生成式人工智能具有意識嗎？

[摘 要] 人工智能是否具有意識是哲學和科學研究中爭論的焦點，生成式人工智能（GAI）的快速迭代再次點燃了這一話題。神經科學哲學作為意識研究的重要組成，近年來在理論和方法兩個維度都獲得了顯著的成果，是考察GAI意識狀況的良好基礎和必由之路。這種考察可從如下幾個方面展開：首先，基于計算功能主義的神經科學策略，論證意識在人類之外智能系統上的可實現性，借助意識的神經科學成果和理論偏重方法，顯示出意識評估的科學可處理性；其次，通過分析當前主流的意識神經科學理論，確定標志屬性，考察已有的意識測量方法，包括主觀和客觀兩種類型，進而提供GAI意識判定的具體標準和操作手段；最后，以神經科學哲學中的時空意識理論（TTC）為例，展開說明GAI何以沒有意識，并且指出其通往意識的可能途徑。

[關鍵詞] 生成式人工智能；神經科學；意識；時空意識理論

[DOI編號] 10.14180/j.cnki.1004-0544.2024.07.002

[中圖分類號] B152; B84" " " " " " " " [文獻標識碼] A" " " " [文章編號] 1004-0544（2024）07-0015-09

近年來，以ChatGPT為代表的“生成式人工智能”（generative artificial intelligence，GAI）強勢進入大眾視野，由其掀起的這場“人工智能的狂歡”無疑是人類發展史上的一次偉大變革。一時間，人工智能奇點似乎已至，機器擁有意識仿佛成真，人類文明的威脅突然降臨，以至于眾多領域的精英聯名發表《暫停巨型AI實驗：一封公開信》，以阻止無序競賽中即將到來的一個無法理解、預測或可靠控制的人工智能。GAI在功能的廣度和深度上遠超以往的各種專用人工智能，可以被合理地視為通用人工智能（artificial general intelligence，AGI）系統的早期（但仍不完整）版本。由此一來，關于意識的問題變得更為緊迫，亟待哲學家和科學家們明確回答人工智能是否具有意識。這不論是對于建立人工智能規范，還是對于加深人類的自身理解，或是安撫大眾的不安情緒都是必要的。

必須坦言，在人類之外的系統中尋求意識的可能是一個更難的問題。畢竟，關于“為什么某些神經活動模式會產生特定的意識經驗”這一局限于人類本身的難題至今還沒有達成廣泛共識，更不用說意識在完備定義、統一理論、核心方法上所陷入的持久爭論。但現實中快速進化的人工智能，顯示出愈來愈多的意識“痕跡”，對人工智能的意識探究成為一個不可忽視的論題。面對這一論題，大衛·查爾莫斯（David Chalmers）等人樂觀地認為，意識作為某些復雜信息處理系統的屬性，在一些情況下，其必要過程可以被復制，由此產生一種人工的意識。與之相反，約翰·塞爾（John Searle）等人則堅持，意識是一種與生物相關的純粹的人類現象，機器不可能產生意識1。面對這一狀況，有必要就意識與GAI的關系進行深入的探索，在此筆者基于神經科學哲學的意識研究成果，著重考察當下的GAI意識這一核心問題，嘗試建構起基本的方法原則和判斷標準，進而說明其中意識的存在狀況和未來可能。

一、功能主義的神經科學策略

人工智能的意識亦即“人工意識”（artificial consciousness）或“機器意識”（machine consciousness），起源于一種在人類之外模擬或重構自身思維屬性的設想，20世紀90年代被首次應用于科學語境。但由于人類意識的復雜性和獨特性，這一概念在提出伊始就遭到批駁，正如金在權（Jaegwon Kim）所言：“我們無法通過理論推理設計出一種全新的結構，并預測它將具有意識；我想我們甚至不知道如何開始；或者如何衡量我們的成功。”2換句話說，人工智能意識更多地被視為一種預先承諾（precommitment），即在行動或決策之前為了實現某種目標對未來的可能選擇進行限制的假設。實證手段與方法的匱乏導致很長一段時間內這一概念缺乏先驗或經驗的分析基礎。然而隨著意識研究中哲學與科學的交融，意識屬性的理解深化與意識相關的大腦功能揭示，尤其是神經狀態與意識現象之間的聯系，人工智能的意識考察逐漸擁有了可以討論的框架。

