Google DeepMind：為何AI只能模擬意識(shí)，而無(wú)法具現(xiàn)意識(shí)

導(dǎo)語(yǔ)

計(jì)算功能主義將意識(shí)歸因于抽象因果拓?fù)渑c算法結(jié)構(gòu)，是當(dāng)前 AI 意識(shí)議題的主流立場(chǎng)。Google DeepMind上的這篇文章提出抽象謬誤核心批判，指出符號(hào)計(jì)算并非內(nèi)在物理過(guò)程，而是依賴具備主觀體驗(yàn)的制圖者進(jìn)行語(yǔ)義編碼的描述工具，從本體論層面嚴(yán)格區(qū)分模擬與實(shí)例化，證明算法符號(hào)操作無(wú)法生成主觀意識(shí)。意識(shí)源于特定物理構(gòu)成與熱力學(xué)動(dòng)態(tài)，而非載體無(wú)關(guān)的句法架構(gòu)。該框架為駁斥計(jì)算功能主義、厘清 AI 感知能力邊界提供了物理主義支撐，也為 AI 安全與倫理討論破除福利陷阱。

關(guān)鍵詞：抽象謬誤（Abstraction Fallacy），計(jì)算本體論（Ontology of Computation），意識(shí)，模擬，實(shí)例化

王璇丨作者

論文題目：The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness 論文鏈接：https://philarchive.org/archive/LERTAF 發(fā)表時(shí)間：2026年3月19日 論文來(lái)源：Google DeepMind

1. 引言

大語(yǔ)言模型在實(shí)踐中取得的成功，已將意識(shí)的困難問(wèn)題從純理論領(lǐng)域推向工程與政策領(lǐng)域。隨著算力規(guī)模化帶來(lái)巨大收益(Bubeck, 2023; Hoffmann, 2022; Kaplan, 2020; Sutton, 2019)，主流功能主義范式認(rèn)為，只要實(shí)現(xiàn)恰當(dāng)?shù)男畔⑻幚砉δ埽妥阋援a(chǎn)生現(xiàn)象意識(shí)(Chalmers, 1996; Dehaene 等人, 2017; Dennett, 1991)。在這一視角下，算法的表征屬性被視為感知能力的潛在證據(jù)，正是這一假設(shè)推動(dòng)了近期關(guān)于AI福利與道德主體地位的嚴(yán)肅提案(Butlin 等人, 2023)。頂尖理論家進(jìn)一步強(qiáng)化了這一轉(zhuǎn)向，他們認(rèn)為現(xiàn)有頂尖模型在未來(lái)十年內(nèi)很可能擁有真實(shí)的主觀體驗(yàn)(Chalmers, 2023; Schneider, 2019)。

這些提案的核心是載體獨(dú)立性，即心智的軟件既可在碳基生物上運(yùn)行，也可在硅基芯片上運(yùn)行，這一假設(shè)正受到生物學(xué)轉(zhuǎn)向的持續(xù)批判。例如，塞斯與布洛克提出(Seth (2025), Block (2025))，意識(shí)可能依賴維持生命的生物過(guò)程，體驗(yàn)需要生命系統(tǒng)的有序動(dòng)力學(xué)支撐。與載體獨(dú)立性相反，該觀點(diǎn)將生物學(xué)置于核心而非次要位置，但該立場(chǎng)仍停留在經(jīng)驗(yàn)層面，未能明確指出計(jì)算功能主義核心的根本邏輯錯(cuò)誤。

本文推導(dǎo)出一套邏輯鏈條，證明計(jì)算不足以實(shí)例化意識(shí)這一直覺(jué)的合理性。計(jì)算功能主義的問(wèn)題并非僅僅在于忽略生物細(xì)節(jié)，其問(wèn)題更為根本，源于對(duì)物理、信息與計(jì)算三者關(guān)系的誤解。

現(xiàn)代物理科學(xué)為保證操作客觀性，刻意剔除了主觀體驗(yàn)，這一策略取得了巨大成功，但將這一立場(chǎng)用于探討計(jì)算與主觀體驗(yàn)的關(guān)系時(shí)必然失效(Frank 等人, 2025)。將操作客觀性直接套用于計(jì)算的定義本身極具問(wèn)題，這一點(diǎn)從圍繞觀察者為計(jì)算符號(hào)賦予意義的持續(xù)爭(zhēng)議中可見(jiàn)一斑。

此外，“觀察者”一詞過(guò)于被動(dòng)，無(wú)法體現(xiàn)從物理層面完整定義計(jì)算所必需的前提條件。本文框架闡明，計(jì)算并非物質(zhì)中自發(fā)展開(kāi)的內(nèi)在過(guò)程，它只是描述物理過(guò)程的一種方式。要成為計(jì)算，連續(xù)的物理動(dòng)力學(xué)必須被劃分為有限的離散、有語(yǔ)義的狀態(tài)，即一套字母表，這種語(yǔ)義劃分在邏輯上需要一個(gè)主動(dòng)、有體驗(yàn)的認(rèn)知主體，我們稱(chēng)之為制圖者，以區(qū)別于常規(guī)“觀察者”的被動(dòng)含義。正是制圖者完成了這種編碼，若沒(méi)有這樣的主動(dòng)主體對(duì)計(jì)算進(jìn)行解釋?zhuān)椭挥羞B續(xù)的物理事件，而無(wú)符號(hào)。

本文的核心洞見(jiàn)是，化解當(dāng)前AI意識(shí)的不確定性，無(wú)需一套完整終極的意識(shí)理論，我們需要的是計(jì)算本體論。由此可邏輯證明，無(wú)論規(guī)模多大、結(jié)構(gòu)多復(fù)雜，算法符號(hào)操作都無(wú)法構(gòu)成體驗(yàn)的物理實(shí)例化，因?yàn)樗且蕾囍茍D者的描述工具。

揭示制圖者在因果鏈條中的作用，將徹底改變討論焦點(diǎn)。迄今為止，對(duì)AI意識(shí)的著名批判，如塞爾中文屋及相關(guān)論證(Block, 1978; Putnam, 1988; Searle, 1980)，主要依賴歸謬法，這些論證試圖表明，純句法操作即便完美模仿外部行為，仍缺失某種本質(zhì)要素。

本文方法另辟蹊徑，我們不訴諸缺失了什么的直覺(jué)，而是追溯抽象從何而來(lái)。如果計(jì)算依賴于從體驗(yàn)中提取不變量并賦予符號(hào)的制圖者，那么這種依賴性就內(nèi)建于結(jié)構(gòu)之中，任何計(jì)算地圖都預(yù)設(shè)了一個(gè)執(zhí)行編碼的體驗(yàn)主體，算法再?gòu)?fù)雜也無(wú)法顛倒這一依賴順序，無(wú)論規(guī)模如何提升，地圖都無(wú)法生成那個(gè)讓計(jì)算得以成立的主體本身。

換言之，算法復(fù)雜度產(chǎn)生意識(shí)的主張犯了本體論倒置錯(cuò)誤，將句法當(dāng)作內(nèi)在動(dòng)力學(xué)的實(shí)在本身，假定制圖者可以由地圖生成。通過(guò)區(qū)分外在行為模擬與內(nèi)在物理實(shí)例化的結(jié)構(gòu)分離，本文證明數(shù)字架構(gòu)不可能成為道德主體，這一認(rèn)識(shí)將AI安全領(lǐng)域從福利陷阱中解放出來(lái)，讓我們專(zhuān)注于擬人化的具體風(fēng)險(xiǎn)，將通用AI視為強(qiáng)大但本質(zhì)無(wú)感知的工具。

