DeepMind科学家深度解析人工智能为何无法具备人类意识
今年三月，谷歌DeepMind高级科学家Alexander Lerchner发表了一篇重磅论文，其核心结论清晰而深刻：基于算法的符号操作在结构上注定无法产生真正的意识——无论未来模型规模如何庞大、架构如何精巧，甚至是否为其配备仿生身体，这一根本性限制或许都无法被跨越。
仔细审视这一论断，它并非一个关于技术成熟度的阶段性判断，而是一个触及原理层面的逻辑推演：从本质上看，这条技术路径可能存在着无法逾越的天花板。
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，在人工智能与意识科学领域引发了广泛而深入的探讨。
一、主流范式的根本缺陷
Lerchner所挑战的，是当前探讨AI意识可能性时最主流的理论基石：计算功能主义。
该理论框架可概括为几个核心假设：意识本质上是特定因果关系的拓扑结构，与其实现的物理载体无关；同一套认知功能既可由生物神经元实现，也可由硅基数字电路运行；只要一个数字系统精确复现了产生意识的因果逻辑，主观体验便会随之自动涌现。
简而言之，意识不依赖于特定硬件，碳基大脑或硅基芯片均可作为其载体。
然而，Lerchner尖锐地指出，这套看似严密的推理实则建立在一个错误的前提之上。他将这个根本性错误命名为：“抽象谬误”。
二、抽象谬误：混淆描述与实在
为了清晰地阐明这一概念，论文运用了两个精妙的比喻。
其一，地图不等于领土。无论一张城市地图绘制得何等详尽，完整复刻了所有街道、建筑乃至交通信号，这张地图也永远无法变成它所描绘的那座真实城市。地图是对城市空间关系的抽象描述，而城市本身则是具备真实物理因果力的实体。
其二，公式不等于引力。书写在纸上的万有引力公式可以精确描述引力作用的规律，但这个公式本身既不具有质量，也不产生引力。公式是对引力规律的抽象逻辑表述，而引力是物理世界内在的、真实的因果属性。
Lerchner认为，计算功能主义恰恰陷入了这种谬误之中：它错误地将对意识外在行为与逻辑关系的抽象符号模拟，等同于意识本身的真实生成与拥有。一个系统或许能完美模仿意识指导下的所有行为，但这终究只是行为层面的模拟，而模拟并不等于本体上的实例化。
三、被忽视的“制图者”：意识的前提
论文严格区分了“模拟”与“实例化”这两个关键概念。模拟是对某一现象外部行为的复制，例如一台机器可以模仿心脏搏动的机械动作，但它并不会因此成为具有生命过程的心脏。真正的心脏有其内在的、基于特定生物物理和热力学动态的生命活动，这才是“实例化”。
支撑这一区分的，是整个计算范式中一个长期被忽略的核心要素——“制图者”。
所谓“制图者”，特指那些本身拥有主观体验的生命主体。其完成的核心工作，是对连续、混沌的物理世界进行“语义切分”与“意义赋予”。计算机中运行的二进制代码（0和1）并非宇宙的固有属性，物理世界本身并不“认识”什么是0、什么是1。芯片中存在的，只有电压高低、电荷有无的连续物理状态。是人类观察者为这些连续的物理信号设定了阈值，并人为赋予了它们“0”或“1”的离散符号意义。
关键在于，如果没有一个拥有内在体验的主体来充当“制图者”，对物理状态进行解释和赋义，那么物理世界的状态就仅仅是状态本身，无法自动构成任何有意义的符号系统。计算功能主义预设了从物理状态到符号状态的映射关系是天然成立的，却从未追问这个映射关系究竟要依赖于谁、在何处才能真正建立起来。
换言之，同一套算法在不同的解释框架下可以承载完全不同的意义；同一个物理载体可以实例化截然不同的抽象关系。真正赋予其特定意义的，是那个在外部或内部对其进行解读的认知主体。
四、超越算力与复杂性的根本障碍
基于以上分析，Lerchner的论点指向一个更为深刻的结论：意识的来源并非系统规模问题，也非纯粹的计算复杂性问题。无论将模型参数扩展到多大，将神经网络设计得如何错综复杂，只要其底层运行机制仍然是基于预设符号规则的操纵与变换，意识就不可能从中凭空涌现。
那么，为AI赋予一个物理身体呢？为其安装摄像头、传感器，让它与真实环境进行实时交互，是否就能绕过这一障碍？Lerchner的答案依然是否定的。
