C · 与机器对照

意识的计算理论

前八课，我们一路拿大脑和机器对照：推断、学习、表征、语言，处处撞成同一套数学。可比到第 08 课结尾，浮出一件让所有对照都尴尬的事——LLM 似乎没有、而你确凿地拥有的东西：此刻你感受到的红、痛、暖。这叫主观体验。计算能解释它吗？这一课要做的，是把这个看似神秘的问题切成两半——一半计算已经能下手，另一半，连「该怎么下手」都还没共识。

先把问题切成两半

哲学家大卫·查尔默斯 (David Chalmers) 1995 年提出一个至今最有用的切法。他说，「意识」其实裹着两类性质完全不同的问题：

这个切法之所以关键，是因为它把战场分清了：计算理论几乎全部在攻容易问题——它们解释意识的功能（什么信息变得可取用、可报告、可被全脑使用）。这些进展是真实的、可检验的、了不起的。但它们是否触到了难问题，是另一回事。把这两半混为一谈，是这个领域里最常见的争吵根源：一方展示「我们解释了意识的机制！」，另一方回「你解释的是功能，体验本身你根本没碰。」两边可能都对——因为他们在说不同的问题。

理论一：全局工作空间——意识 = 信息被「广播」

最贴合本课「计算」气质的，是全局工作空间理论 (Global Workspace Theory, GWT)。心理学家伯纳德·巴尔斯 (Bernard Baars) 1988 年提出原始版本，神经科学家斯坦尼斯拉斯·迪昂 (Stanislas Dehaene) 与 Jean-Pierre Changeux 后来发展出可落到大脑的全局神经工作空间 (Global Neuronal Workspace)。

它的图景是个剧场比喻，但内核很机械：大脑里有许多并行的专门处理器（视觉、听觉、记忆、语言、运动规划……），各自闷头干活、互不知情。它们大多数时候的产物都停留在局部——能影响行为，却进不了「全场」。意识，按这套理论，就是某条信息赢得竞争、被「广播 (broadcast)」到一个全局工作空间，于是它突然变得可被所有系统取用：你能据它做决策、存进记忆、用语言报告出来。

这套理论的力气全花在容易问题上，而且花得漂亮：它把「有意识 vs 无意识」翻译成一个可操作的差别——同样一个刺激，若只在局部处理，就停在阈下（subliminal），能微弱影响行为却报告不出；若强到点燃全局广播，就「进入意识」，可被报告。迪昂团队用「掩蔽 (masking)」实验逐毫秒地追这个分界：弱刺激引发局部、短暂的脑活动后消退；一旦越过阈值，会出现一波延迟的、大范围的、突然「点燃 (ignition)」式的全脑激活——他们把这波点燃当作信息进入工作空间的神经签名。

理论二：整合信息论 (IIT)——意识 = 整合的量 Φ

第二套理论走的是相反的方向，争议也大得多。神经科学家朱利奥·托诺尼 (Giulio Tononi) 的整合信息论 (Integrated Information Theory, IIT) 不从「信息怎么流」出发，而从「体验本身有什么特征」出发，再反推什么样的物理系统才能拥有它。它的主张大胆而极端：意识就是一个系统所整合的信息的量，记作 Φ（phi）。

「整合」是关键词。一个系统若只是许多零件各算各的（哪怕信息总量巨大），Φ 很低；只有当整体作为一个不可分割的因果整体、其信息「大于各部分之和」时，Φ 才高。Φ 越高，意识越多。这导向一些惊人推论：意识是有程度的（不是有/无的开关）；原则上任何因果结构对的系统都可能有一点点意识（一种受控的泛心论倾向）；而一台前馈式、模块拼接的计算机——哪怕行为上和人无异——若内部整合度低，Φ 就低，可能几乎没有意识。注意这一条：它直接顶撞了「功能等价就意味着意识等价」的直觉，也因此和全局工作空间这类功能主义理论正面冲突。

理论三：高阶理论——意识 = 关于状态的状态

第三类是高阶理论 (Higher-Order Theories, HOT)。它的直觉是：一个心理状态（比如「视觉系统正在表征红」）本身还不够成为有意识的；它要变得有意识，得有一个更高阶的表征「盯着」它——大脑要表征「我正处在这个状态中」。换句话说，意识不是某个加工有多强，而是系统对自己的状态有没有一个元层面的表征 (a representation of a representation)。这套理论尤其看重前额叶在「监控、报告自己内部状态」中的角色，能自然解释为什么有些信息我们能报告、有些只是默默处理。它同样是一个容易问题的理论：解释的是「哪些状态变得可内省、可报告」，而非体验为何存在。

