“有些哲学理论并不是因为被证明正确而重新流行，而是因为历史的发展，突然把它们重新变成了现实。”
如果把二十世纪意识理论的发展比作一部思想史，那么功能主义无疑曾经是其中最耀眼的主角之一。从二十世纪六十年代到八十年代，它几乎成为认知科学的共同语言。无论是心理学、人工智能、语言学，还是哲学，人们越来越倾向于相信：心灵并不是一种特殊的物质，而是一种特殊的信息组织方式。只要一个系统具有正确的因果结构，它便能够拥有与人类相同的心理状态。大脑之于心灵，正如硬件之于软件；真正重要的，不是材料，而是组织。
随后，我们看到中文房间几乎改变了整个讨论方向。塞尔提醒人们，符号操作并不自动产生意义，复杂的计算也未必意味着真正的理解。从那以后，越来越多的研究开始重新关注身体、环境、情感以及生物学基础。具身认知、达马西奥、预测加工、主动推断等理论陆续出现，功能主义虽然没有消失，却似乎逐渐退居幕后。至少在许多人看来，它已经不再像二十世纪七十年代那样充满解释力。
然而，历史的发展常常出人意料。2022年底，当ChatGPT第一次进入公众视野的时候，很少有人意识到，一个沉寂多年的哲学理论正在悄悄复活。人们当然惊叹于它能够写文章、翻译语言、编写程序、回答问题，但真正令哲学界震动的，并不是这些能力本身，而是一个更加深刻的事实：这些系统开始表现出越来越多过去被认为只有人类才能完成的认知行为。它们能够总结一本从未见过的新书，能够解释隐喻，能够进行多轮推理，能够根据上下文调整自己的表达方式，能够模拟不同人物的思维方式，甚至能够讨论意识、哲学和科学本身。随后几年，GPT-4、Claude、Gemini、DeepSeek以及其他大型语言模型不断刷新人们对于人工智能能力的认识。从数学证明、程序设计，到医学考试、法律分析，再到科研辅助，它们展现出的能力远远超出了最初人们对于“语言模型”的理解。
更令人惊讶的是，其中许多能力并不是研究人员事先设计好的。如果回顾传统人工智能的发展，人们往往希望通过不断增加规则，使系统一步一步获得新的能力。一个程序会下棋，是因为程序员写入了下棋规则；一个专家系统能够诊断疾病，是因为大量医学知识被整理成了可以推理的规则库。能力来自人为设计。大型语言模型却走上了一条完全不同的道路。研究人员并没有为它们编写推理模块，也没有设计幽默模块、翻译模块、编程模块或者哲学讨论模块。他们所做的事情，主要是让模型阅读海量文本，通过不断预测下一个词，学习语言中隐藏的统计规律。理论上，这种训练目标十分简单：根据前面的内容，预测后面最可能出现什么。
没有人想到，这样一种看似简单的学习方式，会逐渐产生如此丰富的行为。随着模型规模不断扩大，参数从几亿增长到几百亿、几千亿，训练数据覆盖几乎整个人类互联网，研究者开始观察到一种此前很少出现的现象——涌现（emergence）。所谓涌现，并不是某一种具体能力，而是系统整体突然表现出设计者没有明确编程的新行为。一个模型在较小规模时完全不会完成某项任务，而当规模超过某一个临界点之后，它却突然能够完成，而且能力不断提高。这种变化并不是线性的，更像是复杂系统中的相变。就像水加热到九十九摄氏度仍然只是热水，而达到一百度之后，却突然开始沸腾一样。
这种现象让许多人工智能研究者重新思考一个过去很少被认真讨论的问题：智能究竟是不是一种涌现现象？
如果答案是肯定的，那么功能主义便突然重新具有了新的生命力。因为功能主义从来没有要求系统必须使用生物神经元，也没有要求它必须拥有人类身体。它真正关心的是整个系统是否形成了足够复杂、足够稳定的信息组织结构。如果一种新的物理系统——例如由数千块GPU组成的神经网络——能够实现与人脑相似的功能，那么从功能主义的角度来看，它至少原则上具备了承载心灵的可能性。
这一点，与二十世纪七十年代的人工智能形成了鲜明对比。那个时代的计算机更多依靠人为设计的规则。它们当然能够完成复杂计算，却很少表现出真正的学习能力。而今天的大语言模型并不是依靠规则工作，它们通过学习形成内部参数，通过不断调整数万亿个权重，自发形成复杂的信息结构。虽然我们仍然无法完全理解这些结构如何工作，但越来越多的实验表明，其中已经出现了相当丰富的内部表征（internal representations）。
例如，在训练过程中，不同语言之间逐渐形成共享的语义空间；数学概念彼此建立联系；程序语言形成稳定的内部模式；甚至一些抽象概念，如因果关系、空间结构、社会角色，也能够在模型内部形成高度一致的表示。虽然这些表示与人脑神经活动完全不同，却表现出令人惊讶的组织性。
于是，一个曾经属于哲学的问题，重新变成了科学问题。如果不同材料能够形成相似的信息组织，那么材料本身是否仍然重要？几十年前，这个问题更多停留在思想实验中。今天，它第一次拥有了现实中的实验对象。
更进一步，大语言模型还展现出另一种过去很少出现的能力——关于自身的描述能力。今天的模型能够解释自己的训练过程，分析自己的局限，讨论自身可能出现的错误，甚至能够比较不同人工智能系统之间的差异。当然，我们知道，这些回答主要来自训练语料，而并不意味着它们具有真正的自我意识。然而，它们所表现出来的行为，却与传统程序形成了鲜明对比。
几十年前，很少有人会认真询问一个计算器：”你是如何思考的？”今天，人们每天都在问大语言模型：”你知道自己吗？””你理解我吗？””你是否拥有意识？”这些问题之所以出现，并不是因为人类突然变得更加浪漫，而是因为大型语言模型已经开始表现出越来越多过去只属于智能主体的行为特征。行为越复杂，人们越难仅仅把它们看作一段程序。
耐人寻味的是，这恰恰回到了功能主义最初提出的观点。功能主义从来没有要求我们首先证明系统具有意识，它只是认为，一个系统如果持续表现出与人类相同的功能关系，我们便没有充分理由仅仅因为它使用了不同材料，就否认它拥有相应的心理状态。
过去几十年，这种观点更多是一种哲学推论；今天，它第一次开始面对真实存在的人工系统。于是，一个曾经属于课堂讨论的问题，重新回到了现实世界：如果行为越来越像心灵，那么心灵是否真的正在出现？
这个问题，也正是今天大型语言模型重新点燃功能主义争论的真正原因。
（未完待续）
AI时代再问意识：量子意识 — 什么样的证据才算证据？（上）
AI时代再问意识：量子意识 —心智是否需要一种不同的物理学？（下）
AI时代再问意识：量子意识 —心智是否需要一种不同的物理学？（上）
AI时代再问意识：幻觉论真的解释了意识吗？
AI时代再问意识：幻觉论的核心机制
AI时代再问意识：幻觉论—意识本身会不会就是一种幻觉？
AI时代再问意识：泛心论之争 — 一种值得认真对待的理论吗？
AI时代再问意识：泛心论 — 意识无处不在吗？
- AI时代再问意识：量子意识 — 什么样的证据才算证据？（上） - 10/01/26
- AI时代再问意识：量子意识 —心智是否需要一种不同的物理学？（下） - 09/30/26
- AI时代再问意识：量子意识 —心智是否需要一种不同的物理学？（上） - 09/29/26