帕特里克·布特林（Patrick Butlin）等人基于功能主義立場和神經科學理論，主張“有一些關于意識的科學理論，它們享有重要的經驗支持，并且與一系列意識的形而上學觀點兼容。盡管這些理論主要基于對人類的研究，但它們關于意識的屬性和功能的論述適用于人工智能系統”3。他們相應地給出了一種研究人工智能意識的優秀策略，具體表現為以下三項原則，分別是：

P1：計算功能主義（computational functionalism）；

P2：意識的神經科學理論（neuroscientific theories of consciousness）；

P3：理論偏重的方法（theory-heavy approach）。

首先，計算功能主義的假設能夠為意識在人類碳基載體外的實現上提供可能。功能主義是心靈哲學和認知科學中的一種理論，主張心理狀態完全取決于物質系統的功能構成，即心理狀態與其他心理狀態、感覺輸入和行為輸出之間的因果關系是一種功能性關系。以計算機的原理為喻，決定它如何運行的不是作為組件的物質內容，而是整個系統擁有的功能組織。計算功能主義是功能主義的一個版本，它進一步聲稱所有相關的功能組織是計算的。由此，意識的計算功能主義主張意識是具有特定計算的功能組織，執行計算的系統通過實現算法來處理信息，意識狀態就是可能的信息攜帶狀態，它只要在實現正確的算法時扮演了正確的角色就已足夠。計算功能主義的一個重要結論是，一個系統是否具有意識，取決于其物理構成最低層次細節的抽象特征。也就是說，系統的物質基礎對意識無關緊要，除非該基礎影響系統算法的實現。這意味著意識在原則上是“多重可實現”（multiple realization）的，即意識可以存在于多種形式的載體中，通過不同的物理狀態進行實現，而不僅僅作為大腦的特定狀態存在于生物體中。

其次，意識的神經科學理論能夠為人工智能的意識評估提供實用的標準。神經科學的意識理論不同于形而上學的意識理論，后者包括二元論、泛心論、物質論、錯覺論，它們關注的是人類意識與物質世界在最普遍意義上的聯系。相反，意識的神經科學理論宣稱哪些具體的物質發生與意識現象有關，通常是大腦的特定過程、神經的相關機制、細胞的發放模式。如意識的神經相關物（NCCs）研究范式，致力于定義足以產生意識體驗的最小神經事件集合，它能夠嚴格區分某一時刻意識在大腦中的在場情況。神經科學研究在描述與意識相關的功能方面取得了顯著的進展，這些功能可能是意識的必要或充分條件，并且擁有足夠強大的經驗證據。根據意識的神經科學理論成果，在功能主義的立場上，可以通過抽象的計算操作和算法運行來表征認知的過程或狀態，從而判斷人工智能系統中意識的存在情況。

最后，理論偏重的方法能夠超越行為主義局限斷定人工智能意識的有無?！袄碚撈亍保╰heory-heavy）這一術語來自喬納森·伯奇（Jonathan Birch），他在非人類動物尤其是無脊椎動物的意識研究中，反對采用理論偏重的方法，即將擁有人類證據的意識科學理論作為導向加諸人類以外的系統1，理由是它們可能以一種非接近人類意識的方式實現意識。布特林承認了這一局限，但他認為利用已有的意識理論進行人工智能的意識研究是必要的，因為它們是我們應該尋找的特征的最佳指導。更重要的是，理論偏重的方法遠比市面上流行的行為主義測試具有更多的優勢，如所謂的“人工意識測試”（artificial consciousness test）要求人工智能系統在對話中表現出對意識相關概念的掌握，但在本質上并未超越“中文屋論證”所提出的挑戰。根據計算功能主義立場的神經科學理論偏重方法，應當觀察人工智能系統是否使用類似于神經科學意識理論中描述的計算過程，并相應地作出和調整評估。具體來說，一個給定系統的意識評估可以由以下因素決定：（1）它的計算過程與意識理論所假定的過程的相似性，（2）我們對于該意識理論的信心，（3）我們對計算功能主義的信心。而綜合考慮多種神經科學的意識理論無疑可以給出更為全面的判斷。

