AI时代再问意识：世界模型与内在现实的诞生（上）

发表评论 / 科技漫谈 / 作者：

当我们睁开眼睛观察周围的世界时，通常会觉得自己正在直接接触现实。窗外有一棵树，隔壁房间传来熟悉的声音，一辆汽车正沿着街道驶来。这些事物似乎就在那里，独立于我们的意识而存在，而我们的眼睛和耳朵只是把外部信息传递给大脑。然而，神经科学和认知科学的研究逐渐揭示，感知并不是一个被动接收信息的过程。大脑必须根据有限、延迟、有时甚至相互矛盾的感觉信号，构建一个连贯而稳定的世界。我们所体验到的现实，与大脑内部组织信息、识别对象、预测变化和解释环境的过程密切相关。这一认识为人工智能提出了一个值得深入思考的问题：如果生物心智能够通过内部模型理解世界，而人工系统也越来越能够建立支持预测、规划和想象的世界模型，那么，一个足够复杂的世界模型，是否可能成为人工意识形成的重要条件？更根本的问题是，一个能够表征世界的系统，与一个能够体验世界的主体，究竟有什么区别？

这种区别之所以不容易察觉，是因为在人类经验中，表征与体验几乎总是结合在一起。我们看见一棵树，便自然认为看见就是接收关于树的信息。然而，实际发生的过程远比这复杂。树木反射的光线进入眼睛，在视网膜中转化为神经信号，随后经过多个神经通路的处理，与记忆、期待和环境信息相结合，最终形成一棵树位于某个位置的视觉经验。虽然这些神经活动分布在不同区域，并经历复杂的处理过程，但我们通常体验到的却是一个完整、连续、似乎直接呈现的对象。视觉错觉尤其清楚地展示了感知的这种建构性质。两条实际长度相同的线段，可能因为周围图形的不同而显得长短不一；一幅静止的图像可能让人产生运动的感觉；一个被部分遮挡的物体，也可能被我们感知为完整的对象，因为大脑自动推断了那些无法直接看见的部分。这些现象说明，感知不仅涉及感觉信息的传递，还涉及对信息的解释。大脑始终在解决一个困难的问题：如何从感官接收到的有限信号中，推断外部世界正在发生什么。由此形成的感知通常足够可靠，能够支持生存和行动，却并不是外部现实的一份透明复制品。

这一认识有着悠久的哲学历史。康德曾经指出，人类经验并不是对独立于认知之外的世界的简单接收，而是受到心智自身所提供的形式和范畴的组织。康德的哲学体系与现代神经科学存在很大差异，但他所强调的一个基本思想仍然具有启发性：我们所经验到的世界，离不开认知主体自身的组织方式。十九世纪的德国科学家赫尔曼·冯·亥姆霍兹（Hermann von Helmholtz）进一步提出，感知可以被理解为一种无意识推断。神经系统根据过去的经验和隐含的期待解释感觉信号，而意识中看起来直接呈现的对象，部分来自意识之外的推断过程。现代预测处理理论（predictive processing）则把这种思想发展为更加系统的计算框架。按照其中一些有影响力的观点，大脑不断对感觉输入作出预测，并在实际信号与预期不一致时修正内部模型。感知因此不是外部信息单向进入大脑，而是感觉输入与内部预测之间持续相互作用的结果。这并不意味着大脑可以任意创造现实，因为外部信号始终对模型形成约束，预测误差也不断揭示模型的不足。但我们所体验到的世界，确实依赖一种主动的解释过程。

在这个意义上，世界模型并不一定是储存在大脑某个位置的一幅详细图像，而是一套有组织的关系，使系统能够预测环境如何变化，以及自身行动可能产生什么后果。一个儿童伸手去拿水杯，并不需要计算力学方程，却已经通过经验掌握了距离、运动、抓握、重量和行动结果之间的关系。一个经验丰富的驾驶者，也能够在没有明确进行数学计算的情况下，预测汽车如何响应方向盘、刹车和道路条件的变化。这些知识大多不需要通过语言表达，而是存在于经过学习形成的感知和行动模式之中。当预期与现实发生冲突时，内部模型便可能得到修正。例如，一个人伸手拿起熟悉的杯子，却发现它比预想的重得多，手部力量和运动方式就会立即调整。这种调整反映了身体对环境的预期，也反映了预期如何通过实际互动得到更新。世界模型的价值，正是在于它使系统不必每次都从零开始处理环境，而能够利用过去形成的结构理解当前情境，并为尚未发生的事情做好准备。

人工智能长期以来一直试图复制这种能力。早期机器人和自动规划系统通常依赖明确设计的环境表示，包括物体、空间位置、行动规则和可能的结果。一个移动机器人可以保存周围环境的地图，估计自身位置，并计算到达目标地点的路径。近年来，世界模型的概念逐渐扩展，人工系统不再完全依赖人工规定的环境结构，而是能够通过数据学习内部表征，预测未来观察结果，估计无法直接观察的环境状态，或者模拟不同动作可能产生的后果。在强化学习中，基于模型的智能体不仅学习某种行动通常能够获得多少奖励，还试图掌握行动如何改变环境。这样的区别十分重要。一个主要依靠情境与反应之间关联的系统，可能在熟悉条件下表现良好；而一个拥有有效环境模型的系统，则可能更加灵活地处理陌生情况，通过内部模拟比较不同方案，并在实际行动之前预测一系列可能结果。世界模型的发展，因此代表了人工认知从被动反应向更加复杂的预测和规划能力的重要转变。

近年来，一些研究尝试让神经网络学习环境的压缩表征，使系统能够在内部预测和控制外部过程。在这类模型中，原始感觉信息被转换为维度较低、但保留重要结构的内部表示，随后由预测机制估计这些表示将如何随时间以及智能体的行动发生变化。系统由此可以在真正采取行动之前，模拟若干可能的未来，比较不同选择的后果，并据此决定下一步行为。从功能角度看，这与人类想象具有某种相似性。我们可以设想打开一扇门之后可能看见什么，沿着某条道路行走可能遇到什么，或者作出某个决定以后生活可能发生怎样的变化。人工世界模型也能够通过生成未来状态的内部表示，完成某些类似的计算。但是，这种相似性必须谨慎理解。一个能够预测开门之后视觉变化的模型，并不一定在内心看见了门后的景象；一个能够生成未来事件的系统，也未必以主观方式想象了那些事件。功能意义上的模拟，与体验意义上的想象，仍然是两个需要区分的问题。

天气预报系统提供了一个有助于理解这种区别的例子。现代数值天气模型能够保存大气状态的数学表示，模拟气压、温度、湿度和空气运动之间的复杂关系，并预测未来天气的变化。它们对自然过程的表征可以十分精确，也具有重要的实际价值，但我们通常不会因此认为，天气模型体验到了风、云或者雨。计算机生成的虚拟环境也是如此。一个虚拟世界可以包含复杂的地形、物体和物理互动，其中的角色能够按照一定规则移动，系统甚至可以模拟完整的环境历史。然而，一个系统能够表示某个世界，并不意味着它正在主观地经历那个世界。对于越来越复杂的人工智能，同样需要保持这种区别。一个模型可以表征空间关系，预测物体行为，并生成连贯的假想事件序列，这些能力证明了内部组织和预测能力的存在，却不能单独证明系统内部存在一个被体验到的世界。问题由此变得更加深刻：为什么人类不仅能够利用世界模型，还能够体验模型所呈现的世界？如果世界模型本身不足以产生体验，那么究竟还需要什么？

（未完待续）

1 2 3 4 5 … 7 8 9 10
郭序
Latest posts by 郭序 (see all)
# 8

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注