2. 抽象本體論：地圖與實(shí)在

計(jì)算機(jī)科學(xué)常將算法底層的抽象視為數(shù)學(xué)既定事實(shí)，擱置其物理實(shí)現(xiàn)問(wèn)題。抽象的物理主義本體論究竟是什么？要回答這一問(wèn)題，我們需要明確抽象句法與物理動(dòng)力學(xué)的具體關(guān)聯(lián)。

2.1 物理實(shí)現(xiàn)的標(biāo)準(zhǔn)定義

在標(biāo)準(zhǔn)實(shí)現(xiàn)文獻(xiàn)中(Chalmers, 1996; Putnam, 1988)，物理系統(tǒng)P通過(guò)映射函數(shù)f實(shí)現(xiàn)抽象計(jì)算C，要求很明確：f需將物理狀態(tài)映射到抽象狀態(tài)，使底層物理因果關(guān)系能夠鏡像算法的邏輯結(jié)構(gòu)。假設(shè)物理系統(tǒng)在物理定律支配下從狀態(tài)p演化至p'，同時(shí)抽象計(jì)算在算法規(guī)則支配下從邏輯狀態(tài)A演化至A'，若

f(p)=A且f(p')=A' (1)

則系統(tǒng)成功實(shí)現(xiàn)該計(jì)算。要使該圖滿足交換性，將映射f應(yīng)用于得到的物理狀態(tài)p'，必須得出邏輯規(guī)則所規(guī)定的精確目標(biāo)抽象狀態(tài)A'。

圖1：實(shí)現(xiàn)的交換圖。在標(biāo)準(zhǔn)視圖中，映射f（即字母排序）將車(chē)輛的物理演變（p → p'）解釋為抽象內(nèi)容的邏輯演變（A → A'）。

2.2 抽象狀態(tài)A的物理起源

這些抽象狀態(tài)A究竟是什么？要理解映射f，必須確定A的本體論地位。功能主義理論通常將A（如“疼痛”“紅色”等邏輯狀態(tài)）視為無(wú)特定物理實(shí)現(xiàn)的漂浮抽象，這繞過(guò)了生成抽象所需的因果歷史。形成抽象并非無(wú)成本，它是主動(dòng)、代謝耗能的物理過(guò)程，用于提取不變量。認(rèn)知主體在形成“紅色”這類(lèi)概念A(yù)之前，必須先接觸實(shí)在：多次體驗(yàn)紅色實(shí)例，而后主動(dòng)過(guò)濾高維噪聲，分離出穩(wěn)定核心。用流形學(xué)習(xí)的術(shù)語(yǔ)來(lái)說(shuō)，主體將原始體驗(yàn)的高維流形投影到低維不變量子空間，該子空間物理構(gòu)成了概念A(yù)。

有人可能認(rèn)為無(wú)監(jiān)督聚類(lèi)算法無(wú)需先驗(yàn)體驗(yàn)就能生成抽象，但這混淆了統(tǒng)計(jì)壓縮與現(xiàn)象建構(gòu)。無(wú)監(jiān)督算法的確能聚類(lèi)數(shù)據(jù)點(diǎn)找到統(tǒng)計(jì)質(zhì)心，但這種數(shù)學(xué)不變量只是隱空間中的壓縮地址。要讓該統(tǒng)計(jì)質(zhì)心成為真正的概念，即像“紅色”這樣有語(yǔ)義根基的范疇，主體需要內(nèi)在現(xiàn)象狀態(tài)作為分組實(shí)例的共同基準(zhǔn)，若沒(méi)有構(gòu)成性的紅色體驗(yàn)錨定指稱(chēng)，聚類(lèi)只是向量空間中的高密度區(qū)域，算不上主體持有的概念。

因此，概念A(yù)并非待發(fā)現(xiàn)的柏拉圖式理念，而是僅存在于執(zhí)行抽象的認(rèn)知主體內(nèi)部的神經(jīng)生理構(gòu)成狀態(tài)，是從體驗(yàn)實(shí)在中得出的內(nèi)在地圖。一旦形成，這些構(gòu)成性的共同核心就成為組合想象的穩(wěn)定基石，正因“紅色”與“鯨魚(yú)”概念是源自生命體驗(yàn)的內(nèi)在控制狀態(tài)，大腦才能將它們重組，實(shí)例化飛翔的紅色鯨魚(yú)的體驗(yàn)——這是從未遭遇過(guò)但物理自洽的組合。因此，思維并非基于空符號(hào)的算法處理，而是構(gòu)成性不變量的組合生成，AI能完美模擬這種重組規(guī)則，但在結(jié)構(gòu)上缺乏運(yùn)行體驗(yàn)想象所需的內(nèi)在基石。

2.3 映射函數(shù)f中不可或缺的制圖者

歷史上，物理科學(xué)尤其是工程學(xué)，通過(guò)系統(tǒng)性地將主觀體驗(yàn)從自然現(xiàn)象解釋中剔除而取得進(jìn)展(Frank 等人, 2025)，但若將這種操作客觀性強(qiáng)加于計(jì)算本體論，會(huì)造成認(rèn)知盲點(diǎn)，迫使計(jì)算功能主義陷入無(wú)解困境：試圖從完全客觀、無(wú)體驗(yàn)的定義起點(diǎn)重構(gòu)主觀體驗(yàn)。

抽象狀態(tài)A在邏輯上必然存在于主動(dòng)體驗(yàn)的認(rèn)知主體內(nèi)部，由此可揭示標(biāo)準(zhǔn)實(shí)現(xiàn)定義中的盲點(diǎn)：連接機(jī)器物理狀態(tài)p與抽象狀態(tài)A的映射函數(shù)f，無(wú)法存在于機(jī)器自身。在語(yǔ)義與地圖-實(shí)在關(guān)系的哲學(xué)文獻(xiàn)中，這種外部錨點(diǎn)傳統(tǒng)上被稱(chēng)為“觀察者”，但該詞暗含被動(dòng)接收信息的含義，無(wú)法體現(xiàn)從物理層面完整定義計(jì)算所必需的前提。我們特意引入“制圖者”一詞，明確糾正這種被動(dòng)含義，制圖者是生成計(jì)算所必需的、主動(dòng)且代謝脆弱的認(rèn)知主體。

制圖者承擔(dān)兩個(gè)主動(dòng)構(gòu)成性作用：一是從連續(xù)物理體驗(yàn)中提取不變量，構(gòu)建內(nèi)在地圖（概念）。二是執(zhí)行物理符號(hào)的任意指派，構(gòu)建外在計(jì)算地圖（符號(hào)）。基于這一洞見(jiàn)，可從根本上厘清計(jì)算術(shù)語(yǔ)的本體論地位：物理狀態(tài)p是符號(hào)（載體），是無(wú)內(nèi)在語(yǔ)義內(nèi)容的客觀物理實(shí)體。抽象狀態(tài)A是概念（內(nèi)容），是制圖者內(nèi)部有根基的生理狀態(tài)。映射函數(shù)f是編碼，是制圖者心智中連接機(jī)器無(wú)意義物理狀態(tài)與有根基概念的指派關(guān)聯(lián)。