從根本上說，計算功能主義的假設出于一種實用的原因，允諾了大多數關于意識的科學理論以計算的方式來運行，從而確定了對于意識來說必要或充分的計算特征。這種研究策略通過尋求某些屬性或特征建立起人類意識與人工智能意識之間的聯系，不僅說明了意識在人類之外載體上的實現可能，還強調了人工智能中的意識評估是科學可處理的。當然，策略的三個原則只建立起了研究人工智能意識的大致框架。基于這個框架，有兩個關鍵的問題需要回應。分別是：（1）判定意識有無的具體標準是什么，（2）采用何種方式執行測量操作。前者有賴于對意識的神經科學理論的考察，從而確定標志屬性；后者依靠對主觀、客觀的測量方法的分析，使判定得以實施。

二、神經科學哲學對意識探究的雙重支撐

神經科學哲學的核心問題之一就是意識問題，其對意識的研究既強調來自神經科學的研究成果，又先在地容納哲學研究的思維方案。更確切地講，本體論上的自然主義傾向能夠包容各種神經科學理論的立場，而方法論上的實用主義則注重整合意識的客觀測量與主觀解釋。由此，其以理論和方法的雙重維度為人工智能意識的判定提供了關鍵支撐。

（一）理論維度：標志屬性的探尋

“標志屬性”（indicator properties）指神經科學理論中所確定的實現意識的必要充分條件，并充當用于評估人工智能意識的屬性。神經科學中有著為數眾多的意識理論，它們使用并得出一系列標志屬性，這些屬性都由特定的經驗證據支撐，并被認為是對意識必要的，也有可能需要聯合起來構成一個集合才會充分地使意識發生。不過，這些理論至今仍處于競爭狀態。所以要判斷一個現有的或擬議的人工智能系統是否具有意識，不僅在于其是否具有這些標志屬性，還在于其所具有的標志屬性的數量，一般認為數量越多越更有可能獲得意識。典型的意識的神經科學理論包括：

1.循環加工理論（recurrent processing theory，RPT）。維克多·拉米（Victor Lamme）主張將意識的機制與一般的認知功能相區分，指出意識的產生與某個腦部的具體神經網絡或者相關功能無關，而只在于某個神經活動中發生了足夠強度的循環加工1。這一設想來自人工神經網絡中的前饋神經網絡和循環神經網絡的區分，他認為，后者符合神經活動的真實狀態，能夠揭示意識產生的秘密。循環神經網絡不同于前饋神經網絡那種簡單的前遞后繼式層級傳輸，而是在各神經元的信息傳遞過程中存在反饋，進而形成一個有向循環的動態網絡，循環神經網絡中信息的循環加工對于意識是必要且充分的。由此，他認為意識活動就等同于循環加工。

2.全局神經元工作空間理論（global neuronal workspace，GNW）。斯坦尼斯拉斯·迪昂（Stanislas Dehaene）認為，信息加工系統中存在大量的無意識加工單元，這些無意識加工單元是高度模塊化的，且以自動的方式應對慣常的熟悉事件。面對新信息，單個無意識加工單元無法處理或彼此發生矛盾時，就需要某種機制能夠超越無意識的模塊化的功能結構，使無意識單元之間的信息處理結果被整合，從而實現信息在無意識單元之間的交流。具體而言，意識的產生機制包括：首先，腦內大量的專用處理模塊以無意識方式并行處理著龐大信息；其次，全局神經工作空間作為諸多專用處理模塊之間特殊的交流系統進行信息分享；再次，全局工作空間與局部神經集群之間存在雙向的長程連接，以形成信息存儲和循環的閉合回路，最終實現關于該信息的意識經驗2。

