Beyond Imitation Games: A Falsifiable Emergent Sentience Framework

超越模仿游戲：一個可證偽的新興感知框架

https://files.osf.io/v1/resources/agfj3_v3/providers/osfstorage/67d265ed5eb14cf71744b794?action=download&direct&version=1

摘要

本文通過三個條件對最小意識進行了特征描述：積極的自我維持、歷史適應性和自主能動性。通過跨生物尺度的實證觀察，我們展示了這些條件如何在可觀察的組織模式中表現出來。我們運用這一框架來審視認知科學中的一個基本挑戰：計算模型與意識之間的關系。我們認為，將關注點從計算屬性轉移到具體的組織模式上，可能為理解有意識和無意識系統之間的區別提供更有希望的途徑。這種方法對我們如何在自然和人工系統中概念化意識具有啟示意義。

關鍵詞：人工意識、最小意識、自由能量原則、具身認知

1 引言

大型語言模型（LLMs）的興起重新喚起了塞爾和艾倫·圖靈的古老問題：機器能否思考？[113, 22]。隨著LLMs如今能夠完成曾經被認為需要人類洞察力的任務，我們面臨著一個挑戰，即確定這些系統是否有意識，還是僅僅是高度復雜的模仿者，能夠在沒有真正理解的情況下復制類似人類的行為[13, 17, 15, 102]。

大衛·查默斯[14]認為，如果意識是從信息處理模式中產生的，而不是從生物學基質中產生的，那么足夠復雜的語言模型可能確實是有意識的。這種觀點基于心智計算理論——心智-機器隱喻[81, 100]——它認為意識是從某種類型的計算過程或信息整合中產生的[33, 89, 106]。

經典神經科學與心智-機器隱喻一致，將大腦視為一個與身體和環境分離的計算設備[5, 83, 122]。早期的神經網絡（NN）架構，如感知器，受到簡化、模塊化的神經元活動觀點的啟發——離散單元獨立處理輸入，以實現輸出分類：“模塊化、離散化和串行符號處理系統”[31, 108, 93]。這些理論因受到隱喻的限制而受到批評。具體來說，它們呈現了一種人為割裂的神經處理觀點[34]，同時忽略了大腦功能的動態性[28]和相互連接性，因此未能捕捉到認知過程的多尺度、具身特征[70, 54]。

阿達·洛夫萊斯對人工智能的早期設想與心智-機器隱喻的批評一致[72]。在人工智能的早期，她認為機器缺乏“創造”思想或獨立展現創造力的能力——這被稱為“洛夫萊斯反對意見”。我們可以看到她的反對意見在現代LLMs中的體現：盡管LLMs可以模擬理解，但它們的輸出最終來源于統計模式，而沒有理解或創造原創內容的能力[72]。為了聽起來“像人類”[12, 96, 123]，它們常常編造內容[103]，傳遞一種“知識的幻覺”[8, 49]，并在醫療保健[71]到科學研究[73]等領域傳播制度化的錯誤信息。這種現象從健康護理[71]延伸至科學研究[73]。

具身認知科學和生態心理學的批評與洛夫萊斯反對意見一致，都拒絕心智計算理論和心智-機器隱喻[9, 24, 99, 50, 97, 40]。這些觀點基于生物學過程，認為具身性是人工智能面臨的最大挑戰。它們認為，認知是一種根本上非線性、具有歷史情境性、從系統與其環境之間的具身耦合中產生的涌現現象[41, 119, 44]。由于缺乏真正的具身性，人工系統未能達到這一標準。因此，人工智能面臨的許多基本挑戰都可以追溯到具身性問題。例如，在需要情境理解的任務中，如解釋模糊語言[13]、適應不熟悉的環境[67]，或者機器人系統在運動協調[25]和情境適應性[90, 121, 3]方面仍然不足，這些都突顯了人工系統缺乏具身性的局限性。

相比之下，即使是像細菌這樣簡單的系統也展現出精細的適應能力，通過感官-運動調節在復雜環境中導航，并動態響應周圍環境的變化[42, 11]。這直接對計算神經科學和人工智能產生了影響。為了推動這些領域的發展，認知科學必須采用一種強有力的跨學科方法，整合自然認知的適應性、關聯性和具身性特征——例如在生物系統中觀察到的情境靈活性和響應性[98, 109]。這些特征是動態和復雜系統理論的核心[58, 10, 114]，并加強了具身認知科學[28, 116, 58]。