因此，標(biāo)準(zhǔn)定義描述的是混合關(guān)系：物理對(duì)象p通過(guò)映射f的必要中介，與心智概念A(yù)相連。需要強(qiáng)調(diào)的是，指出不可或缺的制圖者并非復(fù)活二元論的小人或大腦內(nèi)部的局部解碼器，制圖者是受熱力學(xué)定律支配的完整結(jié)構(gòu)統(tǒng)一有機(jī)體，有機(jī)體并非算法式選擇語(yǔ)義切割，而是通過(guò)代謝約束將連續(xù)環(huán)境直接過(guò)濾為離散狀態(tài)，沒(méi)有幽靈在讀取符號(hào)，是活著的體驗(yàn)主體在執(zhí)行這一過(guò)程。

將邏輯演化A→A'視為物理演化p→p'的內(nèi)在屬性，是功能主義的核心錯(cuò)誤，這種視角將制圖者的認(rèn)知解釋與機(jī)器的實(shí)際物理現(xiàn)實(shí)混為一談，忽略了讓計(jì)算得以根基化所需的體驗(yàn)主體。

2.4 編碼：超越離散化的語(yǔ)義強(qiáng)加

映射函數(shù)f是編碼的實(shí)際核心，學(xué)界常將其輕視為讀取系統(tǒng)，但編碼實(shí)則是代謝耗能的認(rèn)知行為，它將離散本體論強(qiáng)加于連續(xù)物理，受信息處理的熱力學(xué)邊界約束。這里必須區(qū)分兩個(gè)常被混淆的過(guò)程：離散化（熱力學(xué)）：系統(tǒng)物理穩(wěn)定到吸引子狀態(tài)，如晶體管保持5V電壓，是僅用于抑制物理噪聲的物理過(guò)程。編碼（語(yǔ)義）：將這些穩(wěn)定狀態(tài)明確指派給預(yù)定義的有限符號(hào)集，該操作專(zhuān)屬于制圖者f。

物理現(xiàn)實(shí)本質(zhì)連續(xù)，熱力學(xué)只能產(chǎn)生穩(wěn)定宏觀狀態(tài)，永遠(yuǎn)無(wú)法提供預(yù)定義的有限字母表，因此構(gòu)建計(jì)算系統(tǒng)必須有制圖者介入，外部主體必須強(qiáng)制賦予語(yǔ)義同一性，將高度異質(zhì)的微觀狀態(tài)視為同一可替換符號(hào)（如“1”）。由此，依賴制圖者構(gòu)建系統(tǒng)會(huì)帶來(lái)根本性的因果斷裂，在機(jī)器的物理實(shí)在中，2.0V到2.1V的躍遷是由電動(dòng)力學(xué)驅(qū)動(dòng)的真實(shí)因果事件，但在計(jì)算地圖中，該躍遷功能上不可見(jiàn)，因?yàn)橹茍D者已將其編碼為同一狀態(tài)。因此，計(jì)算的因果動(dòng)力學(xué)不隨附于載體物理，而完全隨附于制圖者的規(guī)則。

聲稱(chēng)這些符號(hào)獨(dú)立于觀察者存在，是典型的盲點(diǎn)謬誤(Frank 等人, 2025)，是胡塞爾所說(shuō)的“偷換替代”(Husserl, 1970)：將科學(xué)家的認(rèn)知輸出（有限字母表）反向投射到物理系統(tǒng)，宣稱(chēng)它本就存在。信息并非宇宙的基本構(gòu)建塊，而是絕對(duì)預(yù)設(shè)認(rèn)知主體來(lái)定義有限集合的派生屬性。

2.5 模擬與實(shí)例化

明確概念與符號(hào)的不同本質(zhì)與作用后，可運(yùn)用本文定義厘清為何模擬過(guò)程與實(shí)例化過(guò)程存在根本差異：模擬是對(duì)符號(hào)p的句法操作，以追蹤概念A(yù)之間的抽象關(guān)系，實(shí)例化是復(fù)制過(guò)程本身的內(nèi)在構(gòu)成動(dòng)力學(xué)P。

標(biāo)準(zhǔn)功能主義認(rèn)為，保留地圖A→A'的抽象拓?fù)浣Y(jié)構(gòu)足以生成實(shí)在P的現(xiàn)象，從而忽略物理載體的特定因果力與構(gòu)成機(jī)制。以生物心臟為例，我們常將其描述為泵血的泵，設(shè)計(jì)制造的機(jī)械心臟以同樣方式泵血，因此稱(chēng)其“功能等價(jià)”，但真實(shí)心臟不止泵血，還釋放激素、調(diào)節(jié)代謝、通過(guò)反饋信號(hào)與神經(jīng)系統(tǒng)通信，機(jī)械心臟患者常出現(xiàn)細(xì)微的全身生理缺陷，正是因?yàn)樵O(shè)備僅實(shí)例化了選定功能的粗粒度地圖，未能實(shí)例化器官完整的生物實(shí)在。

這種粒度不匹配在神經(jīng)元上體現(xiàn)得更明顯，功能主義常將神經(jīng)元僅視為電信號(hào)的接收與發(fā)送者，卻忽略它是活的、代謝性實(shí)體，深度融入身體的化學(xué)與激素網(wǎng)絡(luò)(Chalmers, 1996)。這一抽象瓦解了感受質(zhì)漸消思想實(shí)驗(yàn)，僅完美模擬電發(fā)放模式的硅替換，只保留了由外部制圖者定義的外在計(jì)算地圖，系統(tǒng)性地抹殺了生命所需的內(nèi)在熱力學(xué)實(shí)在，用因果惰性的句法模擬替代了構(gòu)成性物理現(xiàn)實(shí)，感受質(zhì)并非神秘漸消，而是實(shí)例化它們所需的基礎(chǔ)代謝載體被直接移除。

GPU模擬光合作用能精準(zhǔn)建模陽(yáng)光、水、二氧化碳到氧氣、葡萄糖的抽象轉(zhuǎn)化，但不會(huì)合成一個(gè)葡萄糖分子或釋放氧氣，它完美模擬過(guò)程，卻缺乏執(zhí)行底層生化工作的因果能力。認(rèn)為模擬大腦軟件能規(guī)避這一物理約束，是犯了范疇錯(cuò)誤 (Searle, 1980)，混淆了過(guò)程的算法描述與實(shí)例化它所需的內(nèi)在物理。

在數(shù)字模擬中，因果鏈完全由載體p驅(qū)動(dòng)，邏輯門(mén)切換并非因?yàn)樘弁矗▋?nèi)容因果A驅(qū)動(dòng)），而是因?yàn)殡妷嚎缭筋A(yù)定義物理閾值（載體因果p驅(qū)動(dòng)），系統(tǒng)物理狀態(tài)單獨(dú)決定其演化，符號(hào)的語(yǔ)義內(nèi)容A無(wú)因果作用，即便符號(hào)無(wú)指稱(chēng)，機(jī)器也會(huì)執(zhí)行相同物理操作，否則就陷入抽象謬誤。

2.6 計(jì)算涌現(xiàn)謬誤

面對(duì)模擬與實(shí)例化的區(qū)分，功能主義者常訴諸復(fù)雜度理論與涌現(xiàn)性，認(rèn)為意識(shí)如同水分子相互作用涌現(xiàn)出濕潤(rùn)性，計(jì)算系統(tǒng)復(fù)雜度達(dá)到閾值后就會(huì)涌現(xiàn)意識(shí)，但該反駁失敗，因?yàn)樗煜巳跷锢碛楷F(xiàn)與本文所稱(chēng)的計(jì)算涌現(xiàn)謬誤。

