[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,93 +2,139 @@
|
||||
id: wiki-2026-0508-global-neuronal-workspace
|
||||
title: Global Neuronal Workspace
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [PREI-AUTO-GNW-001]
|
||||
aliases: [GNW, GNWT, global-workspace-theory]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, Global-Neuronal-Workspace, consciousness, information-broadcast, cognitive-architecture, ignition]
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [neuroscience, consciousness, cognitive-architecture]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-05
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
language: python
|
||||
framework: neuro-cognitive
|
||||
---
|
||||
|
||||
# [[Global-Neuronal-Workspace|전역적 신경 워크스페이스 (Global Neuronal Workspace, GNW)]]
|
||||
# Global Neuronal Workspace
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "무대 뒤에서 속삭이는 수많은 무의식의 목소리 중 하나가 '주의'라는 조명을 받아 뇌 전체로 울려 퍼지는, 지능의 전역 방송국."
|
||||
## 매 한 줄
|
||||
> **"매 conscious access = workspace 로 의 broadcast"**. Dehaene & Changeux 의 GNWT — 매 prefrontal-parietal long-range neuron 의 ignition 시 정보 의 brain-wide 의 broadcast 가 발생, 이것이 conscious experience 의 neural correlate. 매 LLM/AGI architecture 의 inspiration source.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
전역적 신경 워크스페이스(GNW)는 뇌의 분산된 모듈들이 어떻게 정보를 공유하고 통합하여 의식을 형성하는지를 설명하는 인지 과학 모델입니다.
|
||||
## 매 핵심
|
||||
|
||||
1. **신경적 점화(Ignition)와 방송(Broadcast)**:
|
||||
* 무의식적 모듈들이 특정 정보를 처리하며 경쟁하다가, 주의(Attention)를 통해 임계값을 넘으면 '점화'가 발생.
|
||||
* 점화된 정보는 전두엽, 두정엽 등을 잇는 장거리 네트워크를 통해 뇌 전체로 '방송'되어 모든 모듈이 접근 가능한 상태가 됨.
|
||||
2. **나비넥타이(Bowtie) 아키텍처**:
|
||||
* 수많은 감각 입력이 전두-두정 네트워크라는 좁은 '병목(Bottleneck)'으로 수렴된 후, 다시 전역으로 확장되는 구조.
|
||||
* 이 병목 구간이 정보를 라우팅하고 통합하는 핵심 엔진 역할을 수행.
|
||||
3. **계산론적 시뮬레이션**:
|
||||
* 최근에는 홉필드 네트워크([[Hopfield-Networks|Hopfield-Networks]]) 등을 활용하여 GNW의 동역학(측면 경쟁, 점화 임계값 등)을 수학적으로 모델링하려는 시도가 활발함.
|
||||
### 매 정의
|
||||
- **Workspace neurons**: long-range pyramidal cells (layer 2/3 in PFC, parietal).
|
||||
- **Ignition**: 매 sub-threshold processing 의 supra-threshold broadcast 로 의 nonlinear transition (~300ms post-stimulus, P3b component).
|
||||
- **Module ↔ workspace**: 매 specialist module 의 결과 의 workspace 로 의 winner-take-all entry.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **용량의 한계 (RL Update)**: 전역 공유는 정보의 가용성을 높이지만, 병목 구간의 물리적 한계로 인해 의식적으로 처리 가능한 정보의 양은 매우 제한적이고 직렬적임(한 번에 하나의 방송만 가능).
|
||||
- **All-or-None 법칙**: 임계값을 넘지 못한 정보는 아무리 복잡한 처리가 이루어져도 '의식'에 도달하지 못해 맥락적으로 활용되지 못함. AI 설계 시에도 이러한 '점화 임계값' 개념을 도입하여 노이즈를 필터링할 필요가 있음.
|
||||
### 매 측거
|
||||
- P3b ERP — ignition signature.
|
||||
- Long-distance gamma synchrony.
|
||||
- fMRI 의 prefrontal-parietal co-activation under conscious report task.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Prefrontal-Cortex|Prefrontal-Cortex]], [[Context-Integration|Context-Integration]], [[Attention-Mechanism|Attention-Mechanism]], [[Neuro-Symbolic-AI|Neuro-Symbolic-AI]] (중앙 통제)
|
||||
- **Raw Source**: Datacollector_MAC/out_wiki/전역적 신경 워크스페이스 (GNW).md
|
||||
---
|
||||
### 매 응용
|
||||
1. Anesthesia monitoring — workspace breakdown 의 measure.
|
||||
2. Vegetative state diagnosis — Owen et al. mental imagery paradigm.
|
||||
3. AI architecture — Bengio's Consciousness Prior, Goyal's Coordination via Attention.
|
||||
4. LLM analysis — 매 attention 의 workspace 로 의 mapping.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
## 💻 패턴
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### Workspace-style Coordination Layer
|
||||
```python
|
||||
import torch
|
||||
import torch.nn as nn
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
class GlobalWorkspace(nn.Module):
|
||||
"""매 specialist module 의 의 winner-take-all broadcast."""