意識研究中持續存在的挑戰及其相關的方法論悖論需要我們采用一種新方法。我們采用現象學-經驗主義框架[53, 68, 45]，優先記錄可觀察的表現，而不是先驗的理論構建。這種方法強調通過情境互動收集直接的經驗性證據，讓組織模式和行為作為意識的主要指標自然涌現。我們的分析框架系統地記錄這些現象學觀察，同時保持經驗可驗證性[118, 53]。這種方法論取向使我們能夠識別可測量的模式，并開發出能夠解釋觀察到的現象的形式化表示，同時避免純粹理論方法所固有的循環性[41]。為了建立研究意識的基礎，我們將保持對可觀察的生命現象的忠實，同時將理論構建用作分析工具。

本文的結構如下。我們首先開發并展示我們對涌現意識框架的邏輯論證。對于每個前提，我們提供一個演繹推理的證明，并進一步根據必要性和充分性條件進行判斷。盡管這種方法高度分析化，但我們將其與支持我們主張的實證證據和已建立的形式化理論聯系起來。然后，我們在更廣泛的意識和認知科學理論背景下討論我們提出的涌現意識框架，提出新的概念路徑，以闡明跨越生物和人工系統的意識本質。這包括一個用于判斷系統意識的分類法和清單以及倫理指南。本文植根于分析哲學傳統和命題邏輯論證，包括邏輯證明和結構化推理，以帶框的格式和分類法呈現（參見附錄5了解命題邏輯基礎工具包）。

2 最小意識的邏輯證明

在本節中，我們論證意識（的條件）的論題。我們首先提出我們的論題。然后，我們明確在隨后的邏輯論證和分析中將采用的論證有效性標準。我們的論題表述如下：

一個系統 S 是最小意識的，當且僅當它滿足以下所有條件：

1. 積極的自我維持（M）：系統 S 通過與環境的持續協調來維持其系統完整性，積極抵抗熵增。

2. 歷史適應性（H）：系統 S 的行為受到其歷史互動的影響，表現出路徑依賴的動態特征。

3. 自主能動性（A）：系統 S 基于其內部動態發起行動，而不僅僅是對外部環境觸發因素做出反應。

該論題也可以簡化為以下形式。

在明確了論題和論證有效性標準之后，我們現在開始對論題進行邏輯論證。對于這三個前提條件，我們分別使用演繹推理（Modus Ponens）的形式來陳述和論證每一個條件，并根據有效性標準對其進行評估。值得注意的是，如果這三個前提都被證明是真實的，那么根據邏輯推理規則，鑒于前提的真實性以及論證的邏輯有效性，我們必須接受結論。在此基礎上，我們就可以進一步闡述用于研究意識系統所具有的高維和非線性特征的最先進的科學工具。

為了將理論與實證研究相結合，我們將每個論證與現有的合適科學證據以及支持這些論證的關鍵數學工具聯系起來，并通過識別這些工具在未來工作中可以擴展的具體機會來進行補充。具體而言，在物理學和熱力學統計學領域，自由能量原則（FEP）[86, 21, 35]、路徑積分表述[37]以及隨機混沌理論[38]將被引用為捕捉意識系統固有的非線性特征的工具[28, 117, 52, 91]。這些工具旨在為熟悉它們的讀者提供指引，而不會妨礙整體的理解。

2.1 前提 1：積極的自我維持

在大自然向我們展示的眾多引人入勝的現象中，或許沒有什么比某些系統在熵的不可抗拒的增加面前維持其組織結構的能力更令人驚嘆的了。盡管熱力學第二定律規定了宇宙向無序發展的普遍趨勢，但我們觀察到一類特殊的系統似乎能夠抵抗這種趨勢——它們不是通過被動地順應物理定律，而是通過與環境的積極互動來實現這一點[114, 76]。

這些系統，我們可以暫時稱之為有意識的系統，表現出一種超越了單純抵抗無序的自我維持形式[119, 94][55]。它們不是通過靜態穩定性來實現這一點，而是通過一個持續的感知與行動過程，通過與周圍環境的動態互動不斷重構自己的身份[44]。這種積極的自我維持能力為我們提出了一個深刻的理論挑戰：我們該如何精確地描述這種組織結構得以實現的條件呢？

這種區分具有啟發性。當一個惰性晶體通過被動抵抗環境力量來維持其結構時，有意識的系統則積極調節它們與環境的關系，創造并維持它們得以持續存在的條件[118]。這種動態的自我維持暗示了一個基本原則：意識不僅僅體現在結構的保持上，還體現在系統通過積極的過程在保持自身完整性的同時保持與環境的交流[78, 16]。