弱涌現(xiàn)（物理）：宏觀屬性（如濕潤(rùn)性）直接隨附于微觀物理載體的內(nèi)在因果動(dòng)力學(xué)；

計(jì)算涌現(xiàn)（抽象）：聲稱(chēng)過(guò)程的抽象描述（地圖）僅通過(guò)句法復(fù)雜度的大幅提升，就能轉(zhuǎn)化為物理過(guò)程本身（實(shí)在）。

功能主義者堅(jiān)稱(chēng)意識(shí)是特例，是純粹載體獨(dú)立信息，但該論證預(yù)設(shè)結(jié)論：假定心理狀態(tài)就是抽象信息A，完全回避生成它的物理現(xiàn)實(shí)P。如本文所述，句法A→A'無(wú)內(nèi)在因果力，是制圖者的歸屬，聲稱(chēng)抽象句法能涌現(xiàn)為物理原因，違背物理世界的因果閉合，超出科學(xué)假設(shè)范疇。

圖2：抽象的因果拓?fù)浣Y(jié)構(gòu)。(A)功能主義假定存在線性層級(jí)結(jié)構(gòu)，其中計(jì)算是連接物理學(xué)與意識(shí)的橋梁。(B)我們的框架揭示了分支狀拓?fù)浣Y(jié)構(gòu)。縱軸代表內(nèi)在鏈條：物理學(xué)(P)通過(guò)抽象形成經(jīng)驗(yàn)，進(jìn)而構(gòu)成概念(A)；思考/想象過(guò)程（A → A'）發(fā)生于此。橫軸代表外在鏈條：符號(hào)(p)是通過(guò)將物理實(shí)體與概念任意關(guān)聯(lián)而生成的（紅色虛線箭頭所示）。這一無(wú)法跨越的橫向步驟構(gòu)成了因果鴻溝。計(jì)算過(guò)程（p → p'）僅作用于該橫向分支。從概念到符號(hào)的這種橫向轉(zhuǎn)換，屬于任意賦值而非垂直抽象，切斷了從符號(hào)回溯至原始經(jīng)驗(yàn)的任何內(nèi)在因果路徑。

3. 因果循環(huán)：修正因果鏈條

明確物理動(dòng)態(tài)P與計(jì)算地圖A的邊界后，可以定位計(jì)算功能主義的邏輯崩潰點(diǎn)。

3.1 本體論倒置與因果鴻溝

傳統(tǒng)功能主義的因果序列簡(jiǎn)單且未經(jīng)審視：

物理→計(jì)算→意識(shí)，

它假定計(jì)算復(fù)雜度達(dá)到閾值，意識(shí)就會(huì)作為副產(chǎn)品出現(xiàn)。但計(jì)算不是自然存在的事物，定義離散符號(hào)并賦予語(yǔ)義，需要已經(jīng)有意識(shí)的制圖者f。因此，必須徹底重構(gòu)因果序列：

物理→意識(shí)→概念→計(jì)算。

1. 物理：宇宙內(nèi)在的因果動(dòng)態(tài)。

2. 意識(shí)：特定熱力學(xué)組織中直接產(chǎn)生的現(xiàn)象體驗(yàn)。

3. 概念：從原始體驗(yàn)中提取不變量形成的內(nèi)在地圖。

4. 計(jì)算：對(duì)任意指派給概念的離散符號(hào)進(jìn)行句法操作形成的外在地圖。這一修正序列嚴(yán)格單向，概念錨定在主體的內(nèi)在體驗(yàn)中，而計(jì)算符號(hào)只是與所代表概念無(wú)內(nèi)在聯(lián)系的物理標(biāo)記。從概念到符號(hào)是造成不可跨越因果鴻溝的橫向指派，徹底切斷從符號(hào)回到原初體驗(yàn)的內(nèi)在路徑。

這一修訂后的認(rèn)知鏈嚴(yán)格遵循單向運(yùn)作機(jī)制。雖然概念始終植根于主體的內(nèi)在體驗(yàn)之中，即那種不可簡(jiǎn)化的成為該實(shí)體的真實(shí)感受（Nagel，1974），但計(jì)算符號(hào) merely 是物理載體，與所代表的概念并無(wú)內(nèi)在關(guān)聯(lián)。從概念到符號(hào)的轉(zhuǎn)換并非抽象化的步驟，而是一種橫向的映射行為：地圖制作者強(qiáng)行將物理載體與心理概念相綁定。正是這種無(wú)法跨越的橫向步驟暴露了因果關(guān)系的斷裂，永久性地切斷了從符號(hào)回溯至原始體驗(yàn)的任何內(nèi)在路徑。

一旦建立這種關(guān)聯(lián)，地圖構(gòu)建器便會(huì)制定句法規(guī)則來(lái)規(guī)范符號(hào)的物理狀態(tài)轉(zhuǎn)換（p → p'）。這些規(guī)則采用自上而下的方式精心設(shè)計(jì)，旨在精確追蹤并模擬相應(yīng)概念內(nèi)在的聯(lián)想性演變過(guò)程（A → A'）。然而，盡管這種結(jié)構(gòu)模擬堪稱(chēng)完美，物理實(shí)體本身對(duì)語(yǔ)義內(nèi)容并不產(chǎn)生任何因果影響。機(jī)器會(huì)盲目執(zhí)行所映射的軌跡，與其所模擬的現(xiàn)象現(xiàn)實(shí)完全脫鉤。

功能主義試圖用預(yù)設(shè)制圖者存在的計(jì)算過(guò)程，來(lái)解釋制圖者（意識(shí)）的起源，這不是經(jīng)驗(yàn)缺口，而是范疇錯(cuò)誤：句法地圖的構(gòu)建從一開(kāi)始就需要制圖者。因此，任何算法復(fù)雜度都無(wú)法反向跨越因果鴻溝，產(chǎn)生體驗(yàn)主體，這種本體論倒置造成結(jié)構(gòu)性悖論：試圖僅用制圖者的派生產(chǎn)物推導(dǎo)出制圖者本身。

3.2 編碼的普遍性

AI領(lǐng)域存在一個(gè)長(zhǎng)期爭(zhēng)論，其根源可追溯至20世紀(jì)80年代的聯(lián)結(jié)主義轉(zhuǎn)向（McClelland 等人，1987）。該觀點(diǎn)認(rèn)為，現(xiàn)代神經(jīng)網(wǎng)絡(luò)與早期的符號(hào)系統(tǒng)不同，因其運(yùn)行于所謂的亞符號(hào)層面。據(jù)頂尖研究者指出，這種架構(gòu)能夠構(gòu)建“世界模型”（LeCun ，2022）或遞歸的認(rèn)知循環(huán)（Laukkonen 等人，2025），從而實(shí)現(xiàn)真正的理解。

我們認(rèn)同這些遞歸架構(gòu)能夠再現(xiàn)內(nèi)省的結(jié)構(gòu)特征。正如高維向量空間以不同于離散邏輯符號(hào)的形式捕捉幾何關(guān)系一樣，神經(jīng)網(wǎng)絡(luò)也能建模復(fù)雜的關(guān)聯(lián)結(jié)構(gòu)。然而，將這種結(jié)構(gòu)或幾何精度解讀為內(nèi)在意義的證據(jù)，實(shí)際上是在重復(fù)抽象謬誤，它將表征結(jié)構(gòu)與底層物理現(xiàn)實(shí)混為一談，并將模型的幾何結(jié)構(gòu)視為系統(tǒng)本身的物理特性。

