抽象谬误：为什么人工智能只能模拟而不能实例化意识作者：Google DeepMind 研究员 Alexander Lerchner

计算功能主义（Computational functionalism）主导着当前关于人工智能意识的争论。该假设认为，主观体验完全源自抽象的因果拓扑结构，而与底层的物理基质无关。我们认为，这一观点从根本上错误地描述了物理学与信息之间的关系。我们将这一错误称为**“抽象谬误” (Abstraction Fallacy)**。

通过追溯抽象的因果起源可以发现，符号计算并不是一种固有的物理过程。相反，它是一种“地图绘制者依赖型”（mapmaker-dependent）的描述。它需要一个主动的、具有体验能力的认知主体，将连续的物理过程“字母化”为一组有限的有意义状态。

因此，我们不需要一套完整、最终的意识理论来评估 AI 的感知能力——这种需求只会将问题推向短期内无法解决的境地，并加深“AI 福利陷阱”。我们真正需要的是一套严谨的计算本体论。

本文提出的框架明确区分了**“模拟”（simulation，由媒介因果律驱动的行为模仿）与“实例化”**（instantiation，由内容因果律驱动的内在物理构成）。建立这一本体论边界表明，算法符号操作在结构上无法“实例化”体验。至关重要的是，这一论点并不依赖于生物排他性：如果一个人工系统曾拥有意识，那也将是因为其特定的物理构成，而非其句法架构。

最终，该框架通过物理接地（physically grounded）的方式驳斥了计算功能主义，旨在解决当前围绕人工智能意识存在的不确定性。