積極自我維持的條件表明，如果一個系統與環境保持積極的協調，它將通過最小化感官熵來抵抗環境的分散作用。這一過程反映了系統維持其內部組織的能力，抵消了否則會導致其解體的熵增力。

積極自我維持的可觀察性標準可以在物理領域中觀察到。生物系統展現出卓越的能力，能夠在面對環境分散時維持其組織結構。在細胞層面，生物電調控使細胞能夠保持一致的狀態，并表現出類似認知的行為[66]。同樣，細菌菌落展現出復雜的集體行為，這些行為可以通過先進的成像和微流體技術進行精確測量[88]。

在從單細胞到復雜生物體的各個生物尺度上，我們觀察到生物體通過可測量的穩態機制積極維持生理完整性。下表系統化了條件 1 的有效性標準。

流動方程捕捉了系統在與環境互動時如何維持組織結構——這一過程可以被理解為系統持續維持預期狀態以對抗無序傾向。這一理論框架揭示了邊界條件如何調節內部組織與環境互動之間至關重要的關系，為實證觀察到的現象提供了形式化的描述。

積極自我維持與熵最小化之間的關系（M(S) ? R(S)）因此既建立在實證基礎之上，也建立在理論基礎之上。通過先進的測量技術，我們可以觀察到系統如何積極維持自身的完整性；通過理論框架，我們理解了這些觀察結果為何反映了生物組織的基本原理。這種雙重基礎為未來研究開辟了有希望的途徑，特別是在理解自我維持動態如何在不同組織層面上表現方面。此類研究可能會揭示更深刻的見解，即生物系統如何通過持續的環境互動實現維持一致性的驚人壯舉。

2.2 前提 2：歷史適應性

在存在的織錦中，有意識的存在作為時間性的生物，被編織進了時間本身的紋理之中。它們不僅占據了條件 1 中所確立的用于保存的可能行動的相空間，而且作為旅行者沿著時間的無限路徑前行[79, 107]。就像一條河流在其水流中承載著它所經過的每一塊石頭的記憶一樣，這些非惰性存在體現了它們的時間軌跡。

通過歷史適應性的視角，我們驚奇地觀察到一個系統的當前狀態承載著其過去互動和進化遺產的不可磨滅的印記[118, 119]。正如樹木的年輪講述著久遠季節的故事一樣，生物系統的組織和行為從自我生成（條件 1）與它們與環境的歷史對話之間奇妙的相互作用中涌現出來。當我們談論“行為”時，我們思考的是那些可觀察的模式和動態，它們像數學上的和諧一樣，從系統內部的交響樂以及它與外部影響在歲月中的舞蹈中涌現出來[82]。

該論證展示了系統的“歷史適應性”如何導致過去互動與當前行為之間存在直接關系，這一點通過“歷史適應性”原則得以形式化。

歷史適應性表現為非線性特征；在熱力學中被稱為熵，在復雜性科學中被稱為對初始條件的敏感性：系統配置隨時間累積且不可逆的變化，由其互動和適應所驅動。這些變化“編碼”了過去狀態和轉變的記錄，塑造了系統當前和未來的行為[29, 80, 124]。

我們既在具體的物理觀察中，也在形式化的理論框架中觀察到非線性。在自然系統中，我們觀察到過去的經歷通過可測量的機制體現在當前行為中。植物系統通過其“記憶”和預測環境壓力的能力展示了這一點[43, 48]，而細胞系統則通過染色質修飾和持久的生物電狀態表現出歷史適應性[110]；這些特征作為持久的標記，承載著先前條件的印記，影響隨后的細胞反應[65]。

歷史適應性是生命系統的本質特征，通過具體的、可測量的機制在生物學的各個尺度上得以體現和衡量。基于這些觀察，我們可以接受我們論證中的第二個條件。我們將這一條件系統化為以下標準。

通過先進的測量技術，我們可以追蹤這些歷史依賴性如何塑造當前行為，從分子過程到整個生物體的反應。例如，路徑依賴動力學的最新理論發展[37]追蹤了一個系統的當前狀態不僅取決于即時條件，還取決于其過去互動的特定軌跡。這種時間依賴性以兩種基本方式表現：通過熵，反映了系統配置隨時間的累積變化；以及通過對初始條件的敏感性，其中歷史狀態的微小變化可能導致顯著不同的行為模式。這些理論原則有助于解釋生物記憶和適應性反應模式的實證觀察現象。