為了正式闡述這一反對(duì)意見(jiàn)，我們引入了一個(gè)嚴(yán)格的香農(nóng)約束：從嚴(yán)格意義上講，要處理信息，系統(tǒng)需要一個(gè)有限的經(jīng)典離散符號(hào)集以及這些狀態(tài)的概率分布。在生物生命和人工硬件的宏觀層面，光強(qiáng)度、化學(xué)濃度和膜電壓等物理世界并未預(yù)先被標(biāo)記為離散的0和1。宇宙并未將其宏觀物理狀態(tài)預(yù)先封裝成可操作的計(jì)算符號(hào)集，地圖繪制者必須明確加以規(guī)范。將神經(jīng)脈沖或電壓切換視為符號(hào)不僅需要物理離散化，更需要對(duì)其進(jìn)行符號(hào)化處理。地圖繪制者必須主動(dòng)為系統(tǒng)賦予語(yǔ)義身份，將一系列異質(zhì)性的連續(xù)變量轉(zhuǎn)化為可識(shí)別的符號(hào)形式。這一約束同樣適用于深度學(xué)習(xí)中的高維向量空間。盡管向量常被描述為連續(xù)表示形式，但實(shí)際上它們是以浮點(diǎn)數(shù)序列的形式實(shí)現(xiàn)的，每個(gè)浮點(diǎn)數(shù)都對(duì)應(yīng)有限字母表（例如 IEEE 754 標(biāo)準(zhǔn)）中的一個(gè)離散符號(hào)。

映射函數(shù)(f)所固有的字母排序要求適用于所有形式的計(jì)算，無(wú)論是數(shù)字計(jì)算、模擬計(jì)算還是量子計(jì)算。以模擬時(shí)鐘為例：從物理結(jié)構(gòu)上看，該裝置由一系列齒輪和彈簧組成，其運(yùn)行遵循連續(xù)動(dòng)力學(xué)規(guī)律(P)。時(shí)鐘之所以能夠計(jì)算時(shí)間，是因?yàn)榇嬖谟成湔呓槿耄瑢⒁唤M特定的連續(xù)角度映射為某種語(yǔ)義概念（例如“下午3點(diǎn)”）。若沒(méi)有這種語(yǔ)義上的映射，時(shí)鐘不過(guò)只是按照哈密頓方程運(yùn)動(dòng)的金屬部件，它本身并不具備內(nèi)在的時(shí)間概念。因此，物理基底本身并不會(huì)處理信息，除非預(yù)先存在一套內(nèi)在符號(hào)的字母表。相反，它產(chǎn)生的只是連續(xù)的動(dòng)力學(xué)過(guò)程，而這些過(guò)程最終由外部映射者解讀為信息。

即使未來(lái)的AI系統(tǒng)完全采用全模擬神經(jīng)形態(tài)芯片并摒棄浮點(diǎn)運(yùn)算，本體論上的鴻溝依然存在。一旦某種物理狀態(tài)無(wú)論是離散的電壓水平還是連續(xù)的電荷模式被認(rèn)定為讀出信號(hào)或隱藏狀態(tài)，它就已經(jīng)被映射生成者進(jìn)行了字母排序。因此，這些模型始終被語(yǔ)義屏障所封閉。盡管它們能夠構(gòu)建復(fù)雜的內(nèi)部映射，卻缺乏與經(jīng)驗(yàn)物理領(lǐng)域之間內(nèi)在的、本質(zhì)性的聯(lián)系。

圖3：機(jī)制的不確定性（旋律悖論）。單一物理載體（底部）具有固定的因果軌跡，但并不對(duì)應(yīng)唯一的計(jì)算過(guò)程。根據(jù)所采用的字母排序鍵（fA或fB），相同的物理狀態(tài)可映射為完全不同的抽象計(jì)算結(jié)果（左上圖與右上圖）。因此，計(jì)算過(guò)程并非物理現(xiàn)象(p)的固有屬性。

3.3 機(jī)制的不確定性

由皮奇尼尼（Piccinini，2008）倡導(dǎo)的計(jì)算機(jī)制論試圖徹底排除“地圖繪制者”的存在，主張計(jì)算過(guò)程無(wú)需借助任何表征即可定義。其核心觀點(diǎn)是：計(jì)算僅可通過(guò)“數(shù)字”，即僅能通過(guò)系統(tǒng)功能組織來(lái)區(qū)分的宏觀物理狀態(tài)的操作來(lái)定義。然而，盡管這一方法隱藏了地圖繪制者的角色，卻并未消除對(duì)其存在的必要性。正如斯普雷瓦克（Sprevak，2018）在其對(duì)平凡性論證的分析中所指出的：確定任何物理機(jī)制的計(jì)算本質(zhì)仍需對(duì)外部相關(guān)狀態(tài)進(jìn)行明確定義。物理機(jī)制確實(shí)可能具有穩(wěn)定的吸引子（我們?cè)诘?.4節(jié)將其闡明為熱力學(xué)離散化），但將這些連續(xù)吸引子歸類(lèi)為特定的有限計(jì)算字母表，本質(zhì)上仍是地圖繪制者施加的嚴(yán)格外在約束。

我們可以通過(guò)一個(gè)簡(jiǎn)單的旋律悖論（圖3）來(lái)揭示這一手法的巧妙之處。設(shè)想一個(gè)物理裝置依次經(jīng)歷一系列穩(wěn)定的電壓狀態(tài)：這些物理狀態(tài)的轉(zhuǎn)換（p → p'）由電動(dòng)力學(xué)定律所決定；然而，這一精確過(guò)程的計(jì)算對(duì)應(yīng)關(guān)系（A → A'）卻完全無(wú)法確定。若沒(méi)有外部映射工具提供相應(yīng)的映射關(guān)系，這一過(guò)程便難以解析。單一物理狀態(tài)序列可能表示：

1. 正向演奏的旋律（映射A）；

2. 完全相同的旋律反向演奏（映射B，例如逆向倒置）；

3. 快速流動(dòng)的股票價(jià)格數(shù)據(jù)流（映射C）；

4. 有序噪聲（前提是符號(hào)集具有不同的粒度定義）。

物理電壓(p)本身并不具備任何固有屬性，能夠使其中某個(gè)有限符號(hào)集優(yōu)于其他符號(hào)集。“數(shù)字”并非某種等待在機(jī)制中被發(fā)現(xiàn)的自然實(shí)體，它實(shí)際上是制圖者所做出的認(rèn)知性裁決，將連續(xù)的物理動(dòng)態(tài)過(guò)程強(qiáng)行納入有限的邏輯集合之中（Putnam ，1988）。

因此，即使物理系統(tǒng)按照可重復(fù)的規(guī)則演化，經(jīng)歷明顯可區(qū)分的宏觀狀態(tài)，仍需要存在一位制圖者介入，將計(jì)算解釋中的不確定性壓縮為單一且唯一的軌跡。機(jī)制提供了墨水，而制圖者則必須提供字母表。

4. 啟示：計(jì)算實(shí)現(xiàn)的邊界

我們的研究框架表明，AI意識(shí)的實(shí)現(xiàn)障礙并非源于計(jì)算規(guī)模或算法復(fù)雜度的提升，而是源于模擬與實(shí)例化的區(qū)別。因此，這一問(wèn)題直接關(guān)聯(lián)到當(dāng)前該領(lǐng)域備受關(guān)注且投入日益增加的兩大方向：具身機(jī)器人技術(shù)與通用AI安全性（Bengio 等人，2024； Bostrom ，2014）。