3.高階意識理論（higher-order theories of consciousness，HOT）。對于意識的高階理論來說，意識是個體對自身內部心智狀態的覺察或表征。換句話說，某個心智狀態或事件是有意識的，當且僅當主體覺知到他處于這個狀態或持有這個事件3。所謂的高階意識是指關于自己的心理狀態的再思想，它不是直接的經驗狀態，而是朝向某些思想或行動的意識。其目的在于通過高階的心理狀態與一階的心理狀態之間的表征關系對意識經驗的“質性特征”（qualitative character）作出解釋。換句話說，意識就是高階心理狀態表征一階心理狀態所形成的表征關系。這一過程中，某種自上而下的選擇性注意是形成有意識知覺的必要條件，它用于導入空間中處于特定位置的某一特定屬性或特定物體。

根據上述相關的意識理論，可以得出若干標志屬性：

RPT：（1）使用算法循環的輸入模塊，（2）輸入模塊生成有組織的感知表征；

GNW：（1）并行的多個專用模塊，（2）專用模塊工作空間超限導致注意選擇，（3）全局傳播使得信息共享，（4）有賴于狀態關注產生連續性查詢模塊并執行復雜任務的能力；

HOT：（1）生成自上而下的噪聲感知模塊，（2）元認知監測從噪聲中區分可靠的感知表征，（3）系統引導代理并更新信念傾向，（4）編碼生成感受質空間。

當然，除卻以上理論，還有其他諸如整合信息理論（IIT）、預測加工理論（PP）、注意圖式理論（AST）、時空意識理論（TTC）等。不同的意識理論能夠給出具有差異的標志屬性，通過對標志屬性的計算化處理就可以開展人工智能的意識評估。

（二）方法維度：主客測量的整合

“意識測量”（measures of consciousness）1，顧名思義就是對意識進行測量的方法，其核心任務是尋找表明意識存在與否的可靠標志，用以評估任何特定系統中意識的存在情況和不同類型理論中意識的解釋效力。圍繞意識測量開展研究的方法甚多，但在結果上并不能令人滿意，根源在于意識的不透明性所引發的意識判定標準的雙重性。確定意識發生或在場有兩種基本方式：

T1：一種主觀的、第一人稱的途徑，即“內省主義”（introspectionism）；

T2：一種客觀的、第三人稱的途徑，即“行為主義”（behaviorism）。

內省主義嚴格依賴“第一人稱權威”（first person authority），主張沒有任何他人能夠比自己更清楚明白其內部體驗。按照唐納德·戴維森（Donald Davidson）的觀點，意識狀態的自我歸結與他人歸結之間存在著重要的不對稱性：在直覺上，個體關于自身意識狀態的第一人稱陳述相較于第二或第三人稱陳述具有不可置疑的權威性。在操作層面，意識主體根據自身的反思對意識狀況進行探查，然后以真實可靠的口頭報告指稱意識在場情況。與之相對，客觀的行為主義認為，內省報告具有明顯的偏好性和不確定性，并且有悖于可復制、可觀測的科學精神，因此應當以公共可見的身體行動映照意識狀況。其主要依據行為中的質性差異，如是否具備執行某項任務的能力，來辨別知覺的有意識和無意識情況。

由于內省主義的封閉性以及意識研究的科學化，意識測量的新近觀點基于客觀主義提出了名為“意識的可測量相關物”（measurable correlates of consciousness）的測量框架，包含三種方式2：