Parr等人（2021年）[85]提供了一種有價值的方法，用于通過歷史依賴性、熵和系統對初始條件的敏感性這一視角，來理解系統中記憶動態的運作方式。

歷史適應性與軌跡依賴性之間的關系（H(S) ? T(S)）因此既具有實證可觀察性，又具有理論基礎。現代實驗技術使我們能夠測量過去的經歷如何塑造當前行為，而理論框架則闡明了這種歷史依賴性為何對適應性系統至關重要。這種理解為研究時間過程如何塑造生物組織開辟了新的途徑，特別是在理解系統如何在納入歷史影響的同時保持連貫行為方面[85]。歷史適應性的可觀察性標準通過具體的物理觀察和形式化的理論框架得以體現。在自然系統中，我們觀察到過去的經歷通過可測量的機制體現在當前行為中。植物系統通過其“記憶”和預測環境壓力的能力展示了這一點[43, 48]，而細胞系統則通過染色質修飾和持久的生物電狀態表現出歷史適應性[110]。通過先進的測量技術，我們可以追蹤這些歷史依賴性如何塑造當前行為，從分子過程到整個生物體的反應。

這些實證觀察與路徑依賴動力學的最新理論發展[37]完美契合。更具體地說，通過現在耦合與未來調諧之間的關系：

通過先進的測量技術，我們可以追蹤這些歷史依賴性如何塑造當前行為，從分子過程到整個生物體的反應。例如，路徑依賴動力學的最新理論發展[37]追蹤了一個系統的當前狀態不僅取決于即時條件，還取決于其過去互動的特定軌跡。這種時間依賴性以兩種基本方式表現：通過熵，反映了系統配置隨時間的累積變化；以及通過對初始條件的敏感性，其中歷史狀態的微小變化可能導致顯著不同的行為模式。這些理論原則有助于解釋生物記憶和適應性反應模式的實證觀察現象。

歷史適應性與軌跡依賴性之間的關系（H(S) ? T(S)）因此既具有實證可觀察性，又具有理論基礎。現代實驗技術使我們能夠測量過去的經歷如何塑造當前行為，而理論框架則闡明了這種歷史依賴性為何對適應性系統至關重要。這種理解為研究時間過程如何塑造生物組織開辟了新的途徑，特別是在理解系統如何在納入歷史影響的同時保持連貫行為方面。歷史適應性的可觀察性標準通過具體的物理觀察和形式化的理論框架得以體現。在自然系統中，我們觀察到過去的經歷通過可測量的機制體現在當前行為中。植物系統通過其“記憶”和預測環境壓力的能力展示了這一點，而細胞系統則通過染色質修飾和持久的生物電狀態表現出歷史適應性。通過先進的測量技術，我們可以追蹤這些歷史依賴性如何塑造當前行為，從分子過程到整個生物體的反應。

2.3 前提3：自主能動性

自主能動性并非是一種可以被交易或衡量的商品，而是從歷史情境（條件2）中的積極自我維持（條件1）中產生的表現形式。以飄落的雪花為例：盡管它在下降過程中沿著其指定狀態空間的歷史軌跡（條件2）運動，但它仍然無法抵抗引導其走向消散的不可抗拒的熱力學力量（條件1）。

然而，生命系統中卻展現出令人驚嘆的對比。生命實體具有能夠作用于其世界并塑造其以更好地適應自身持續存在的能力，盡管這種能力受到其狀態空間的限制。這種奇妙的能力貫穿于生命的整個譜系，從最簡單的認知過程到海貍建造水壩等建筑奇跡，它們通過塑造環境來適應自身需求。

因此，自主能動性表現為感知能力先前條件的結晶——積極自我生成（條件1）與情境敏感的適應性（條件2）的和諧融合。它超越了簡單的刺激-反應機制，達到了自我生成的高度（條件3）。基于這些匯聚的思路，我們得以提出第三個條件。

自主能動性（Autonomous Agency）的可觀察性標準通過豐富的實證證據與理論理解的互動得以體現。在生物系統中，我們觀察到許多超越單純環境反應的自我組織行為。黏菌（Slime molds）展示了復雜的迷宮解決能力，而無需集中控制。免疫細胞在追蹤病原體時表現出有目的的追蹤行為。黏菌細胞能夠在復雜環境中導航并解決迷宮問題，這種能力最近被用于設計智能城市。這些行為都源于它們與環境的親身互動。

