AI意识争议：DeepMind科学家万字长文深度解析人工智能的边界

谷歌DeepMind高级科学家Alexander Lerchner在今年三月发表的研究论文，提出了一个结构性的论断：基于算法的符号操作在原理上无法产生意识。这一结论超越了技术实现的层面，直指计算功能主义范式的根本逻辑局限。

该论断的核心在于，它并非预测技术实现的难度，而是指出了一条可能永远无法走通的道路。从底层逻辑来看，纯粹符号处理与意识实例化之间存在无法逾越的鸿沟。

这篇题为《The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness》（抽象谬误：为何人工智能只能模拟而非实例化意识）的论文，迅速在人工智能与认知科学交叉领域引发了深度探讨。

一、主流范式错在哪里

Lerchner的批判矛头直指当前AI意识研究的主流理论基石：计算功能主义。

该理论的核心主张可归纳为：意识本质上是特定的信息处理或因果拓扑结构，其实现与物理载体无关；无论是生物神经元还是硅基电路，只要精确复现了相同的功能关系，主观体验便会随之涌现。

换言之，意识被视为一种可多重实现的抽象功能，对硬件材质保持中立。

然而，Lerchner论证指出，这一看似严谨的理论建立在一个被其称为“抽象谬误”的根本性错误前提之上。

二、抽象谬误：把地图当成领土

为阐明“抽象谬误”，论文引入了两个经典比喻。

其一，地图不是领土。一张再精确的地图，完整描绘了城市的所有街道与建筑关系，它本身也永远不会成为那座具有实体因果力的城市。地图是抽象表征，城市是物理实体。

其二，公式不是物理力。万有引力公式可以完美描述引力相互作用，但纸上的符号序列本身并不产生引力。公式是对规律的抽象描述，而非规律的本体。

Lerchner指出，计算功能主义正是混淆了这两者：它将意识行为的符号化模拟，错误地等同于意识体验的真实生成。系统可以完美模拟有意识行为的外在表现，但这始终是模拟，而非拥有。

三、“制图者”：被忽略的前提

论文严格区分了“模拟”与“实例化”。模拟是外部行为的复制，而实例化则涉及内在的、基于特定物理构成的因果过程。一台机器可以模拟心跳，但不会因此拥有心脏的生命过程。

支撑这一区分的，是一个在计算范式中常被忽略的关键角色——“制图者”。

“制图者”指拥有主观体验的认知主体。其核心作用在于对连续的物理世界进行“语义切分”与符号赋予。计算机中的“0”和“1”并非物理世界的固有属性；芯片中只有电压的连续变化。是人类观察者设定了阈值，并赋予了这些物理状态以离散的符号意义。

关键在于，若没有具备内在体验的主体作为“制图者”进行解释，物理状态就仅仅是状态，无法构成任何有意义的符号系统。计算功能主义预设了从物理到符号的映射，却未追问这一映射关系得以成立的前提条件。

换言之，同一算法在不同解释框架下意义迥异；同一物理载体可承载不同的抽象关系。真正赋予其意义的，是进行解读的认知主体。

四、算力解决不了的问题

由此，Lerchner的论证引向一个更深刻的结论：意识问题并非规模或复杂度问题。无论模型参数多大、架构多复杂，只要其核心机制仍是预先定义的符号操作，意识便无法从中涌现。

那么，为AI赋予具身交互能力呢？通过传感器与环境实时互动，能否绕过此障碍？Lerchner的答案依然是否定的。

机器人传感器采集的初始信号虽是连续的物理量，但终将通过模数转换（ADC）等过程被离散化为数字信号。此后，系统处理的始终是已被预先赋予符号意义的离散数据。从输入被“符号化”开始，整个信息处理流程便从未脱离符号操作的框架。

五、接受批判，但暂不宣判

该论文在学界引发了显著反响。部分学者支持其论证，认为它成功揭示了计算功能主义中对“实现”概念的过度简化，并警示不应仅凭行为复杂性就轻率赋予AI本体论地位。

同时，也存在更为审慎的立场。一种观点认为，Lerchner对计算功能主义的批判极具价值，但或许无需立即推导出“所有算法均无法拥有意识”的绝对结论。当前AI系统确实缺乏意识的可靠证据，计算的本体论地位亦存争议，但这尚不足以构成终极定论。

一个值得注意的转变是，当“AI是否有意识”的讨论主体从哲学家转向一线科学家时，问题的性质已发生变化。这种根本性的观点对立，并不会阻碍技术进步，反而使目标更加清晰：我们最终追寻的，或许并非对意识的完美模拟，而是对意识本质的理解与尊重。