AI永远不可能产生意识，100年后也不行！DeepMind高级科学家发论文"堵死"AI意识之路|deepmind|人工智能|算法|翻译|高级科学家

来源：市场资讯

（来源：图灵人工智能）

您想知道的人工智能干货，第一时间送达

一句话讲清楚 Google DeepMind 高级科学家 Alexander Lerchner 发表论文，论证 AI 对意识的"模拟"和真正"拥有"意识之间存在不可逾越的鸿沟——不管模型多大、架构多复杂，算法在逻辑上就永远不可能产生意识。

DeepMind 自己人下场说"AI 不可能有意识"

当整个 AI 行业都在讨论"AI 福利""模型道德地位""下一代模型会不会有感知"的时候，一位来自 Google DeepMind 的高级科学家直接发了篇论文，把这条路堵死了。

2026 年 3 月， Alexander Lerchner——Google DeepMind 的 Senior Staff Scientist——发表了一篇题为《 The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness 》的论文。结论相当锋利：

算法符号操作在结构上就没有能力实例化（ instantiate ）意识——无论规模多大、架构多复杂、是否具身。

注意，这不是"现在还不行，未来可能行"的保守估计，而是"逻辑上永远不行"的硬判决。

论文在社交媒体上引发了强烈反响。最出圈的一句话是：

期待一个算法描述去实例化它所映射的性质，就像期待引力的数学公式本身能产生重量一样。

为什么这篇论文的冲击力这么大？不是因为观点本身有多新——类似的思路在哲学界存在了数十年。关键在于，说这话的人就在 DeepMind 上班。以前是外面的哲学教授批评 AI 没意识，业界可以不当回事；现在是做 AI 的人自己站出来说"我们做的这个东西，原理上就不可能有意识"——分量完全不一样。

主流范式到底错在哪里

当前 AI 意识讨论的主流立场叫计算功能主义（ Computational Functionalism ）。说白了就是：意识就像软件，不挑硬件。只要你用算法模拟出大脑神经元的连接模式，不管跑在碳基生物脑上还是硅基芯片上，意识都能自动"涌现"出来。

Lerchner 认为这个假设犯了一个根本性的错误。

传统的思路是：先搞清楚"意识到底是什么"（找到一个完整的意识理论），然后再来判断 AI 有没有。但问题是，学界对意识理论本身都还吵成一锅粥，这条路走不通。

Lerchner 换了个打法——不管意识的定义怎么争，直接从"计算"和"物理世界"的关系入手，证明数字计算这个东西，在本体论上就不可能生成主观体验。他给这个根本错误起了个名字：抽象谬误（ The Abstraction Fallacy ）。

"抽象谬误"到底是什么

地图不是疆域

抽象谬误用一句大白话说就是：你把地图当成了真实的山川河流。

再精确的地形图，也不是山脉本身——你不能在地图上爬山

再完美的乐谱，也不是音乐本身——乐谱不会发出声音

代码里一个叫 emotion = "happy" 的变量，也不是快乐本身

计算功能主义犯的就是这个错——它把一套描述工具（计算/算法）当成了被描述的东西（意识/体验）。

打个更接地气的比方：你有一份精确到分子级别的红烧肉食谱，每一步操作都写得清清楚楚。但食谱再完美，你也吃不饱——食谱是对红烧肉的描述，不是红烧肉本身。计算之于意识，就是食谱之于红烧肉。

谁在"画地图"？——"制图者"的关键角色

Lerchner 接着引入了整篇论文最核心的概念：制图者（ Mapmaker ）。

先看一张论文中的关键图：

论文 Figure 1 ：计算实现的交换图。下面一行是真实的物理世界（物理状态 p 按物理规律变成 p'），上面一行是抽象的计算世界（逻辑状态 A 按算法规则变成 A'）。连接两层的映射函数 f ，就是把物理状态"翻译"成逻辑符号的那个桥梁。

这张图画的是计算机科学里一个经典模型——物理系统怎么"实现"一段计算。下面一层是物理世界（晶体管翻转、电压变化），上面一层是抽象的计算（ 0 和 1 的逻辑运算）。两层之间靠一个映射函数 f 连接。