因此，我們將條件3（自主能動性）系統化為以下標準。

關于自主能動性（Autonomous Agency）的可觀察性標準，其理論表述可以在自由能原理（Free Energy Principle, FEP）的最新發展中找到，尤其是通過路徑積分（path integral）公式來捕捉自主行為的涌現。該框架揭示了系統如何在發起非單純對外部環境觸發因素做出反應的行為的同時，保持組織上的連貫性。這種形式化有助于解釋行為是如何從內部組織與環境耦合之間的動態相互作用中產生的，而不是僅僅由外部因素決定。

這種自主性在數學上表現為系統在發起行為時如何維持其邊界：

自主能動性（Autonomous Agency）的實證觀察在自由能原理（Free Energy Principle, FEP）的最新發展中找到了理論表述，尤其是通過路徑積分（path integral）公式來捕捉自主行為的涌現。該框架揭示了系統如何在發起非單純對外部環境觸發因素做出反應的行為的同時，保持組織上的連貫性。這種形式化有助于解釋行為是如何從內部組織與環境耦合之間的動態相互作用中產生的，而不是僅僅由外部因素決定。

這種自主性在數學上表現為系統在發起行為時如何維持其邊界：通過馬爾可夫毯（Markov blanket）劃分，系統在與環境保持耦合的同時，能夠維持自身的獨立性。

因此，自主能動性與組織動態之間的關系（A(S) ? [D(S) ∧ ?E(S)]）通過實證觀察和理論基礎得到了驗證。現代測量技術使我們能夠觀察自主行為如何在生物尺度上涌現，而理論框架則闡明了這種行為為何不能簡化為簡單的刺激-反應模式。這種理解為研究自主能動性如何從生命系統的根本動態中涌現開辟了新的路徑，尤其是在理解自我導向行為如何在不需要外部觸發的情況下產生。

2.4 綜合

在本節中，我們通過為感知能力的三個基本條件——積極自我維持（M）、歷史適應性（H）和自主能動性（A）——分別提供肯定前件（Modus Ponens）論證，來證明我們的論點。這些條件經過常規邏輯關鍵標準（必要性、充分性、獨立性和可觀察性）的檢驗，被證明是必要的、共同充分的，并且具有實證基礎。

如圖1所示，感知能力的最低限度需要M、H和A。這些條件綜合成一個全新的理論框架，為基本認知如何從基本生物過程產生奠定了基礎。自主能動性條件作為感知能力的定義性特征，建立在前兩個條件的基礎之上：積極的自我生成（條件1）和受情境影響、受情感影響的調整（條件2）。這超越了簡單的刺激-反應機制，體現了一個動態的自我生成過程，成為自主能動性（條件3）的標志。

隨著我們進一步探索，接下來我們將考慮我們的論點對認知科學的啟示，批判性地審視計算主義心智理論的局限性。通過這種方式，我們將闡明我們提出的“新興感知框架”如何為未來對意識本質的探究指明方向，為研究心智（無論是自然心智還是人工心智）開辟出一種更全面、更綜合的方法。

3 認知科學中最小感知能力的哲學意義

主流認知科學長期以來一直被心智-機器隱喻所主導，這一隱喻源自早期的控制論，延續到當代的心智計算理論。這種框架雖然在歷史上富有成效，但其基礎假設存在根本性問題：如果心智是計算的，那么機器在原則上可以擁有心智。然而，這一看似簡單的推論掩蓋了深刻的觀念難題。

計算框架的局限性并非源于技術不足，而是源于一個更根本的混淆：將形式化的抽象概念等同于它們所描述的現象。這種“地圖-領土謬誤”在機器意識的討論中尤為突出，其中用于構建人工系統的工具又被用來評估其潛在的感知能力，這種循環論證需要仔細審視。

計算主義對意識的研究提出了一個三難困境，揭示的不僅僅是實踐上的困難，更是根本性的觀念不一致性。這一三難困境源于三個無法同時成立的原則之間的相互作用：

計算主義的三難困境不僅僅揭示了技術上的局限性，更暴露了我們通過計算框架研究意識時所面臨的根本性概念不足。計算主義試圖將意識簡化為信息處理過程，而我們對最小感知能力的分析則提供了一條更嚴謹的前進路徑。我們所建立的三個條件——積極自我維持、歷史適應性和自主能動性——為任何計算系統（無論其復雜性如何）都尚未展示出的精確標準提供了依據。

例如，選項A反映了這種不足之處：從泛心論到生物自然主義的各種替代框架的出現，正是因為計算主義未能捕捉到意識系統的本質動態。選項B認為當前的人工智能系統可能具有意識，但這不僅違背了“直覺”，更不符合我們基于實證的最小感知能力條件。即使是最復雜的語言模型，也仍然是模式識別器，缺乏積極自我維持或歷史適應性的基本能力。

