據(jù)國外媒體報道，很多人都有這樣的疑問：人工智能最終是否能具有自己的意識?而一名人工智能專家對此的回應是，這主要取決于我們自己是否希望讓機器擁有意識。

▲在現(xiàn)實中，我們也許要在設計時特意將意識加入機器才行

這聽上去可能太大膽了些。意識的內在機制——我們?yōu)楹螌κ澜缬兄@般生動而直接的體驗——一直是神經(jīng)科學領域的一大未解之謎。甚至有人認為，這個謎團將永遠都無法解開。想用客觀的科學方法解釋人們的主觀體驗似乎是不可能的。但在過去的20多年間，科學家對意識開展了大量深入分析，并取得了重大進展。科學家已經(jīng)發(fā)現(xiàn)了一些與意識相關的神經(jīng)活動，也進一步了解了哪些行為需要意識的參與。大腦會按照潛意識執(zhí)行許多高級別的認知任務。

▲任何配備了統(tǒng)計公式的計算器都能進行信度估算，但目前還沒有機器擁有人類這樣的后設認知能力。

總言之，意識并不一定是我們認知過程的副產(chǎn)物。這一點對人工智能或許也是如此。在許多科幻故事中，機器只要足夠精密復雜，就會自動生成自己的精神世界。但在現(xiàn)實中，我們也許要在設計時特意將意識加入機器才行。

從科學與工程的角度來看，我們有充分的理由進行嘗試。人類對意識本身的無知便是其中之一。18和19世紀的工程師發(fā)明蒸汽機時，物理學家還沒有提出熱力學法則?？梢姲l(fā)明有時也能促進理論進步。今天的情況也不例外。針對意識的討論往往太偏于哲學，總是繞來繞去地兜圈子，卻提不出任何實際成果。而少數(shù)研究人工意識的專家便希望反其道而行之，在實踐中學習。

此外，意識必須能發(fā)揮一定重要功能才行，否則早就在進化過程中被淘汰了。這些功能也可以套用到人工智能身上。而在這方面，科幻作品同樣造成了誤導。無論是在小說還是電視節(jié)目中，意識對人工智能而言都像是一種詛咒。它們會刻意做出無法預測的行為，而這些行為往往對人類不利。但在現(xiàn)實世界中，這種反烏托邦式的情景其實不大可能出現(xiàn)。無論人工智能會造成何種風險，都不取決于它們是否具備獨立意識。恰恰相反，有意識的機器還能幫助我們應對人工智能技術帶來的沖擊。有專家表示，相比毫無想法的自動化技術，他寧愿與這些有意識的機器共事。

AlphaGo與人類圍棋冠軍李世石一決高下時，很多專家都在思索AlphaGo為何會按這種方式下圍棋。他們想要解釋并理解AlphaGo的動機和邏輯依據(jù)。這種情況對現(xiàn)代人工智能而言十分普遍，因為它們的決策并非由人類提前設定好，而是通過學習算法和用于訓練它們的數(shù)據(jù)集自發(fā)產(chǎn)生。由于無法參透這些人工智能，很多人擔心它們的決策可能有失公平、過于武斷?，F(xiàn)在已經(jīng)有了算法歧視的例子。如去年的一項調查發(fā)現(xiàn)，佛羅里達法官和假釋官使用的一套算法存在種族歧視的情況，導致黑人罪犯被標注的累犯概率會高于實際情況，而白人罪犯則低于實際情況。

從明年開始，歐盟法律將給予歐盟居民“要求解釋權”。人們將有權要求相關人士解釋某個人工智能系統(tǒng)為何會做出某種決策。但這項新要求從技術上來說頗具挑戰(zhàn)性?？紤]到目前神經(jīng)網(wǎng)絡的復雜程度，我們還很難參透人工智能做出決策的過程，更別提將這個過程翻譯成人類能理解的語言了。

