person. Parfit concludes: identity may not be what matters; what matters is survival via psychological continuity, whether or not identity tags along.

Câu hỏi về bản dạng cá nhân nối trực tiếp đến AI và khoa học thần kinh: nếu một hệ thống AI đủ có liên tục tâm lý (ký ức, mục tiêu, nhân cách ổn định qua thời gian), có nghĩa lý gì khi nói nó "là cùng" hệ thống qua các phiên bản? Và từ góc độ khoa học thần kinh: nếu não được thay thế từng nơ-ron một bằng silicon, tại điểm nào (nếu có) ý thức biến mất?The question of personal identity connects directly to AI and neuroscience: if an AI system has sufficient psychological continuity — memory, goals, stable personality over time — does it make sense to say it "is the same" system across versions? And from neuroscience: if the brain were replaced neuron by neuron with silicon, at what point (if any) does consciousness disappear?

Locke, J., 1689 — An Essay Concerning Human Understanding, Book II, Ch. 27. (Many editions.) Liên tục tâm lý qua ký ức là tiêu chí của bản dạng cá nhân — không phải liên tục thể xác hay linh hồn. / Psychological continuity via memory is the criterion of personal identity — not bodily or soul continuity. Parfit, D., 1984 — Reasons and Persons, Part III. Oxford University Press. Nghịch lý tele-transport và phân nhánh: bản dạng có thể không phải điều quan trọng; tồn tại tiếp diễn (survival) là điều quan trọng. / Teletransportation and fission puzzles: identity may not be what matters; what matters is survival (psychological continuity).

Căn phòng Tiếng TrungThe Chinese Room

Bạn là người trong phòng: tra bảng quy tắc, nhả ra tiếng Trung trôi chảy — mà không hiểu một chữ. HUD đếm 'đã hiểu: 0' không bao giờ nhúc nhích. Rồi lật phòng: hoá ra đó chính là một phép tra cứu token của transformer.You are the person in the room: look up the rulebook, emit fluent Chinese — understanding nothing. The HUD's 'understood: 0' never moves. Then flip the room: it was a transformer's token-lookup all along.

Phòng Trung Văn The Chinese Room

Kéo một ký tự vào phòng. Quan sát tra cứu. Đọc con số không. Drag a glyph into the room. Watch the lookup. Read the zero.

    đã khớp matched 0 đã hiểu understood 0
    Hoàn thành 2 lần khớp để mở khóa Complete 2 matches to unlock

    Chữ chỉ trỏ tới chữ — không bao giờ chạm tới thế giới. Symbols point only to other symbols — never to the world.