Lerchner 的追问来了：这个映射函数 f 是谁写的？谁规定了"这个电压代表 1 ，那个电压代表 0"？

答案是：机器自己做不到这件事。必须有一个有意识的认知主体——也就是人类工程师——来做这个决定。 GPU 里的晶体管开关噼里啪啦地翻转，这本身只是一堆物理事件。只有当人类工程师规定了"高电压=1 、低电压=0"这套对应规则时，这些翻转才"变成了"计算。

就像一堆石头摆在地上，你可以说它组成了"SOS"求救信号——但石头本身不知道自己在求救，是你赋予了它含义。

这就出现了一个致命的死循环：

想让计算产生意识

但计算本身需要一个有意识的制图者来赋予符号含义

也就是说，计算已经预设了意识的存在

那你怎么可能用计算去"制造"意识呢？这是拿儿子去生爸爸。

离散化≠编码：一个容易踩的坑

论文里还拆解了一个常被混淆的区分：

离散化是一个自然发生的物理过程。比如水要么是液态要么是固态，磁铁要么朝北要么朝南——物理系统会自发地稳定到某些明确的状态。这是大自然自己干的事。

编码是一个人为的语义操作。就是把这些物理状态"指定"给一套预先定义好的符号——比如规定"水结冰了就记为 1 ，没结冰就记为 0"。这一步必须由一个有意识的制图者来做，大自然自己不会给万物贴标签。

关键在于：从"自然的离散化"到"人为的编码"之间，存在一道需要有意识的认知主体来跨越的鸿沟。物理世界不会自发产生一套"字母表"——字母表是人发明的。

模拟与实例化：一条不可跨越的鸿沟

论文中最具冲击力的区分来了。

模拟（ Simulation ）：你做出来的东西在行为上看起来像那么回事。 ChatGPT 可以模拟悲伤——它能写出让你感动落泪的文字。但驱动它的只是 token 预测，是统计模式匹配，背后没有任何"难过的感觉"。这叫载体因果性——物理状态机械地引起下一个物理状态，符号的"含义"完全是外面的人类赋予的。

实例化（ Instantiation ）：你的系统在物理层面真的产生了那种体验。你之所以觉得牙疼，不是因为有人给你的大脑"编程"了一段"疼痛子程序"，而是你的神经纤维在物理上真的在发出信号，你的大脑在物理上真的在产生疼痛体验。这叫内容因果性——物理过程本身就在生成主观感受。

Lerchner 用了一个精妙的类比——生物心脏 vs 人工心脏：

一颗真实的心脏不只是泵血。它释放激素、调节代谢、通过反馈信号跟神经系统对话。而人工心脏只做了一件事——泵血。临床上已经发现，装了人工心脏的患者会出现各种微妙的全身性问题。因为人工心脏只"实现"了一张粗糙的功能地图——"心脏=泵"——而遗漏了真实心脏在物理层面做的大量其他事情。

意识也一样。 AI 模拟了意识的输出长什么样（说出像人的话），但根本没有复制产生意识的那些内在物理过程。

因果链被搞反了

这是整篇论文最精彩的部分，一张图就能看明白。

论文 Figure 2 ：抽象的因果拓扑。左边（ A ）是功能主义的线性假设：物理→计算→意识，意识从计算中"涌现"。右边（ B ）是 Lerchner 修正后的分支结构：物理先产生意识（体验），意识提取出概念，概念再通过"任意指派"（红色虚线箭头，即因果鸿沟）跳到符号层面，计算只是符号层面的句法操作，处在一条侧支上。

左半边是计算功能主义的世界观——一条直线从下往上：物理产生计算，计算产生意识。很简洁，也很符合直觉，但 Lerchner 认为它搞反了。

右半边是 Lerchner 修正后的版本。关键变化有两个：

第一，因果链条被倒过来了：

功能主义说：物理 → 计算 → 意识

Lerchner 说：物理 → 意识 → 概念 → 计算

翻译成人话：意识不是计算的下游产物，而是计算得以存在的前提条件。你得先有意识体验，才能从体验中提取出概念（比如先吃过苹果，才能有"苹果"这个概念）；有了概念，才能发明符号来代表它（比如用"apple"这个词）；有了符号系统，才有我们所说的"计算"。

