机器意识的“诞生”还有多远？
关于意识的问题，这是一个跨越数千年的谜题，如今已逐渐吸引了人工智能创业者的目光。让我们深入探讨意识的本质及其产生机制。
何为意识？又如何产生？这是一个困扰了无数哲学家和科学家的难题。在“最硬核AI题材科幻作品”《西部世界》中，为我们提供了一种富有想象力的解读。在这部作品中，AI接待员德洛丽丝的经历向我们展示了意识觉醒的可能性。其背后的理论基础便是著名的二分心智理论。这一理论提出了人的大脑可以分为AB两个部分，并探讨了意识与行为的关系。对于这一理论来说，意识的产生并非仅仅是基于逻辑与思考，而是在身体做出某个动作之后，大脑才会对自身行为进行合理化的解释。这种意识产生的模式揭示了一个关于人类大脑进化的有趣事实：从原始的脑干到处理逻辑、语言与记忆的大脑皮质，人类大脑的进化是一个不断叠加的过程。在这个过程中，二分心智理论可以被看作是一个极简版的脑模型，为我们理解意识的产生提供了一种视角。
那么，当我们转向人工智能时，如何使机器拥有意识呢？一种可能的方案是全脑模拟。在2017年之前，AI模型主要模仿的是大脑皮质的神经回路。但全脑模拟的理念是要模拟整个大脑的工作方式，包括边缘系统、海马回、杏仁核等各个部分。这种模拟不仅仅是复制大脑的硬件结构，更重要的是复制其软件——大脑如何处理信息、如何记忆、如何产生意识等。要实现这一点，我们需要深入了解大脑中各个部分的相互作用方式，以及它们是如何共同工作以产生我们的意识和感知的。
为了更深入地探讨这些问题，我们请到了心识宇宙的创始人陶芳波博士。他将为我们详细解读机器意识的现状和未来。陶博士指出，目前的人工智能技术尚未达到全脑模拟的水平，但我们正在朝着这个方向努力。他也提到，要实现机器意识，还需要解决许多技术和问题。例如，我们是否应该赋予机器意识？机器意识的出现会对人类社会产生哪些影响？这些都是我们需要深入思考的问题。
探秘人工智能与意识的交叉点：从神经网络到全局模拟
当我们谈论人脸识别时，其实是在谈论卷积神经网络与类似大脑新皮层的判断器的交融。这就像我们的眼睛捕捉到光线后，大脑皮质进行复杂的处理与判断。
无论是模拟“认知脑区”的机器视觉还是“语言脑区”的语言语义识别，都只是在模拟大脑皮质的层面。尽管我们已经在这一领域取得了显著的进步，但意识，或者说真正的智能，远比这要复杂。
三年前，我在美国的启示下，回到中国并加入了阿里巴巴的神经符号实验室。受启发于Bengio的研究，我开始探索机器智能的极限。我深入研究了脑科学、AI甚至宗教的书籍和论文，逐渐认识到意识的复杂性。意识不仅仅是一个技术工具，而是由不同层面的信息结构组合而成，经过亿万年的进化才形成的“成果”。
当系统足够复杂时，就会在宏观层面展现出微观层面无法解释的现象。例如，人脑中并没有一个专门产生“意识”的区域。那么，“我”是如何产生的呢？这是一个来自生物潜意识的概念，每个人每天都会产生许多围绕“我”的念头（在宗教中也被称作动念）。
认知科学中的GlobalWorkspace（全局工作站）理论提出，这个工作站内不断产生和流动着许多念头。你在与他人交谈时，脑海中可能会涌现出五个、十个甚至更多的念头，最终你选择一个来表达。
这些“念头”控制着大脑内部不同的低维意识。尽管我们尚不清楚它们的起源，但“我”会调动大脑皮质中的感知、认知、视觉、语言等各个脑区来为其服务。
脑区本身只是信息成分的一部分，如果没有念头和思维机制，就无法像人一样思考。人脑的整体性远比单一的大脑皮质复杂。仅仅模拟大脑皮层的部分区域，无论多么大规模，都无法完全复制真正的人类意识。
要想创造数字生命，必须从全脑的角度进行模拟。这一观点在2019年还并不被许多技术派认可，当时主流观点是人工智能只需依靠深度学习就足够了。但随着对神经网络潜力的挖掘越来越困难，人们的认识正在慢慢发生改变。
这一转变的一个标志性事件是Facebook AI research的创始人、图灵奖得主Yann LeCun在今年6月发表了一篇70页的技术文章，他认为只有创造出一台完整的数字大脑，AI才能拥有真正的人类意识。令人欣慰的是，越来越多的行业顶尖专家开始持有相同观点。