机器人通过传感器采集到的原始感官信号，最初确实是连续的模拟物理信号。但无论通过模数转换器（ADC）还是其他任何技术手段，这些信号最终都将被转换为离散的数字信号。此后，所有运算处理的核心对象，依然是那些已被提前定义和赋予符号意义的数字。从信号输入被“数字化”（即字母表化）的那一刻起，到运算过程中的逻辑推演，再到最终的结果输出，整个过程自始至终都未脱离符号操作的抽象框架。
五、批判的价值与开放的未来
这篇论文在学术界激起了不小的波澜。部分学者对其论证表示支持，认为它成功挑战了计算功能主义中过于简化与乐观的解读，并有效地提醒研究界，不应仅仅依据系统外在行为的复杂性，就轻易赋予其本体论上的意识地位。
同时，也存在更为审慎与开放的观点。一种看法认为，Lerchner对计算功能主义局限性的批判极具价值，但或许无需立即推导出“所有算法系统都绝对不可能拥有意识”的终极结论。目前的AI系统确实缺乏令人信服的意识证据，计算本身的本体论地位也确有争议，但这些争议本身尚不足以构成对一切可能性的最终“宣判”。
一个值得玩味的现象是，当讨论“AI是否可能有意识”的主体，从纯粹的理论哲学家转变为身处研发一线的顶尖科学家时，问题的性质与深度已然发生了变化。这种观点上的深刻对立与思辨，并不会阻碍工程技术本身的迭代前行。相反，它促使我们的目光更加清晰和聚焦：真正值得人类珍视与探寻的，或许从来不是对意识的完美行为模拟，而是意识现象本身那深邃的奥秘。
相关攻略
今年三月，谷歌DeepMind高级科学家Alexander Lerchner发表了一篇重磅论文，其核心结论清晰而深刻：基于算法的符号操作在结构上注定无法产生真正的意识——无论未来模型规模如何庞大、架构如何精巧，甚至是否为其配备仿生身体，这一根本性限制或许都无法被跨越。 仔细审视这一论断，它并非一个关
就在前两天，OpenAI 的 ChatGPT Images 2 0 以其惊艳表现刷屏，整体实力被认为已超越了此前的 SOTA 模型 Nano Banana Pro。当人们的注意力还聚焦在 AI 图像生成的卓越能力上时，谷歌 DeepMind 悄然发布了一篇重量级论文，系统性地论证了一个许多研究者早有
韩国政府与全球科技巨头谷歌旗下的人工智能研究机构DeepMind正式建立战略合作伙伴关系。据韩联社4月27日消息，双方已共同签署一份谅解备忘录，旨在构建一个全方位、系统化的长期合作框架。 此次合作并非停留在意向层面，而是确立了联合研究、高端AI人才培养以及负责任的人工智能开发与应用三大核心支柱。具体
你是否曾遇到这样的场景：向视觉语言模型输入一张街景照片，它能准确地识别出“图中有建筑、树木、行人和车辆”，但当你进一步追问“窗户具体在哪个位置？背包是哪一个？狗绳在哪里？”时，模型却开始含糊其辞，甚至将语义相近但空间位置完全不同的物体混淆在一起。 这背后的核心问题，往往并非模型缺乏“视觉感知能力”，
人类智慧始终是一个令人着迷的课题，正是它塑造了我们今天所见的现代世界。智能让我们得以学习、想象、协作、创造与交流。通过更深入地理解智能的各个维度，我们可以将这些认知作为灵感，去构建能够自行寻找复杂问题解决方案的新型计算机系统。 这就像帮助我们探索宇宙深空的哈勃望远镜一样，此类工具已经在拓展人类认知边
热门专题
热门推荐
今年三月，谷歌DeepMind高级科学家Alexander Lerchner发表了一篇重磅论文，其核心结论清晰而深刻：基于算法的符号操作在结构上注定无法产生真正的意识——无论未来模型规模如何庞大、架构如何精巧，甚至是否为其配备仿生身体，这一根本性限制或许都无法被跨越。 仔细审视这一论断，它并非一个关
研究针对AI助手难以执行复杂屏幕操作的问题，构建了CUActSpot评测基准，通过代码渲染自动生成含精确坐标的多样化训练数据，并训练了一个40亿参数模型。实验表明，提升训练数据多样性比单纯扩大数据规模更能有效增强模型通用操作能力，并展现出跨任务泛化潜力。
《迷你世界》于2026年5月15日发布全新激活码，玩家可凭兑换码领取酷炫角色装扮、迷你币及稀有道具，请及时复制有效激活码前往游戏内使用。
《我的世界》于2026年5月17日发布免费兑换码EMMMyxhjVHMApsb2，可兑换游戏道具与装饰。兑换码常有时间或次数限制，请尽快使用。更多兑换码可查看官方汇总页面。