第二，从概念到符号之间有一条红色虚线——"因果鸿沟"。

"苹果"这个概念和"apple"这个词之间没有内在联系——你也可以叫它"pinguo"或任何其他发音，纯粹是人类约定俗成的。这种"横向指派"造成了一条不可逾越的因果断裂：从真实体验到符号表达，中间隔着一道人为的深沟。

所以，试图仅用计算（制图者的派生产物）来推导出意识（制图者本身），在逻辑上就是一个本体论倒置——用结果去推导原因。

用 Lerchner 的话说：这就像试图用菜谱烹饪出一位厨师。

那给 AI 装上身体呢？

有人可能会想：如果问题出在 AI 没有真实的物理体验，那给它装上摄像头、麦克风、机械臂，让它"感受"世界不就行了？

Lerchner 专门讨论了这个问题。他把具身 AI 的运作分解成三步：

输入转换：传感器把光、声音、压力等外部物理信号转成电压，再切成数字

句法处理：算法引擎在数字世界里做运算，输出结果

输出转换：执行器把数字指令变回物理动作（比如转动轮子）

问题出在哪？算法控制器只在第二步运转。它吃进去的是一堆经过"翻译"的数字，吐出来的也是数字。而这个翻译规则——哪个电压对应什么意思——仍然是人类工程师定义的。

传感器确实让 AI 能"指向"外部世界了（比如识别出一只猫），但这只解决了"指称"问题，没解决"体验"问题——AI 指向了猫，但它并不知道看到猫是什么感觉。

进化系统生物学家 Johannes Jäger 说得更直白：被编程的"需求"不是真实的生存压力。系统关机不等于死亡。电池没电只是技术故障，不是存在危机。真正的身体意味着你会饿、会痛、会死——这不是功能上的等价能解决的，这是存在层面的根本差异。

旋律悖论：同一个硬件，无数种"计算"

论文还有一个很有说服力的论证，叫做"旋律悖论"，看图就能明白：

论文 Figure 3 ：旋律悖论（机制的不确定性）。底部是同一段物理信号（一系列电压波动），它有固定的物理轨迹。但如果换一套"字母表"去解读它，同样的物理信号可以被映射成"贝多芬第五交响曲"的音频数据（左上， Mapping A ），也可以被映射成"金融市场行情"数据（右上， Mapping B ）。物理世界不变，但"计算内容"完全取决于制图者用了哪把钥匙。

这张图的意思一目了然：底下是同一段物理信号——一条电压随时间变化的波形。这条波形有固定的物理轨迹，晶体管该怎么翻转就怎么翻转，这是客观的。

但上面呢？如果你用"字母表 A"来解读这段信号，它是贝多芬《第五交响曲》的音频数据。如果你换"字母表 B"来解读，同一段信号变成了股票市场的行情数据。

物理世界一模一样，但"它在算什么"完全取决于人类选择了哪套解读规则。

这说明了什么？计算不是物理世界的固有属性。它是制图者投射上去的一层含义。同一段旋律，用不同的记谱系统可以写成完全不同的乐谱——旋律是客观的，但乐谱是约定的。

如果计算连物理世界的固有属性都不是，它又怎么可能凭空产生意识这种最真实的东西？

这个论证有什么局限？

公平起见， Lerchner 的论证并非无懈可击。

首先，它瞄准的是符号计算（也就是我们现在所有数字 AI 的运作方式），没有覆盖所有可能的人工系统。以下几类系统不在论证射程内：

神经形态芯片：直接模拟生物神经元物理特性的硬件

模拟计算系统：不经过数字化，直接处理连续信号

实验室培养的脑类器官：真正用生物细胞长出来的神经组织

混合系统：把计算嵌入物理动力学的复合架构