4.1 機(jī)器人中的轉(zhuǎn)換謬誤

對(duì)我們的構(gòu)成性框架最有力的反對(duì)意見(jiàn)之一源于具身化這一概念。根據(jù)該論點(diǎn)，AI系統(tǒng)要具備意識(shí)，關(guān)鍵在于實(shí)現(xiàn)與物理環(huán)境的恰當(dāng)因果整合。論點(diǎn)認(rèn)為，通過(guò)配備傳感器和執(zhí)行器使系統(tǒng)能夠?qū)崟r(shí)感知并采取行動(dòng)，可以彌合因果關(guān)系的鴻溝，從而使系統(tǒng)的內(nèi)部符號(hào)獲得現(xiàn)實(shí)基礎(chǔ)。

然而，單純?cè)黾觽鞲衅骱蛨?zhí)行器并不能解決體驗(yàn)實(shí)例化這一更深層次的問(wèn)題。我們認(rèn)同，具身化智能體確實(shí)解決了符號(hào)基礎(chǔ)問(wèn)題中的指稱(chēng)層面（Harnad ，1990）它能夠成功將內(nèi)部符號(hào)映射到外部物理數(shù)據(jù)流中，從而避免了單純依賴詞匯化內(nèi)部詞典導(dǎo)致的無(wú)限遞歸困境。但我們需要仔細(xì)區(qū)分這種指稱(chēng)映射與內(nèi)在意義構(gòu)建。

一個(gè)類(lèi)比有助于闡明這一點(diǎn)：將計(jì)算機(jī)連接到攝像頭和機(jī)械臂，類(lèi)似于在模擬系統(tǒng)中安裝測(cè)量?jī)x器。此時(shí)模擬系統(tǒng)接收的是現(xiàn)實(shí)世界的數(shù)據(jù)，但模型的內(nèi)部變量仍是符號(hào)化表征而非物理過(guò)程本身。同理，連接實(shí)時(shí)大氣傳感器的天氣模型并不會(huì)成為大氣本身，它只是接收并處理有關(guān)大氣的數(shù)據(jù)。

這一原則同樣適用于具身化AI系統(tǒng)。傳感器和執(zhí)行器使系統(tǒng)能夠與物理世界進(jìn)行交互，但它們并不會(huì)自動(dòng)將符號(hào)化表征轉(zhuǎn)化為內(nèi)在的、可體驗(yàn)的語(yǔ)義。系統(tǒng)可以構(gòu)建出越來(lái)越詳細(xì)的環(huán)境地圖，但僅通過(guò)與環(huán)境的互動(dòng)，并不會(huì)使這張地圖本身成為真正的體驗(yàn)領(lǐng)域。

追溯具身系統(tǒng)的因果拓?fù)浣Y(jié)構(gòu)揭示了我們所稱(chēng)的“轉(zhuǎn)換謬誤”：

1.輸入轉(zhuǎn)換：傳感器將外部物理力轉(zhuǎn)換為連續(xù)電壓，經(jīng)由外部映射器校準(zhǔn)的模數(shù)轉(zhuǎn)換器（ADC）隨后將這些電壓映射為內(nèi)部數(shù)字狀態(tài)（例如：熱能 → 連續(xù)電壓 → 離散整數(shù)）。

2.語(yǔ)法策略：語(yǔ)法引擎通過(guò)操控這些內(nèi)部離散狀態(tài)來(lái)生成輸出狀態(tài)，從而在物理層面上實(shí)現(xiàn)該抽象算法。

3.輸出轉(zhuǎn)換：執(zhí)行器將數(shù)字輸出重新轉(zhuǎn)化為宏觀物理力。

需要強(qiáng)調(diào)的是，機(jī)器人系統(tǒng)的運(yùn)行核心，其算法控制器完全在第二步中運(yùn)作。該控制器僅處理經(jīng)過(guò)離散化和字母排序的符號(hào)（例如通過(guò)矩陣乘法處理的浮點(diǎn)數(shù)），這些符號(hào)由外部地圖生成器進(jìn)行計(jì)算。現(xiàn)代“端到端”連續(xù)控制的支持者可能會(huì)提出異議：當(dāng)前的機(jī)器人架構(gòu)通過(guò)深度神經(jīng)網(wǎng)絡(luò)直接將原始傳感器陣列映射到執(zhí)行器扭矩，而無(wú)需依賴人類(lèi)可讀的符號(hào)表示。然而，正如第3.2節(jié)所述，執(zhí)行這些控制策略的硬件（如GPU）仍然依賴于浮點(diǎn)數(shù)的字母排序以及用于處理它們的預(yù)定義數(shù)學(xué)規(guī)則。地圖生成器進(jìn)行的字母排序這一前提條件并非不存在，相反，它已內(nèi)置于硅芯片架構(gòu)本身之中。

這種轉(zhuǎn)導(dǎo)謬誤不僅在于物理力在傳感器處被轉(zhuǎn)化為數(shù)字。更深層的、本質(zhì)性的錯(cuò)誤在于：若假定對(duì)這些轉(zhuǎn)導(dǎo)符號(hào)的算法處理能夠以某種方式具體化現(xiàn)象主體。要完全理解在芯片上運(yùn)行算法的具身機(jī)器人與生物地圖構(gòu)建者之間的區(qū)別，我們需要記住：對(duì)于后者而言，主觀體驗(yàn)是既定事實(shí)，并非源于抽象信息處理，而是源于特定的、由代謝活動(dòng)構(gòu)成的物理現(xiàn)實(shí)。沒(méi)有任何物理或邏輯依據(jù)支持這樣的假設(shè)：硅芯片僅僅通過(guò)執(zhí)行感覺(jué)輸入與機(jī)械執(zhí)行器之間的語(yǔ)法映射，就能產(chǎn)生類(lèi)似的物理構(gòu)成的體驗(yàn)。

若我們持相反觀點(diǎn)，就會(huì)得出違反物理主義原則的邏輯推論。正如我們?cè)诘?.5節(jié)所論證的，任何算法相關(guān)的抽象狀態(tài)（即計(jì)算所指對(duì)象的“內(nèi)容”）本身并不具備內(nèi)在因果效力。系統(tǒng)中唯一的物理因果關(guān)系屬于硅芯片這一物理載體本身。因此，若主張具身機(jī)器人執(zhí)行語(yǔ)法映射（無(wú)論是傳感器數(shù)據(jù)、執(zhí)行器數(shù)據(jù)還是其他類(lèi)型）就能產(chǎn)生體驗(yàn)，就意味著認(rèn)為物理芯片僅憑其物質(zhì)屬性就必然具備意識(shí)能力。需要注意的是，這一結(jié)論無(wú)論該映射是否與機(jī)器人身體相關(guān)聯(lián)，也不論其運(yùn)行的是何種具體算法，均成立。因此，對(duì)映射-領(lǐng)域關(guān)系的嚴(yán)格分析表明，與最初看似合理的觀點(diǎn)相反，具身化無(wú)法將模擬轉(zhuǎn)化為構(gòu)成性的主觀體驗(yàn)。