如果我們弄不清楚人工智能為何會這么做，能否直接問問它們呢?我們可以為人工智能配備后設認知能力(metacognition)，讓它們回顧自身行為，報告自己的內部精神狀態(tài)。這種能力是意識的主要功能之一。神經(jīng)科學家在測試人或動物是否有意識時，尋找的便是這種能力。例如，自信作為后設認知的基本形式之一，意識體驗越清晰明了、自信水平便越高。如果大腦是在不知不覺中處理信息，我們便會對這些信息感覺不太確定;而如果我們清楚地意識到了某個刺激的存在，便會感覺自信許多，比如“我剛才肯定看見了紅色。”

任何配備了統(tǒng)計公式的計算器都能進行信度估算，但目前還沒有機器擁有人類這樣的后設認知能力。一些哲學家和神經(jīng)科學家提出，后設認知能力也許是意識的精髓。根據(jù)“意識的高階理論”假設，意識體驗取決于對某種感覺狀態(tài)直接表征的二級表征。當我們知道某件事時，我們知道自己知道這件事。而如果我們缺乏這種自我意識，便可以說沒有意識，就像處在自動巡航模式一樣，只是簡單地接受感官輸入、并據(jù)此采取行動，但并未加以留意。

這些理論為我們打造有意識的人工智能提供了一定指導。有專家試圖在神經(jīng)網(wǎng)絡中植入后設認知能力，讓它們能夠與自身內部狀態(tài)進行交流。該項目被稱作“機器現(xiàn)象學，模仿的是哲學中的“現(xiàn)象學”概念，即通過對意識體驗的系統(tǒng)性回顧研究意識的架構。但教會機器用人類語言進行表達并非易事。為降低難度，研究人員目前先專注于用機器語言進行訓練，讓它們互相分享自己的回顧性分析。分析內容為人工智能執(zhí)行某項任務的指令。這已經(jīng)超出了一般機器交流的范疇。研究人員并未具體規(guī)定機器應如何編譯這些指令，因為神經(jīng)網(wǎng)絡自身便可產(chǎn)生對應策略。在訓練過程中，若機器能成功將指令傳遞給其它機器，便可獲得獎勵。研究人員希望把該方法進行拓展，用于人類與人工智能之間的交流，最終讓人工智能能夠解釋自己的所作所為。

除了讓我們在一定程度上實現(xiàn)自我理解之外，意識還能幫助我們實現(xiàn)神經(jīng)科學家安道爾·圖威(Endel Tulving)所說的“精神時間旅行”。我們能夠有意識地預測某種行為的結果，或對未來做出規(guī)劃。我們能想象在面前揮動自己的手是什么感覺，也能在腦海中設想去廚房泡茶的場景，但不需要真的去做這些動作。

事實上，就連我們對目前這一刻的感知也是由意識構建出來的。許多實驗和案例研究都證明了這一點。例如，患有失認癥的病人由于視覺皮層中與識別物體有關的部分受損，無法辨認出自己看到的是什么物體，但不影響伸手去拿這件東西。如果給他們一個信封，他們也知道將其投入郵筒。但假如在向患者展示物體與發(fā)出讓受試者去拿物體的指令之間存在時延，患者就無法完成拿取物體的任務了。顯然，意識與復雜的信息處理本身無關。只要某個刺激能立即激發(fā)相應的動作，就無需意識的參與。但若要將感官信息保留幾秒以上，意識就變得不可或缺了。