|
||||
def __init__(self, n_modules: int, dim: int, k_winners: int = 4):
|
||||
super().__init__()
|
||||
self.attn = nn.MultiheadAttention(dim, num_heads=8, batch_first=True)
|
||||
self.k = k_winners
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
def forward(self, module_outputs: torch.Tensor) -> torch.Tensor:
|
||||
# module_outputs: (B, n_modules, dim)
|
||||
scores = module_outputs.norm(dim=-1) # (B, n_modules)
|
||||
topk = scores.topk(self.k, dim=-1).indices
|
||||
gather_idx = topk.unsqueeze(-1).expand(-1, -1, module_outputs.size(-1))
|
||||
winners = module_outputs.gather(1, gather_idx) # (B, k, dim)
|
||||
broadcast, _ = self.attn(winners, winners, winners)
|
||||
return broadcast.mean(dim=1)
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
### Ignition Detector (P3b-like)
|
||||
```python
|
||||
import numpy as np
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
def detect_ignition(eeg: np.ndarray, fs: int = 1000, electrode_pz: int = 31):
|
||||
"""Pz 의 250-450ms window 의 amplitude → ignition flag."""
|
||||
window = eeg[electrode_pz, int(0.25 * fs):int(0.45 * fs)]
|
||||
baseline = eeg[electrode_pz, :int(0.1 * fs)]
|
||||
p3b = window.mean() - baseline.mean()
|
||||
return p3b > 3 * baseline.std(), p3b
|
||||
```
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### Consciousness Prior (Bengio)
|
||||
```python
|
||||
class ConsciousnessPrior(nn.Module):
|
||||
"""매 sparse high-level state z_t 의 의 dependency 의 sparse factor graph 의 학습."""
|
||||
def __init__(self, dim, k_active=5):
|
||||
super().__init__()
|
||||
self.encoder = nn.Linear(dim, dim)
|
||||
self.k = k_active
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
def forward(self, h):
|
||||
z = self.encoder(h)
|
||||
topk_vals, topk_idx = z.abs().topk(self.k, dim=-1)
|
||||
mask = torch.zeros_like(z).scatter_(-1, topk_idx, 1.0)
|
||||
return z * mask
|
||||
```
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
### Long-range Gamma Coupling
|
||||
```python
|
||||
from scipy.signal import hilbert
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
def plv(x, y):
|
||||
"""Phase-locking value — 매 long-distance gamma synchrony proxy."""
|
||||
px = np.angle(hilbert(x))
|
||||
py = np.angle(hilbert(y))
|
||||
return np.abs(np.exp(1j * (px - py)).mean())
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Conscious report task | P3b + gamma coupling |
|
||||
| AI coordination | Workspace + sparse top-k |
|
||||
| Anesthesia depth | Workspace breakdown index |
|
||||
| Disorder of consciousness | Active paradigm (mental imagery) |
|
||||
|
||||
**기본값**: GNW + IIT 의 complementary — GNW 의 access consciousness, IIT 의 phenomenal.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Theory-of-Consciousness]] · [[Cognitive-Architecture]]
|
||||
- 변형: [[Global-Workspace-Theory]] (Baars) · [[GNWT]] (Dehaene)
|
||||
- 응용: [[Consciousness-Prior]] · [[Anesthesia-Monitoring]] · [[Disorder-of-Consciousness]]
|
||||
- Adjacent: [[Integrated-Information-Theory]] · [[Higher-Order-Theory]] · [[Predictive-Processing]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: cognitive architecture design / consciousness 관련 신경과학 정리 / multi-agent coordination.
|
||||
**언제 X**: 매 phenomenal consciousness (qualia) 의 explanation — IIT 의 영역.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **GNW = consciousness fully**: 매 access vs phenomenal 의 conflate.
|
||||
- **Workspace = single bottleneck**: 매 실제로 distributed competition.
|
||||
- **PFC = consciousness seat**: 매 posterior hot zone view 의 ignore.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Dehaene 2014 Consciousness and the Brain, Mashour et al. 2020 Neuron).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — GNW + AI architecture inspiration 패턴 |
|
||||
|
||||
Reference in New Issue
Block a user