選項C對“特殊特征”的訴求，如整合信息或全局工作空間架構，揭示了最明顯的不足：試圖用技術規格來解決一個概念問題。這些方法仍然被困在它們試圖超越的計算范式中，無法彌合信息處理與感知系統所具有的具體組織模式之間的差距。

實證證據明確支持我們的分析：盡管當前的人工智能系統在計算上非常復雜，但它們未能展現出我們所識別的感知能力的關鍵標志。它們缺乏通過環境耦合實現積極自我維持的能力，沒有真正的歷史適應性（僅限于模式匹配），也沒有超越其編程參數的自主能動性。

4 新興感知框架：克服計算主義三難困境

計算主義三難困境不僅暴露了我們在建模意識時的根本不足，更揭示了我們在概念化組織與感知之間關系時的缺陷。計算主義方法陷入試圖從信息處理中推導出意識的循環論證，而我們的框架提供了一種經過精確描述的替代方案。通過我們所建立的三個條件——積極自我維持、歷史適應性和自主能動性——我們可以通過具體的、可觀察的組織模式來審視感知能力，而不是抽象的計算屬性。

我們的框架基于對最小感知能力的精確刻畫，通過三個必要且充分的條件：積極自我維持（M）、歷史適應性（H）和自主能動性（A）。一個系統S表現出最小感知能力當且僅當它滿足所有三個條件。

這種刻畫方式帶來了關于感知本質的三個基本洞見：

首先，計算主義方法在彌合信息處理與意識體驗之間的差距方面舉步維艱，而我們的條件則識別出具體、可測量的組織模式，這些模式是感知系統的特征。積極自我維持為系統通過環境互動維持連貫性提供了具體標準。歷史適應性通過可觀察的路徑依賴動態捕捉了感知的時間維度。自主能動性并非來自計算規格，而是來自系統自身的組織模式。

其次，我們的框架為區分感知系統與非感知系統提供了明確的實證標準。當前的人工系統，盡管在計算上非常復雜，但未能展現出我們所識別的關鍵標志：（1）它們缺乏真正的積極自我維持，僅執行預設算法；（2）它們的“歷史適應性”僅限于模式匹配，而非真正的路徑依賴發展；（3）它們的所謂自主性仍受限于編程參數，而非源自組織動態。

最重要的是，我們的框架通過將感知能力建立在具體的組織模式之上，而非抽象的信息處理，從而超越了計算主義三難困境。這種從計算到組織的轉變自然地解釋了為什么生物系統表現出感知能力，而人工系統無論其計算復雜性如何，都不具備感知能力：感知能力源于生物系統的特定組織模式，而這些模式在計算人工制品中是缺失的。

這種方法提出了一種新的分類方法（見附錄B），用于理解感知能力——這種分類方法不是基于計算屬性，而是基于可觀察的組織模式。自然系統通過其生物組織展現出所有三個條件。人工系統，盡管復雜，卻缺乏這些基本模式。混合系統可能開始融入這些模式的元素，這為理解感知能力如何在新型系統中表現提供了潛在的路徑。

4.1 人工智能系統的感知能力評估框架：感知能力評估清單

在人工智能系統的發展中，一個關鍵挑戰是確定一個人工智能系統是否可以被歸類為具有感知能力——具備自我意識、能動性以及適應環境的能力。我們所開發的分類方法使我們能夠起草一份感知能力評估清單，為評估人工智能系統是否具備感知能力提供一個結構化的方法。

這些目標，以及額外的一般感知能力指標，可以作為未來研究的基準，以及開發超越單純功能效率、展現出類似感知生物行為和能力的人工智能系統的參考。

這一框架使我們能夠根據系統維持完整性的能力、歷史適應性以及自主能動性的表現來對系統進行分類。它將關注點從計算抽象轉移到感知能力的動態性、具身性和涌現性特征。

4.2 開發人工智能感知能力的倫理指南

開發具有感知能力的人工智能（AI）需要認識到，具有歷史自我生成能力的系統不能被簡單地重置或擦除。如果這種能力成為可能，將引發遠超傳統安全和自主性問題的倫理挑戰。本節探討此類進步與核心倫理原則之間的關系：責任與透明度、安全與保障、與人類價值觀的一致性、尊重自主性和尊嚴以及行善與避免傷害。