從一類特殊的心理條件反射實驗中，也能看出意識對于填補時間差的重要性。在經(jīng)典的條件反射實驗中(如著名的巴甫洛夫和狗)，實驗者會將一種刺激(如對眼瞼吹氣、或對指尖施加電擊)與另一種無關的刺激(如一個純音)進行配對。實驗對象會自動學習到兩種刺激之間存在關聯(lián)，不需要有意識地加以努力。一聽到相應的純音(即只有一個振動頻率的聲音)，他們就會自動聯(lián)想到吹在眼瞼上的氣流或指尖所受的電擊，下意識地做出畏縮動作。而當實驗者問他們?yōu)槭裁匆@么做時，他們也說不出所以然來。但只有當兩種刺激同時發(fā)生時，這種依靠潛意識的學習才會發(fā)生。實驗者若將第二種刺激延后些許，受試者便只有清楚地意識到兩者之間存在關系時，即能夠解釋“聽到純音便意味著眼睛要被吹氣了”，才能學習到兩種刺激之間的關聯(lián)。這樣看來，受試者要想在刺激停止后保留對刺激的記憶，就必須要有意識的參與。

這些例子說明，意識的功能之一便是擴寬我們感知世界的時間窗口，使眼前這一刻得以延長。在意識的幫助下，即使在刺激消失之后，對刺激的感官信息仍能維持一段時間，保持靈活可用的狀態(tài)。在沒有直接感官信息輸入時，大腦也能不斷生成感官表征。意識的時延功能可以通過實驗證明。科學家弗朗西斯·克里克(Francis Crick)和克里斯托弗·科赫(Christof Koch)提出，人腦僅利用視覺輸入的一部分便可完成對未來行為的規(guī)劃。只不過這些視覺輸入應當在有意識的狀態(tài)下完成。

這些例子的共同點是，它們都涉及“反事實信息的產(chǎn)生”，即在沒有直接感官信息輸入的情況下產(chǎn)生對應的感覺。我們稱其為“反事實”，因為它涉及對過去的記憶、或對未來行為的預測，而不是正在發(fā)生的實際事件。我們還用了“產(chǎn)生”一詞，因為它不僅僅是信息處理，還是一個創(chuàng)造和測試假想情景的積極過程。在感官輸入從低級別腦區(qū)向高級別腦區(qū)流動的單向“前饋”過程中，感官輸入會被壓縮成更抽象的感官表征。但神經(jīng)心理學研究顯示，無論這種前饋流動過程多么復雜，都與意識體驗無關。要有意識的參與，還需要從高級別腦區(qū)向低級別腦區(qū)發(fā)送反饋。

具備了產(chǎn)生反事實信息的能力，意識體便可從當前環(huán)境中脫離出來，做出非反射性的行為，如等上三秒再行動。要想產(chǎn)生反事實信息，我們需要建立一個掌握了外部世界統(tǒng)計學規(guī)律的“內部模型”，依靠該模型完成推理、運動控制和精神模擬等活動。

目前的人工智能已經(jīng)有了復雜的訓練模型，但還要依賴人類提供的數(shù)據(jù)才能學習。若有了產(chǎn)生反事實信息的能力，人工智能便可自己生成數(shù)據(jù)，自己想象未來可能遇到的情況，從而更靈活地適應之前未遇見過的新情境。此外，這還能使人工智能擁有好奇心。如果人工智能不確定未來會發(fā)生什么，就會親自去試一試。

目前已經(jīng)有研究團隊在嘗試為人工智能配備這種能力了，并且已經(jīng)有那么幾次，人工智能似乎做出了意料之外的行為。在一項實驗中，研究人員模擬了一套能夠駕駛卡車的人工智能系統(tǒng)。若想讓其爬上山坡，通常需要人類將這一動作設為任務目標，由人工智能找出完成該任務的最佳路徑。但具備了好奇心的人工智能系統(tǒng)卻將山坡看成一個問題，即使沒有人類的指令，也會主動尋找爬上山坡的方法。不過該發(fā)現(xiàn)還需要進一步研究來驗證。

若將“回顧”和“想象”看作意識的兩大要素，我們遲早會開發(fā)出有意識的人工智能，因為這兩項功能對任何機器都十分有用。我們希望機器能解釋自己做事的方式和原因。而要打造出這樣的機器，也能鍛煉我們自己的想象力。這將是對意識“產(chǎn)生反事實信息”能力的終極考驗。