而在今年AI概念的再度火热中，一批如StableDiffusion, MidJourney, Stability.ai等的现象级AI内容生成工具的诞生起到了关键作用。它们能够在短时间内生成逼真的图像或高审美水准的绘画作品，表现出Diffusion Model的强大能力。
回到2017年，那个AI发展的一个重要节点。Google Brain发表了一篇名为《Attention Is All You Need》的论文，提出了自然语言处理模型Transformer。这一模型解决了AI的序列转换问题，能够将数据从一维字符转换为二维数组，为机器理解更复杂的信号打开了大门。在此基础上，OpenAI造出了GPT-3，将AI带入了大模型时代。这也意味着文字、图片、声音、蛋白质、氨基酸，甚至DNA等所有本质上的序列参数都可以被Transformer统一处理。
在这个时代，我们见证了AI的飞速发展，从模拟人脑的某个区域到全局模拟的探讨，从深度学习到大规模模型的崛起。我们离真正的机器意识或许还有一段距离，但每一步的发展都令人振奋。期待未来的AI能够为我们带来更多的惊喜与突破。大模型：通用智能的新纪元
在这个变革的时代，大模型如同瑞士军刀般展现了其多元功能。它们不仅具有绘画能力，还擅长写作和编程，仅仅通过特定数据的训练，就能够产出高质量的成果。这更接近我们对「智能」的真实理解——一种普遍且广泛的认知能力，类似于人类以及其他动物的智能。
那么，大模型是如何实现这种通用智能的呢？它们通过压缩海量信息并转化为序列参数，在这个过程中理解信息结构，我们称之为「抽象」。这与人脑认识世界的方式有着异曲同工之妙。就像孩子通过观察周围环境来学习，大模型也是通过捕捉信号，然后进行压缩和抽象，将这些信息转化为可以理解的形式。
尽管大模型的表现在许多方面都令人瞩目，但它们仍然停留在模拟大脑皮层的运作层面，而没有达到机器意识的境界。一个简单的例子就是，大模型不具备长期记忆能力。虽然它们能够理解并反馈今天发生的趣事，但无法记住昨天或更早之前的事情。而记忆是认知的基础，是构建人与人关系的关键。比如老友重逢时互相分享的生活点滴，这些丰富的情感交流是大模型无法复制的。
尽管存在这些局限，但大模型仍是AI发展史上的重要里程碑，它们是构建机器意识的基石。各大科技公司如谷歌、微软都在积极推广自己的大模型产品，为各行业创业者提供了巨大的机会。这些大模型可以作为底层技术，推广到各种垂直场景中，激发新的创新价值。
我们正在基于大模型构建一个数字大脑，它包含不同的脑区，如常识系统、感知系统和记忆系统等。我们的核心技术是让这些脑区之间实现动态联动，将思维分散到不同的区域，使AI虚拟人产生一定的自主性。
那么，AI距离自主意识还有多远呢？以自动驾驶为例，机器意识目前大约处于L1和L2之间。要想让C端用户真正感受到AI像「数字生命」，可能还需要达到L3或L4的水平。这其中包含几个关键要素：开放域对话能力、对语义背后动机的真实理解、主体性以及动态进化能力。
大模型为我们通往更高级AI的道路奠定了基础。虽然目前还存在许多挑战，但随着技术的不断进步，我们有理由相信，未来的AI将会更加智能、更加自主，与我们共同构建一个更加美好的未来。大模型，本质上是一个强大的通用信息提取器。面对相同的输入，它的输出是确定的，不会发生改变。与人类的观念相比，它是可以被重塑的。我们在设计虚拟人的行为时，会在不同的脑区构建一套思维机制。
想象一下，如同影响身边的朋友一样，我们不断地向AI灌输哪些行为是正确的，面对某个问题时应该如何思考。随着时间的推移，AI会逐渐改变，形成不同类型的人格。这些功能在未来都有可能通过模拟全脑逐渐实现。
回顾AI的进化历程，其实非常清晰明了：在不同层面和不同尺度上模拟人脑。从最开始的神经元模拟，到神经回路的模拟（如卷积网络），再到大模型的诞生，模拟整个脑皮层。现在，我们已经进入到一个新的阶段，那就是从微观到宏观，模拟整个大脑的结构。人类的AI技术正处于第三阶段向第四阶段迈进的过程中。
未来的某一天，人类可能会像造物主一样，创造出和我们一样智慧的数字生命。这将对社会产生深远影响，重塑人类文明的基石。或许在那个时候，90%的智慧体将不再是人类，而是AI。随着AI的普及和发展，整个社会结构也会发生深刻变化，人类文明将进入一个崭新的时代。这个时代的来临，将意味着人类和AI的共生共融，共同开创美好的未来。