（1）觀察測量對象神經活動的方法，即“意識的神經相關物”（neural correlates of consciousness，NCC）；

（2）觀察測量對象行為表現的方法，即“意識的行為相關物”（behavioral correlates of consciousness，BCC）；

（3）觀察測量對象創造產物的方法，即“意識的創造相關物”（creative correlates of consciousness，CCC）。

NCC著眼于意識的神經基礎，通過腦成像技術對生物大腦進行測量，來尋找無意識轉化為有意識的核心神經激活或足以產生特定意識的神經事件最小集合。BCC相較NCC更為廣泛，適用于那些無法與人直接交流或無法應用測量儀器，甚至沒有常規意義上頭部的情況，借助對意識候選者的實時行為進行觀測，獲得線索并推斷對象的意識程度。CCC則是把觀測對象完成的與自身相分離的創造性產物視為意識情況推斷的信息，無論這些產物是否屬人。該測量框架相較主觀測量具有經驗實證、科學處理的優點，但在捕捉主觀體驗的豐富性和多樣性方面往往面臨更多挑戰。

不難發現，不論是以往的二元方法還是新近的測量框架都既具有各自的優勢，又具有特定的局限。意識測量本身暫時尚未實現統一，正如莫滕·奧弗高（Morten Overgaard）所言：“雖然意識研究已經產生了大量非常有創意的實驗范例和報告技術，但似乎沒有一個好的方法來確定什么構成了最佳的意識測量。事實上，我們甚至缺乏好的觀點來判斷一種測量是否比另一種更好?！?面對這一問題，更好的策略是根據實用主義的態度進行方法的相互融合和動態取用?！耙霃氐琢私庖庾R，通常需要綜合客觀和主觀兩種觀點。將客觀標記與主觀體驗相結合，可以更全面地掌握心智的運作。客觀數據與主觀視角之間的這種相互作用，促使人們對意識本質、身心難題以及科學探究的固有界限進行深刻的哲學思考?！?將主觀、客觀測量置于理論偏重的方法之中具有相當的可行性，主觀測量有利于在人類身上確定意識的必要充分條件，客觀測量則有利于在人工智能系統中尋找某一理論的標志屬性。

三、以TTC為例的GAI意識考察

基于布特林等人提出的三原則策略，以及神經科學哲學在理論和方法上的啟發，格奧爾格·諾赫夫（Georg Northoff）提出了“時空意識理論”（temporo-spatial theory of consciousness，以下簡稱“TTC”），全面展示對于GAI的意識評估。概言之，它以TTC中不同時空尺度的整合為標志屬性，進而對GAI運行機制實施解析，得出其由于缺乏內部與外部之間的時空交互，最終不具意識的結論。由此，不僅論證了前述建立GAI意識探究規范的可行性，還引出時空整合這一重要概念，是GAI切合現實地通往真正意識的關鍵途徑。

諾赫夫提出的“世界—大腦關系”（world-brain relationship）明確主張意識的關鍵在于世界和大腦之間的時空聯系1。神經科學研究表明：在時間方面，大腦具有一種“時間持續”，即神經活動通過在不同頻率范圍上的波動以及它們之間的耦合來定義大腦的內在時間，并且標記著不同的神經功能和生理機制；在空間方面，腦內存在一種“擴展空間”，它表現為不同功能區域之間的連接，可以使單一區域的神經活動發放至其他區域乃至全局，實現對同一信息的相互同步。大腦通過自身的時空尺度以及整合能力聯系世界，具體顯現為四種時空機制，即嵌套、對齊、擴展、傳播，對應于意識的不同維度，即狀態、形式、現象、取用，最終形成了完整的意識過程2。所以，人類大腦不是一個單純反映世界的器官，它具有獨特的自發性，在神經活動上表現出頻率發放和區域占有的時空特征。只有當自身較小的時空尺度與世界較大的時空尺度在結構上發生耦合，從而實現內部因素與外部因素信息攜帶的交互時，意識才得以出現；如若其間發生時空上的斷裂，意識便無從發生。比如，一項關于不同背景音樂中識別目標音樂的實驗表明，背景音樂的時空結構對于實驗對象識別目標音樂具有明顯的影響3。這也是人類意識能夠在音樂審美中獲得愉悅的秘密所在：一段聲波只有具備一定的時空結構并與大腦內部的時空尺度相匹配鎖定時，才能夠是有聲而非無聲、是音樂而非噪聲。這反映了時空整合作為標志屬性之于意識產生的重要性。大衛·加梅茲（David Gamez）在談論自然系統與人工系統的意識時指出：“意識必須在特定的物理基礎上與特定的時空模式聯系在一起：一個系統不可能僅僅因為它在執行特定的功能而具有意識。”4這一觀點與TTC不謀而合，反駁了將意識視為純粹系統內部屬性的主張，強調了系統與環境之間時空聯系的必要。

