日韩一级黄片儿,成年女人免费视频网站,美女毛片在线播放,少妇午夜福利一区二区三区,丝袜激情喷水

A beautiful loop:An active inference theory of consciousness

意識的主動推理理論：一個美麗的循環(huán)

https://osf.io/preprints/psyarxiv/daf5n_v2

摘要

主動推理能模擬意識嗎？我們提供了三個條件來說明它可以。第一個條件是模擬現(xiàn)實或生成世界模型，它決定了可以知道或采取行動的內(nèi)容；即知識領(lǐng)域。第二個是推斷競爭進(jìn)入世界模型。只有那些能夠連貫地減少長期不確定性的推斷才能獲勝，顯示出我們稱之為貝葉斯綁定的意識選擇。第三個是知識深度，即貝葉斯信念在整個系統(tǒng)中的反復(fù)共享。由于這個遞歸循環(huán)——在一個層級系統(tǒng)（如大腦）中——世界模型包含了它存在的知識。這與自我意識不同，因為世界模型非局部地、連續(xù)地知道自己（即場證據(jù)）。形式上，我們提出了一個超模型，用于在整個層級結(jié)構(gòu)中進(jìn)行精確控制，其潛在狀態(tài)（或參數(shù)）編碼并控制所有推斷層的整體結(jié)構(gòu)和加權(quán)規(guī)則。這個美麗循環(huán)理論對于冥想、迷幻藥和改變狀態(tài)、最小現(xiàn)象體驗，以及為有意識的人工智能提供了新的視角。

關(guān)鍵詞：意識；覺知；主動推理；預(yù)測處理；自由能；冥想；迷幻藥；睡眠；做夢；無意識；貝葉斯推斷；人工智能；神經(jīng)科學(xué)；計算建模

認(rèn)知深度最簡單的形式化演示可能是一個雙（+）層的主動推理系統(tǒng)，該系統(tǒng)具備以下特點：

1. 推斷外部狀態(tài)（一個最小的世界模型——意識的“內(nèi)容”部分）

2. 維持一個元層級，推斷“對這些推斷的信心”（對感覺原因的可能解釋之間的最小競爭）

3. 從元層級的角度反思性地修改低層級的推斷，形成一個自我建模的閉環(huán)（最小的認(rèn)知深度）。

我們的模型似乎表明，意識顯然先于內(nèi)省或復(fù)雜的元認(rèn)知，至少是我們通常與這些術(shù)語相關(guān)聯(lián)的那種。即使是微小的個體，也可以將其自身推理機制中的持續(xù)反饋整合進(jìn)來，將“世界的感知”與一種微妙的、自我修正的“作為世界的自我的感知”聯(lián)系起來。真正的自我建模（即了解自己是什么樣的存在），從這個觀點來看，是更晚的發(fā)展。

挑釁性的假設(shè)是，意識可能有些諷刺地成為通用智能的解決方案。這是因為認(rèn)知深度促進(jìn)了一種認(rèn)知自舉。當(dāng)一個智能體意識到自己的知識和認(rèn)知過程（結(jié)構(gòu)、權(quán)重規(guī)則等）時，它可以開始自我優(yōu)化和自我改進(jìn)，從而不斷提升智能水平和適應(yīng)能力。認(rèn)知深度和“美麗循環(huán)”因此可能是人類看似靈活且無邊界認(rèn)知能力的關(guān)鍵；并且可能是認(rèn)知革命背后的核心進(jìn)化突破（Harari, 2014）。

11. 結(jié)論 (概述的這兩章放前面)

“美麗循環(huán)理論”提供了一個以主動推理為核心支柱的意識計算模型。具體而言，我們提出了意識的三個條件：統(tǒng)一的現(xiàn)實模型、推斷競爭和認(rèn)知深度（即超建模）。該理論為各種認(rèn)知過程和意識狀態(tài)提供了新穎的見解，并得出了一些不尋常但合理的結(jié)論，涉及通用人工智能的本質(zhì)、內(nèi)省的價值以及意識的功能。該理論在計算建模層面以及神經(jīng)實現(xiàn)方面均可被測試和證偽。如果滿足這三個條件，我們應(yīng)該能夠看到意識或深層認(rèn)知性的證據(jù)，同時在任何圖靈類型的測試中取得成功。我們還應(yīng)繼續(xù)在人類大腦，甚至可能更簡單的生物大腦中找到這三個條件的證據(jù)。至關(guān)重要的是，由于認(rèn)知深度本質(zhì)上并不一定是語言活動，我們在構(gòu)建滿足這三個條件的人工智能系統(tǒng)時必須非常謹(jǐn)慎，同時也要小心得出這樣的結(jié)論——尤其是最低限度的意識——需要一個能說服你它有意識的系統(tǒng)。