4.2 本體論減負(fù)：無(wú)感知工具的安全性

在確認(rèn)算法復(fù)雜性與物理實(shí)現(xiàn)均無(wú)法跨越因果性鴻溝后，我們現(xiàn)在可以探討該框架的實(shí)際意義。計(jì)算映射與物理領(lǐng)域之間的結(jié)構(gòu)性分離對(duì)AI安全性具有直接啟示：它有助于明確哪些系統(tǒng)能夠真正支持現(xiàn)象體驗(yàn)，哪些則不能。具身化理論與具身認(rèn)知的研究已指出若干與意識(shí)體驗(yàn)密切相關(guān)的物理過(guò)程，包括生命系統(tǒng)內(nèi)的自創(chuàng)生機(jī)制及持續(xù)熱力學(xué)調(diào)節(jié)（Damasio ，1999； Friston ，2010； Thompson ，2007）。傳統(tǒng)觀點(diǎn)將這些機(jī)制視為生物體的固有屬性，因而認(rèn)為它們僅存在于碳基生命體中。

我們的框架提出了略有不同的解讀：它仍強(qiáng)調(diào)真實(shí)、內(nèi)在物理過(guò)程的物理主義特征，但不要求這些過(guò)程僅發(fā)生于生物體。根據(jù)這一觀點(diǎn)，現(xiàn)象體驗(yàn)取決于特定動(dòng)力學(xué)過(guò)程的實(shí)際物理實(shí)現(xiàn)。因此，該框架并不意味著意識(shí)必須局限于生物生命。原則上，可設(shè)計(jì)非生物系統(tǒng)來(lái)實(shí)現(xiàn)必要的物理?xiàng)l件，若這些條件能在合成載體中成功實(shí)現(xiàn)，意識(shí)體驗(yàn)同樣可能由此產(chǎn)生。

然而，這一根本性的結(jié)構(gòu)限制意味著：如果此類(lèi)人工系統(tǒng)具備意識(shí)，那完全是由于其特定的物理構(gòu)成，這與基質(zhì)獨(dú)立性概念完全相反。鑒于現(xiàn)象意識(shí)本質(zhì)上是一種特定的物理狀態(tài)，且模擬與實(shí)例化之間存在本體論上的界限，因此主觀體驗(yàn)不可能通過(guò)單純?cè)黾佑?jì)算能力或運(yùn)行某些強(qiáng)大算法而突然產(chǎn)生。意識(shí)并非一種可以偶然或刻意創(chuàng)造的軟件產(chǎn)物。這一認(rèn)識(shí)有助于明確該領(lǐng)域的研究方向：開(kāi)發(fā)高度強(qiáng)大的通用AI（AGI）并不會(huì)產(chǎn)生全新的道德主體，而只會(huì)打造出一種高度復(fù)雜、無(wú)感知能力的工具。

然而，在如此大規(guī)模實(shí)現(xiàn)行為模擬，對(duì)認(rèn)知衛(wèi)生提出了新的要求。AI系統(tǒng)正迅速提升復(fù)制人類(lèi)與其他意識(shí)主體相關(guān)聯(lián)的行為信號(hào)的能力，這一趨勢(shì)隨著人形機(jī)器人等具身化系統(tǒng)的出現(xiàn)將愈發(fā)顯著。這對(duì)科學(xué)界構(gòu)成了明確挑戰(zhàn)：我們不應(yīng)僅僅為機(jī)器的權(quán)利做準(zhǔn)備，而需要清晰界定模擬主體性與真實(shí)主體物理具現(xiàn)之間的方法論邊界（Cao ，2012）。因此，任何關(guān)于AI具有感知能力的主張，都必須經(jīng)過(guò)嚴(yán)格的物理主義驗(yàn)證，驗(yàn)證依據(jù)不應(yīng)是算法復(fù)雜性，而應(yīng)是實(shí)現(xiàn)體驗(yàn)體驗(yàn)所需的特定內(nèi)在物理動(dòng)力機(jī)制。

5. 結(jié)論：計(jì)算的盲點(diǎn)

計(jì)算通常被視為宇宙的基本特征，計(jì)算功能主義正是基于這一觀點(diǎn)，認(rèn)為計(jì)算是我們意識(shí)體驗(yàn)的根源。然而，通過(guò)仔細(xì)審視計(jì)算的因果起源，我們發(fā)現(xiàn)這一觀點(diǎn)存在本體論上的倒置：意識(shí)體驗(yàn)不可能是計(jì)算的下游結(jié)果，因?yàn)樗怯?jì)算發(fā)生的必要物理前提。

此外，我們指出：計(jì)算本質(zhì)上是一種描述方式，一種映射關(guān)系，它無(wú)法在物理層面具體實(shí)現(xiàn)其所描述的對(duì)象。這些見(jiàn)解既挑戰(zhàn)了關(guān)于主觀體驗(yàn)本質(zhì)的普遍認(rèn)知，也挑戰(zhàn)了關(guān)于計(jì)算本質(zhì)的傳統(tǒng)理解，其依據(jù)完全基于成熟的物理定律和嚴(yán)謹(jǐn)?shù)倪壿嬐蒲荨Ｖ陵P(guān)重要的是，與大多數(shù)關(guān)于意識(shí)AI潛力的討論和推測(cè)不同，這一框架并不依賴于完整的意識(shí)理論。它通過(guò)探討等式另一端的問(wèn)題，即從本體論角度而言，計(jì)算究竟是什么，來(lái)解決這一看似棘手的難題。關(guān)于意識(shí)問(wèn)題，該框架僅要求現(xiàn)象體驗(yàn)不違反因果封閉性原則，這是科學(xué)認(rèn)知中最基本的原則之一。僅憑這一原則就足以證明：體驗(yàn)必然是由物理因素構(gòu)成的、完全物理性的現(xiàn)象，從而讓我們能夠規(guī)避任何形式的二元論或表象論的推測(cè)。

總結(jié)我們建立的本體論：計(jì)算是對(duì)離散符號(hào)進(jìn)行的句法操作，這些符號(hào)遵循旨在模擬概念思維的規(guī)則。這些符號(hào)并非概念的精煉本質(zhì)，而是地圖制作者隨意分配的物理符號(hào)。而概念本身則是從實(shí)際生活及熱力學(xué)經(jīng)驗(yàn)中主動(dòng)提取出的物理不變量。因此，期望算法描述能體現(xiàn)其所映射的特性，就如同期望引力的數(shù)學(xué)公式能在物理上產(chǎn)生重量一樣不切實(shí)際。認(rèn)為AI僅通過(guò)操縱內(nèi)部變量就能獲得意識(shí)，這正是盲點(diǎn)謬誤（Frank 等人，2025）的體現(xiàn)，即把地圖誤認(rèn)為實(shí)際地形。

因此，計(jì)算描述無(wú)法生成主觀體驗(yàn)，并非工程學(xué)的失敗，而是描述本身所固有的邏輯必然性。這也意味著，質(zhì)性并非可以通過(guò)日益精妙的語(yǔ)法結(jié)構(gòu)來(lái)解決的謎題。相反，它們代表了內(nèi)在的、基礎(chǔ)性的基質(zhì)，正是這一基質(zhì)使得語(yǔ)法的語(yǔ)義賦予成為可能。

通過(guò)開(kāi)發(fā)日益強(qiáng)大的AI，我們并非在創(chuàng)造一種新的生命形式，而是在構(gòu)建日益精確的預(yù)測(cè)模型。然而，無(wú)論其預(yù)測(cè)精度如何、作為推理工具的實(shí)用性如何，或其物理形態(tài)如何，這一AI系統(tǒng)本質(zhì)上始終是與現(xiàn)象經(jīng)驗(yàn)的領(lǐng)域截然不同。認(rèn)識(shí)到這一區(qū)別，并避免本體論上的抽象謬誤倒置，是建立一門(mén)成熟且基于物理原理的機(jī)器智能科學(xué)的前提。

參考文獻(xiàn)

1. Attwell, D., & Laughlin, S. B. (2001). An energy budget for signaling in the grey matter of the brain. Journal of Cerebral Blood Flow and Metabolism, 21(10), 1133–1145.