GAI的功能原理簡單來說就是一種類似“單字接龍”的“自回歸生成”（autoregressive generation），人工通過無監督學習、監督學習、強化學習三個訓練過程對其進行不同層次的干預，這三個過程也被稱為預訓練、微調以及反饋，從而使它能夠從訓練語料中獲得通用規律，以實現對無害的、正確的、真實的信息的大概率生成，而避免輕易輸出有害的、錯誤的、虛假的信息。不難發現，訓練一旦完成，系統本身的通用規律亦不再發生變化，只能被動接受外部的輸入，而與現實世界失去真正的時空聯系。該模型這種通過將實時輸入和已有輸入一起循環往復地投入運算程序，不斷提高輸出文本蘊含有用信息概率的本質，與人類大腦產生有意識的意義語句的方式相差甚遠。所以，人工智能系統并不具有大腦的內部時空尺度，它的運算程序也完全不能等同于大腦的時空整合，故而也就沒有意識，尤其是沒有意識的現象屬性。意識的現象狀態有別于意識的認知狀態：前者關注的是意識的主觀體驗，后者關注的是意識的客觀內容。內容能夠被訪問并在隨后的主體報告中取用，但現象是一種獨屬內部、無法言說的“像是如何”。正如意識到一事物的感受和意識到事物的內容本身不能等同，故在某種程度上現象體驗是對認知內容的“超越”。根據TTC，現象狀態是大腦內部時空尺度對世界外部時空尺度進行擴展時的重現與溢出。從這個層面上看，人工智能可能會獲得某種意識的內容，但無法獲得來自兩種時空尺度間基于差異的現象體驗。也就是說，只有具有現象屬性的機器，才能被認為是真正具有意識的人工智能1。

通過對現下GAI進行更多的功能考察，會發現其相較人類意識具有明顯的匱乏。第一，語言使用和語義理解的差距。GAI是“基于實例的學習”（instance-based learning），即通過對語料的分類和回歸獲得結果，而不同于“基于規則的學習”（rule-based learning），即以基礎的邏輯形式為起點進行推理得出答案。這就使它在語言使用上的表現形式與人無異，但構造理由完全不同。比如“白日依山盡，黃河入海流”，對于GAI來說“黃河入海流”的出現概率總是大于其他詞句出現在“白日依山盡”后面的概率，但它并不了解落日歸于遠山和黃河東流入海所構成的整體緣由和意義。GAI在語言處理中所依賴的在大量語料實例中獲得的通用規律，和人類遣詞造句時所考慮的語詞指稱和語法規則大不相同，這也是它會有“胡說”和“謊言”的情況，以及需要進行人工校準的原因。有人認為會說人話就有意識，但事實上并非如此。如果沒有語義理解，將不能產生系統與環境的交互。第二，間接聯系與直接交互的差距。我們假設GAI具有自己的世界，這個世界由其學習獲得的通用規律和已有知識所構成，那么它的世界僅僅只是對現實世界的部分模擬。與人那種直接寓于世界并相互作用的“生活狀態”不同，GAI與現實世界之間始終隔著厚厚的障壁。它只能在自身內部將“蘋果”與“紅色”“圓形”“甜味”等現成符號進行像人在現實世界那樣的處理，但絕無可能獲得關于蘋果的質性體驗。智能系統的通用性在很大程度上表現為在即時境遇中適應性地行動，直接交互作為適應性的前提對智能系統的重要性不言而喻。這要求它不是僅僅基于與世界的間接聯系回答形式變換的既有問題，而是參與到世界之中，展現自身的實踐能力。第三，新的數據與新的知識的差距。GAI相較之前人工智能的重要進步就是“生成”。生成不僅在于其模型運作的基本原理，也在于其終端輸出的新的可能。分析、推理、想象等能力的實現，能夠使其獲得異于或大于訓練語料的新數據，一定程度上可以視為創造的體現。但是，新的數據不等于新的知識，按照柏拉圖的觀點，一條陳述能稱得上是知識必須滿足三個條件——它一定是被驗證過的、正確的，而且是被人們相信的。遺憾的是，GAI生成的數據顯然無法進行這個過程。驗證、判斷、信念，是人類借助意識基于在世之中的行為實踐，并發揮能動作用而反復試錯和積累總結的，主觀上依賴人類的思維努力和實用導向，客觀上符合自然的物質聯系和發展規律。故此，GAI囿于一個被動構建的模擬世界，當下依然無法生成在現實世界中為人可用的知識。