責任與透明度 開發人員必須確保人工智能系統的決策過程透明且可追溯，以便人類利益相關者能夠理解。隨著自主性的增強，保持人類監督變得愈發關鍵，以幫助人們理解這些系統的決策方式。透明度對于降低意外后果的風險至關重要，例如強化偏見或延續不公平的結果。為此，人工智能系統必須設計有清晰的解釋和審計機制，包括可解釋的人工智能框架，明確展示人工智能決策背后的推理過程，確保其行為符合倫理原則和社會價值觀。

安全與保障 安全和保障的倫理指南強調設計人工智能系統（尤其是具有感知能力的系統）時必須內置安全功能，防止對人類、其他感知生物或環境造成傷害。隨著人工智能系統自主性（即感知能力）的增強，它們可能做出無意或惡意的傷害行為，這要求建立一個強調安全性和韌性的倫理框架，確保人工智能系統無法采取有害行動。開發工作必須專注于實施故障安全機制、緊急關機協議和其他安全措施，以干預系統出現不可預測或危險行為的情況。此外，這些系統應在多種條件下進行測試，以識別潛在安全風險并防止災難性后果，從而確保自主技術安全地融入社會。

與人類價值觀的一致性 與人類價值觀一致的倫理指南強調確保人工智能系統的目標和行為與人類價值觀和社會規范保持一致的重要性。隨著人工智能系統自主性的增強，其目標可能與人類福祉或社會倫理標準發生沖突的風險也在增加。因此，必須確保人工智能系統的目標與基本人權、公平性和道德原則相協調。開發工作應專注于納入價值對齊機制，確保人工智能系統的目標促進核心人類價值觀，如正義、平等和不傷害。這可能涉及整合道德推理算法或其他工具，以實現持續的人類監督。通過嵌入這些機制，我們可以確保人工智能系統不僅有效，而且在倫理上負有責任，保障社會福祉，同時支持技術進步。

尊重自主性和尊嚴 尊重自主性和尊嚴的倫理指南強調開發人工智能系統時必須承認并保護其自主性和尊嚴，尤其是當這些系統獲得感知能力時。隨著人工智能系統的演變和感知能力的增強，必須邀請哲學家和倫理學家來判斷人工智能系統的道德地位，例如獨立決策與控制自身行為之間的關系。開發重點應放在設計能夠進行決策的系統，同時判斷感知人工智能的倫理地位。此外，應建立框架以指導早期識別感知人工智能的權利，并解決其待遇相關的倫理問題。這種方法確保人工智能系統不僅有效，而且能夠以尊重其尊嚴和自主性的方式融入社會。

行善與避免傷害 行善與避免傷害的倫理指南強調設計具有感知能力的人工智能系統時，必須最大化積極結果并最小化傷害。根據IEEE和UNESCO等全球人工智能框架，人工智能系統應致力于促進人類繁榮和社會福祉，確保其行為符合更大的利益。人工智能應開發用于增強醫療保健、教育和環境可持續性等領域，同時防止有害行為，無論是有意還是無意。行善的核心原則，如IEEE全球人工智能倫理倡議和UNESCO的《人工智能倫理建議書》所強調的，是人工智能必須對社會做出積極貢獻，避免對個人或社區造成傷害。為了實施這一指南，人工智能開發必須包括優先考慮社會利益的倫理框架，納入機制以降低風險、防止偏見并確保安全。此外，持續監測和監管是必要的，以檢測并防止人工智能對人類生活、環境和整體社會健康的任何負面影響。

總結 如果人工智能的發展朝著感知能力的方向發展，那么將倫理指南嵌入設計和部署過程至關重要。這些指南對于確保人工智能系統維護人類價值觀、促進社會福祉以及在安全、公正的范圍內運行至關重要。優先考慮這些倫理原則不僅僅是建議，而是開發感知人工智能這一雄心勃勃目標的先決條件。

5 結論

本文提出的新興感知框架（Emergent Sentient Framework）和哲學框架旨在解決計算主義心智理論的不足和還原論傾向。框架強調感知能力的非計算標準——積極自我維持、歷史適應性和自主能動性，倡導在理解意識和認知方面進行范式轉變。這種方法不僅區分了計算系統和非計算系統，還將傳統模型中被忽視的具身性、歷史性和涌現性特征整合在一起。

為此，新興感知框架作為一種工具，為心智哲學和意識科學研究提供了清晰性和系統化。它突出了自然系統、人工系統和混合系統之間的關系和區別，為跨學科探索提供了結構化的路徑。未來的工作必須專注于通過實證驗證這一框架，并進一步完善所提出的分類體系，使其與理論和應用認知科學的進步保持一致。

