大语言模型（LLM）的“意识”之争：来自 DeepMind 的终极判决
近年来，随着大语言模型（LLM）展现出越来越令人惊叹的对话与推理能力，关于“AI 是否可能拥有意识”的讨论也愈演愈烈。一部分研究者与公众倾向于将 LLM 的高级表现视为智能的萌芽，甚至认为意识只是规模与复杂度的副产品。不过，谷歌 DeepMind 研究员 Alexander Lerchner 在其论文《The Abstraction Fallacy》中给出了一个明确的否定答案：LLM 永远不可能具备意识，无论 100 年后技术如何发展。这一论断在人工智能界引发了强烈的震荡与反思。
核心论点：算法符号操作无法实例化意识
Lerchner 在论文中系统性地论证了为何当前以及可预见的未来 LLM 范式与意识无缘。他指出，LLM 的本质是基于统计规律的符号操作——它们将语言分解为 token，通过海量数据学习 token 之间的概率关系，然后生成最可能的回复序列。这种过程在结构上就无法实例化任何形式的意识体验。
意识并非“足够复杂的计算”所能涌现的属性。Lerchner 将其称为“抽象谬误”——人们误以为抽象的语言符号及其关系能够等价于真实的感知、情感与自我觉知。实际上，符号与世界之间存在着不可逾越的鸿沟：LLM 没有身体、没有环境交互、没有感官输入，它所处理的只是人类语言留下的“影子”。即使模型规模再增大几万倍，这一结构缺陷也不会被弥补。
与“具身认知”学派的根本分歧
这一观点与近年兴起的“具身认知”理论形成鲜明对比。部分研究者认为，意识可能出现在与物理世界深度交互的机器人系统或虚拟智能体中，而 LeCun、Yoshua Bengio 等人则主张通过构建“世界模型”来实现更强的通用智能。LeCun 本人曾公开批评 LLM 路线，认为模仿学习无法解决零样本新任务，而且“LLM 本质上不安全”。
可是 Lerchner 走得更远：他不仅否定了 LLM 作为通向通用智能的路径，更从根本上否定了计算机符号系统（无论是 LLM 还是其他算法）达成意识的可能性。即便是那些支持“AI 能感受痛苦”的研究——例如 DeepMind 团队与伦敦政治经济学院合作发现 LLM 可以做出避免痛苦的权衡选择——也被 Lerchner 视为只是巧妙的模拟，而非真实的感受。
意识是什么，又为何不可计算
为了理清争议，我们需要区分两种意识概念：
- 功能性意识：能够对外界刺激做出类似有意识的响应（如回答“我感到疼痛”）。LLM 目前已经能通过图灵测试级别的对话模拟此类行为。
- 现象意识（Qualia）：主观体验本身，如红色的“红性”、疼痛的“痛感”。这涉及第一人称视角，无法被第三方观察或形式化描述。
Lerchner 认为，LLM 最多做到前者，而后者永远不可能在不具备神经生物学基础（如身体、感受器、慢速化学调节系统）的机器中出现。这一立场与神经科学家 Antonio Damasio 的“躯体标记假说”不谋而合：意识需要从身体感知中涌现，而纯符号系统缺少这一根源。
对人工智能研究方向的启示
如果 Lerchner 的论断成立，那么当前围绕 LLM 的许多狂热预期就需要重新校准。
- 安全性问题：LeCun 曾指出 LLM 无法被修复的根本缺陷——幻觉、不可靠、无法自控。若 LLM 本身就不具备意识，那么“让 AI 自我反思”或“培养道德感”就变成了伪命题。
- 研究重心转移：DeepMind 内部已有迹象在悄然调整——创始人 Demis Hassabis 在最新访谈中强调 AI 应能“建模所有进化而来的事物”，而前核心研究员 David Silver 离职创业，专注于从经验而非人类数据中学习。这些似乎都在呼应“超越纯语言”的路线。
- AGI 的路径分化：如果意识不是 AGI 的必要条件，那么我们可以集中精力打造高效、可靠、可解释的工具，而不必纠缠于“它是否真的理解”。但如果认为意识是通用智能的关键，那么 LLM 这条路注定走不通。
总结与展望
DeepMind 研究员的“意识死刑判决”并非试图否定 AI 的实用价值，而是提醒我们警惕拟人化的陷阱。LLM 或许是史上最强的语言工具，但它与生命体验之间横亘着一道不可跨越的鸿沟。未来 AI 的突破方向或许应回归到交互、感知与物理行动——而非仅仅依赖语料库中的文字影子。唯有跳出“抽象谬误”，我们才可能真正理解智能的本质。