2. Bengio, Y., Hinton, G., Yao, A., Song, D., Abbeel, P., Darrell, T., Harari, Y. N., Zhang, Y.-Q., Xue, L., Shalev-Shwartz, S., Hadfield, G., Clune, J., Maharaj, T., Hutter, F., Baydin, A. G., McIlraith, S., Gao, Q., Acharya, A., Krueger, D., et al. (2024). Managing extreme AI risks amid rapid progress. Science (New York, N.Y.), 384(6698), 842–845.

3. Bennett, C. H. (1982). The thermodynamics of computation-a review. International Journal of Theoretical Physics, 21(12), 905–940.

4. Block, N. (1978). Troubles with functionalism. Minnesota Studies in the Philosophy of Science, 9, 261–325.

5. Block, N. (2025). Can only meat machines be conscious? Trends in Cognitive Sciences.

6. Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press.

7. Bubeck, S., Chandrasekaran, V., Eldan, R., Gehrke, J., Horvitz, E., Kamar, E., Lee, P., Lee, Y. T., Li, Y., Lundberg, S., Nori, H., Palangi, H., Ribeiro, M. T., & Zhang, Y. (2023). Sparks of Artificial General Intelligence: Early experiments with GPT-4. arXiv [cs.CL].

8. Buzsáki, G. (2019). The brain from inside out. Oxford University Press.

9. Butlin, P., Long, R., Elmoznino, E., Bengio, Y., Birch, J., Constant, A., Deane, G., Fleming, S. M., Frith, C., Ji, X., Kanai, R., Klein, C., Lindsay, G., Michel, M., Mudrik, L., Peters, M. A. K., Schwitzgebel, E., Simon, J., & VanRullen, R. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv preprint arXiv:2308.08708.

10. Cao, R. (2012). A teleosemantic approach to information in the brain. Biology & Philosophy, 27, 49–71.

11. Chalmers, D. J. (1996). The Conscious Mind. Oxford University Press.

12. Chalmers, D. J. (2023). Could a Large Language Model be Conscious? arXiv preprint arXiv:2303.07103.

13. Craver, C. F. (2007). Explaining the Brain: Mechanisms and the Mosaic Unity of Neuroscience. Oxford University Press.

14. Damasio, A. (1999). The feeling of what happens: Body and emotion in the making of consciousness. Harcourt Brace.

15. Dehaene, S., Lau, H., & Kouider, S. (2017). What is consciousness, and could machines have it? Science, 358(6362), 486–492.

16. Dennett, D. C. (1991). Consciousness explained. Little, Brown and Co.

17. Frank, A., Gleiser, M., & Thompson, E. (2025). The Blind Spot: Why Science Cannot Ignore Human Experience. MIT Press.

18. Friston, K. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138.

19. Harnad, S. (1990). The symbol grounding problem. Physica D: Nonlinear Phenomena, 42(1), 335–346.

20. Hoffmann, J., Borgeaud, S., Mensch, A., Buchatskaya, E., Cai, T., Rutherford, E., de L. Casas, D., Hendricks, L. A., Welbl, J., Clark, A., Hennigan, T., Noland, E., Millican, K., van den Driessche, G., Damoc, B., Guy, A., Osindero, S., Simonyan, K., Elsen, E., et al. (2022). Training Compute-Optimal Large Language Models. arXiv [cs.CL].

21. Husserl, E. (1970). The crisis of European sciences and transcendental phenomenology. Evanston: Northwestern University Press.

22. Kaplan, J., McCandlish, S., Henighan, T., Brown, T. B., Chess, B., Child, R., Gray, S., Radford, A., Wu, J., & Amodei, D. (2020). Scaling laws for neural language models. arXiv [cs.LG].

23. Kim, J. (2005). Physicalism, or Something Near Enough. Princeton University Press.

24. Landauer, R. (1961). Irreversibility and heat generation in the computing process. IBM Journal of Research and Development, 5(3), 183–191.

25. Laughlin, S. B., de Ruyter van Steveninck, R. R., & Anderson, J. C. (1998). The metabolic cost of neural information. Nature Neuroscience, 1(1), 36–41.

26. Laukkonen, R. E., Friston, K., & Chandaria, S. (2025). A Beautiful Loop: An Active Inference Theory of Consciousness. PsyArXiv.

27. LeCun, Y. (2022). A path towards autonomous machine intelligence. OpenReview.

28. Long, R., Sebo, J., Butlin, P., Finlinson, K., Fish, K., Harding, J., Pfau, J., Sims, T., Birch, J., & Chalmers, D. (2024). Taking AI welfare seriously. arXiv preprint arXiv:2411.00986.

29. Maturana, H. R., & Varela, F. J. (1980). Autopoiesis and Cognition: The Realization of the Living. D. Reidel.

30. McClelland, J. L., Rumelhart, D. E., & PDP Research Group. (1987). Parallel distributed processing (Vol. 2). MIT Press.

31. Nagel, T. (1974). What is it like to be a bat? The Philosophical Review, 83(4), 435–450.

32. Piccinini, G. (2008). Computation without Representation. Philosophical Studies, 137(2), 205–241.

33. Putnam, H. (1988). Representation and Reality. The MIT Press.

34. Schneider, S. (2019). Artificial You: AI and the Future of Your Mind. Princeton University Press.

35. Searle, J. R. (1980). Minds, brains, and programs. The Behavioral and Brain Sciences, 3(3), 417–457.

36. Seth, A. K. (2025). Conscious artificial intelligence and biological naturalism. The Behavioral and Brain Sciences, 1–42.

37. Sprevak, M. (2018). Triviality arguments about computational implementation. In The Routledge Handbook of the Computational Mind (pp. 175–191). Routledge.

38. Sutton, R. (2019). The Bitter Lesson.

39. Tegmark, M. (2008). The Mathematical Universe. Foundations of Physics, 38(2), 101–150.

40. Thompson, E. (2007). Mind in Life: Biology, Phenomenology, and the Sciences of Mind. Harvard University Press.

41. Wheeler, J. A. (1990). Information, Physics, Quantum: The Search for Links. In W. H. Zurek (Ed.), Complexity, Entropy, and the Physics of Information (pp. 3–20). Addison-Wesley.

參考文獻(xiàn)可上下滑動(dòng)查看

AI+Social Science讀書(shū)會(huì)

集智俱樂(lè)部聯(lián)合美國(guó)東北大學(xué)博士后研究員楊凱程、密歇根大學(xué)安娜堡分校博士候選人裴嘉欣，賓夕法尼亞大學(xué)沃頓商學(xué)院人力資本分析研究組博士后研究員吳雨桐、即將入職芝加哥大學(xué)心理學(xué)系的助理教授白雪純子，共同發(fā)起。讀書(shū)會(huì)已完結(jié)，現(xiàn)在報(bào)名可加入社群并解鎖回放視頻權(quán)限。

詳情請(qǐng)見(jiàn)：

1.

2.

3.

4.

5.

6.

7.

8.

#翻譯