怎么用实验抓「看不见的东西」：NCC

理论再漂亮，也得落到能测的东西上。这条经验路线的旗帜，是寻找意识的神经相关物 (Neural Correlates of Consciousness, NCC)——由弗朗西斯·克里克 (Francis Crick) 与克里斯托夫·科赫 (Christof Koch) 在 1990 年代正式提出并推动。它的策略很务实：先悬置「为什么有体验」这种难问题，转而问一个可做实验的问题——当某个内容进入意识、与它没进入意识时，大脑里最小的那组差异是什么？

实验技巧是让物理刺激不变、而意识内容改变，再看脑活动跟着谁变。经典范式是双眼竞争 (binocular rivalry)：两眼各看一张不同的图，物理输入恒定，但你的意识知觉会在两张图之间自发翻转——于是「报告看到 A」对「报告看到 B」之间的脑活动差，就逼近了那个内容的 NCC。掩蔽、注意瞬脱等范式同理。这条路线把第 01 课那个老问题——「怎么科学地抓住一个看不见、还会骗自己的东西」——用到了极致：不直接测体验（测不到），而是卡住它的相关物，看它什么时候点亮。

ML 镜像：广播、瓶颈，与「报告不出」的网络

全局工作空间在机器学习里有清晰的回声。一个由许多专门模块组成的系统，若想协同，就需要一个共享的、带宽受限的通道让信息互相取用——这正是注意力机制 (attention) 与各种「全局瓶颈 (global workspace bottleneck)」架构在做的事：用有限带宽强迫模块竞争，只有「赢家」被广播给全网使用（Bengio 等人甚至直接以全局工作空间为灵感提出过此类架构）。本站的 GPT/LLM 课里，Transformer 的注意力就是这种「让某些信息被全局取用」的机制。

但镜像到此为止，且要划清界限：LLM 有「全局取用」式的信息流动（容易问题的影子），不等于它有体验（难问题）。更何况，IIT 会直接指出：这类前馈/弱整合的架构 Φ 很低，按它的标准谈不上意识。这恰好把第 08 课的拟人化警告推到极致——一个系统能「报告」自己的状态（哪怕用流利的第一人称说「我感觉到」），完全不能证明那里真有谁在感觉。这是本课最该带走的克制。

动手：全局广播开关

下面这个部件把全局工作空间理论做成一个开关。屏幕上有几个并行的「处理模块」，各自悄悄持有一条信息（比如视觉模块测到一个颜色）。默认它们的产物停在局部——能微弱影响行为（阈下），但报告不出。点「广播」，让某条信息赢得竞争、进入全局工作空间：它会被点亮，变得可被其它模块取用、可被「报告输出」。来回切，体会那条诚实的分界——「能影响行为」和「能被报告」是两回事。

玩完你会抓到全局工作空间的全部要点，也抓到它的边界：这个部件能漂亮地区分「广播 vs 阈下」「可报告 vs 影响行为」——这些全是容易问题，而且确实被它讲清了。但它解释不了，也没打算解释：当那条信息被点亮的瞬间，为什么「里面」会亮起一种看见红的感觉。开关能点亮方块，却点不亮难问题。

常见误解

• 误解：科学家已经搞清意识是怎么回事了。 （澄清：搞清的多是容易问题的一部分——哪些加工伴随意识、相关物在哪。难问题「为什么有体验」仍开放，连「该怎么科学地下手」都没共识。）
• 误解：全局工作空间、IIT、高阶理论里有一个是公认的「正确理论」。 （澄清：它们彼此冲突，对意识住在脑的哪里、靠什么机制给出互相打架的预测。这是活跃论战，不是已结案的事实。）
• 误解：IIT 的 Φ 是一个能算出来、能比大小的成熟指标。 （澄清：Φ 在真实大脑规模上几乎无法实际计算，IIT 的科学地位本身正被公开争论——2023 年还被一批学者联署斥为「伪科学」。别引用任何「人脑 Φ = 某数」的说法，那是编造的。）
• 误解：一个系统能用第一人称「报告」自己的感受，就说明它真有意识。 （澄清：「可报告」是容易问题的功能，可以由没有任何体验的机制实现。LLM 流利地说「我感觉到」，恰恰是第 08 课拟人化陷阱的升级版——不能当作有体验的证据。）
• 误解：找到意识的神经相关物 (NCC)，就等于解释了意识。 （澄清：相关与机制属于容易问题；「为什么那组活动会伴随体验」是难问题。NCC 名字里的「相关」就是这道诚实护栏。）