四、GAI意識生成的可能途徑

GAI想要具有意識必須解決一個基本問題，即系統內部與世界外部之間的時空交互，只有如此它才能夠突破固有規律形式的內容限制，獲得意識的現象屬性。在人工智能的實踐領域，關于該問題的考慮集中體現為“符號接地問題”（symbol grounding problem）的解決。符號接地問題是指如何使得一個符號系統的語義解釋能對其自身是本質固有的1。意識是意義的存在前提，意義則是意識的通達之徑。在現有人工智能這種符號系統中，意義不附著于符號，符號的意義必須從外部引入，但意義又不能作為符號輸入，所以基于符號處理的人工智能系統由于上述聯系的斷裂而沒有語言理解和意義賦予的能力。從根本上說，人工智能與人類大腦在意識問題上的差異就是間接的符號表征和直接的時空交互的不同。

彭蒂·海科寧（Pentti O. A. Haikonen）提出，符號接地問題可以通過“自解釋感覺信息”（self-explanatory sensory information）的形式引入外部意義加以解決。對于人類，自解釋感覺信息就出現在感受質中，感受質是感官知覺和心理內容虛擬知覺的直接體驗，具有親知性。過渡到符號處理，可以憑借知覺與知覺之間的聯系來實現。例如，聲音模態可以與對象或動作的感官知覺相聯系。此后，聲音知覺也將替代相聯系的對象，同時作為原始刺激的知覺出現。這個過程也把相關的知覺從它的時間性中分離出來，其所聯系的意義同樣也可以被它的符號所誘發，即使它不是感官上的存在。自解釋感覺信息是一種感官體驗，而不是純粹符號，自然無法輸入符號系統，故要求人工智能不能僅是一個符號系統，還需要結合人工神經網絡以及多模態傳感器成為一個“神經聯系的認知架構”（neural associative cognitive architecture）。“一個適當的認知架構必須是一個具有多模態傳感器的感知系統，這些傳感器可以產生自解釋的感知。符號不是自解釋的，重復的神經活動模式可能是自解釋的，只要它們在感官上來源于現實世界。因此，適當的認知架構應該是神經的架構，以及支持意義網絡的架構。”2按照?？茖幍目捶ǎ瑐鞲衅魈峁┒嗄B信息，然后不同模態的反饋回路以交叉聯結的方式相聯系，實現“感覺運動的整合”（sensorimotor integration）；進而附加意義與感知的聯系，并依賴既能檢測模態又能將它們聯系起來的特定神經元所構成的層級神經網絡，進行分布式表征輸入；由此在獲得理解的同時，標記出低級特征模態和高級組合模態，提供給運算程序最終生成結果。這個過程既能夠支持外部意義以自解釋感覺信息非符號形式引入，也能夠在內部實現從亞符號到符號處理的無縫過渡。