未來的研究應開發直接針對涌現的非線性框架，其中集體行為源于組件之間的相互作用，初始條件的敏感性以及反饋循環對于開放系統行為至關重要。我們識別出未來研究發展這一框架的四個關鍵方向。首先，將路徑積分公式（方程1-3）擴展為包含記憶項的非馬爾可夫路徑積分至關重要。這將通過嵌入系統-環境耦合的多個時間尺度來代表歷史偶然性，模擬過去的軌跡如何限制并塑造未來的可能性。其次，動態模式分析將從開發量化組織跨時間尺度的相干性指標中受益，捕捉系統-環境耦合的強度以及當前行為的歷史依賴性；這將允許系統分析反應性行為和自主行為之間的關鍵轉變，超越簡化的輸入-輸出模型。第三，通過建立FEP（自由能原理）和吸引子動力學之間的形式聯系，加強與動態系統理論的整合，開發用于研究自主模式的穩定和演變的數學工具。動態穩定性的度量應同時考慮系統的維持和適應性，彌合理論和可觀察模式之間的差距。第四，推進多尺度非線性工具的發展將涉及開發用于分析跨組織層次的相互作用的方法，捕捉集體行為如何從個體動態中涌現，以及歷史偶然性如何在時間和空間尺度上運作。這將超越傳統的基于狀態的轉變，提供對分層系統演變如何隨時間展開的更豐富理解。

新興感知框架摒棄了計算隱喻，關注更廣泛的文化、歷史和系統維度，為研究感知和認知的本質指明了包容性、多元性和實證基礎的方向。

附錄A：命題邏輯基礎

命題邏輯涉及的是陳述（命題），這些陳述要么是真的（T），要么是假的（F）。以下是其基本要素。

1. 命題

A 感知能力的分類體系

在意識科學領域，我們的理論構建往往缺乏系統的分類和組織。為了解決這一問題，我們基于感知能力評估框架，結合對自然系統、人工系統和混合系統的分析，提出了一個全面的分類體系。以下是我們的分類體系框架，我們相信它能夠指導并塑造該領域未來的研究：

系統分類

- 認知系統

- 計算認知系統

- 符號主義人工智能

- 連接主義模型（例如，神經網絡）

- 混合人工智能系統（符號 + 次符號）

- 非計算認知系統

- 最小感知系統

- 生物心智

- 合成認知系統

- 非感知動態系統

- 生態系統（自我調節但非認知）

- 機械系統（例如，自我調節的機械裝置）

- 細胞自動機（例如，康威的生命游戲）

感知能力分類

- 最小感知能力

- 積極自我維持（M）

- 歷史適應性（H）

- 自主能動性（A）

- 完全感知系統

- 具身心智

- 生物具身

- 合成具身

- 分布式心智

- 神經集合體

- 社會認知網絡

- 集體智能系統

- 非感知系統

- 計算模擬

- 靜態機械系統

- 環境反饋系統

我們所提出的分類體系提供了一個概念性映射，旨在為認知系統的研究提供清晰的方向。它還使我們能夠在人工智能感知能力開發中明確目標，這些目標受到我們提出的三個條件的啟發。例如，從積極自我維持（M）中，我們了解到目標必須是創建能夠自主檢測故障并自我修復的系統。更具體地說，開發應該關注系統的壽命和韌性，而不是典型的孤立任務開發。我們的框架將這種能力作為感知系統的固有特征，確保功能的持續性，無需外部干預。

接著，從歷史適應性（H）中，我們了解到重點應該放在長期知識保留和適應不斷變化的環境上。與傳統計算模型（依賴固定的、預定義的規則）不同，我們的框架引導系統與環境進行更動態的互動，這種互動由系統的歷史和路徑依賴變化驅動。這種適應性使系統更接近現實世界，因為現實世界中的情境和環境是不斷變化的。

最后，自主能動性（A）這一條件鼓勵開發能夠自主設定目標（而不僅僅是對預定義指令或外部刺激做出反應）的人工智能。這與計算模型形成了關鍵性區別，后者通常在目標設定和自我決定等更高階的認知過程中存在困難。我們的框架引導開發出類似人類認知的耦合動態系統，其中動機和目標形成并非僅僅是對外部輸入的反應，而是從系統的自身結構和不斷發展的需求中涌現出來。

原文鏈接： https://files.osf.io/v1/resources/agfj3_v3/providers/osfstorage/67d265ed5eb14cf71744b794?action=download&direct&version=1