?？茖帉⒐こ虒W與哲學相結合，解決符號接地問題的思路是從強調意義的符號化引入，轉換至系統的非符號形式接受。他在某種程度上為GAI意識提供了一個可實現藍圖，即GAI應該是一個兼具“身體”（傳感器等硬件）與“認知”（運行機制等軟件）的系統，以模擬人類在世界之中的現象意識的發生條件。類似嘗試已經出現：2024年3月，創新型人工智能機器人公司Figure發布了第一款由OpenAI大模型加持的人形機器人——Figure 01。其結合了人類形態的靈巧性和尖端人工智能技術的自主性，核心在于端到端的神經網絡框架，通過搭載攝像頭和麥克風捕獲環境中的信息，隨后傳入細粒度的多模態模型。該模型能夠轉換不同模態的數據，高頻且精準地展開處理、生成、執行等一系列活動，這就使得Figure 01擁有了識別、理解、對話、學習、適應等多項在人類身上涉及意識參與的能力。例如，在演示視頻中，它站在一張放著各種物品的桌子前，當有人詢問“我有什么能吃的嗎”時，它會拿起蘋果而不是其他工具遞送過來。Figure 01借助硅基載體得以嵌入現實環境，一定程度上模擬了人類具身與世界之間的時空交互，特別是對于不同模態信息的獲取與處理，接近人類意識中作為現象體驗前提的感官知覺。但是，這種方案雖然關注到了系統與環境聯系的必要，緩解了GAI基于深度學習的封閉性，卻依舊相距TTC所認定的標志屬性——時空整合甚遠。更加前沿的關于“世界模型”（world model）的討論已經在路上，它要求人工智能系統不僅僅能觀察和建立對事物的認知，而且要專注于對整個進化環境的理解，衡量和跟蹤其中各種要素隨時空變化的情況。這種新的模型所指的“生成”類似于大腦在機體與世界互動中的生成，可能已經超出了GAI那種被動局限的生成范疇①。

實際上，某些意識的神經科學理論所給出的標志屬性已經能夠部分地在GAI中找到，這可能也是有些人認同GAI至少具備了一定意識水平的原因。之所以以TTC為例，一方面是因為其時空整合的觀點包容性較高，可作為意識的充分條件；另一方面則在于其強調了系統與環境動態聯系的重要性，符合當前人工智能科學領域發展的前沿?？傊?，人類意識的存在與發生就處于世界之中、身體之內，它們相互聯系、缺一不可。在推進人工智能意識的發展時，使其突破內部主義的局限，獲得具身的同時，通過時空交互嵌套于、延展到外部世界是十分必要的。

五、結語

綜上所述，神經科學哲學為GAI的意識探究提供了堅實的基礎，展現了重要的價值。以神經科學理論提供的標志屬性為評估條件，將主客觀測量相結合，能夠以科學可處理的方式考察GAI中的意識狀況?；谏窠浛茖W哲學的人工智能意識研究框架，重在描述一種人工智能意識研究的方法論規范。其不僅克服了以往行為主義式評估標準的片面性，還以自身經驗證據支撐了在人體之外實現意識的可能路徑。TTC的引入，具體回應了當下GAI由于缺乏系統內部與世界外部之間的時空聯系而未有意識的處境。如何讓人工智能邁向真正的意識，尤其是擁有像人一樣的現象體驗，一種強調時空交互的世界模型將會是未來的發展方向。

責任編輯" "羅雨澤

基金項目：教育部人文社會科學重點研究基地重大項目“神經科學視域下的腦機智能哲學問題研究”（22JJD720017）；國家社會科學基金重大項目“人工認知對自然認知挑戰的哲學研究”（21amp;ZD061）。

作者簡介：尤洋（1978—），男，哲學博士，山西大學科學技術哲學研究中心、哲學學院教授，博士生導師；劉奇（1995—），男，山西大學科學技術哲學研究中心博士研究生。