10. 討論

“我們?nèi)祟愄幱趶澢鷷r空那無法可視化的宇宙浩瀚與帶電量子那可疑的陰影閃爍之間，更像彩虹和海市蜃樓，而非雨滴或巨石，是不可預(yù)測的自我書寫的詩篇——模糊、隱喻、模棱兩可，有時極其美麗?！?/p>

——Douglas R. Hofstadter，《我是一個奇怪的循環(huán)》

許多人提出，循環(huán)、遞歸和反射性廣播在某種程度上是意識出現(xiàn)的核心（Cordeschi等, 1999；Llinás, 2003；Aru等, 2019；Lamme & Roelfsema, 2000）。但據(jù)我們所知，先前的理論未能認(rèn)識到現(xiàn)實模型——我們體驗的整個認(rèn)知領(lǐng)域——的核心地位。對我們而言，智能系統(tǒng)生成并反射性共享一個全局性、現(xiàn)象性和統(tǒng)一的現(xiàn)實模型的能力是意識的基石。這將體驗內(nèi)容本身置于意識的中心，而不是一個獨立的自我、一個代理者或某種其他可分離且二元的力量。生物體理解他們的現(xiàn)實，然后現(xiàn)實的涌現(xiàn)圖像被持續(xù)地與現(xiàn)實模型本身共享——不斷循環(huán)并隨著每一課、每一個動作確認(rèn)其自身存在。

用計算術(shù)語來說，我們提出了有意識體驗的三個條件。第一個條件是生成一個統(tǒng)一的現(xiàn)實模型或認(rèn)知領(lǐng)域，該模型決定了哪些內(nèi)容可以變得有意識。第二個條件是推斷競爭，只有那些能夠連貫減少長期不確定性的推斷才會被綁定到實用的現(xiàn)實模型中，從而確立意識的閾值和貝葉斯綁定。第三個條件是認(rèn)知深度：通過分層系統(tǒng)對現(xiàn)實模型進(jìn)行反射性共享。這種共享創(chuàng)建了一個遞歸的（“美麗的”）循環(huán)，使現(xiàn)實模型能夠包含對其自身存在的知識（形式化為超建模）。我們已經(jīng)展示了這一框架如何為各種認(rèn)知過程和意識狀態(tài)提供簡潔的解釋，包括注意力、元認(rèn)知、睡眠、清醒以及各種非同尋常的冥想和迷幻體驗。

這里最后一項任務(wù)是考慮我們的“美麗循環(huán)理論”對人工智能、意識功能的意義，以及它如何與現(xiàn)有理論整合。理解我們的理論與其他意識理論之間的所有細(xì)微相似點和差異是一項艱巨的任務(wù)，但我們已經(jīng)在表2中嘗試進(jìn)行了總結(jié)。在表中，我們考慮了我們理論的六個核心特征，并與四種主要的意識理論——GNWT、IIT、RPT和HOT——進(jìn)行了比較，尋找相似點、共鳴點和/或等價點。從表2的分析中，我們可以得出結(jié)論，我們的理論在各個方面與主流意識理論驚人地一致。我們認(rèn)為這種一致性是我們方法的一項優(yōu)勢，也許為統(tǒng)一計劃奠定了基礎(chǔ)。主動推理可能提供了一種整合性的計算方法來研究意識。

自然地，使我們的模型與眾不同的是對計算描述的關(guān)注，而不是試圖指定神經(jīng)實現(xiàn)（參見Saffron, 2020；2022；Friston, 2018；Hohwy, 2022）。揭示不同的生命系統(tǒng)如何實例化現(xiàn)實模型、如何經(jīng)歷推斷競爭和貝葉斯綁定以及遞歸循環(huán)，是我們期待的研究計劃，但不是我們在這里嘗試的內(nèi)容。幸運的是，如今應(yīng)用主動推理、預(yù)測處理和自由能原則來理解大腦的運作變得流行，因此我們至少間接得到了這些研究項目的支持，這些項目正在揭示出大腦中不確定性最小化的穩(wěn)步增長的證據(jù)庫（Hohwy, 2013；Ficco等, 2021；Keller & Mrsic-Flogel, 2018；Hohwy & Seth, 2020；Solms, 2021）。作為一項計算描述，我們還可以推測，“美麗的循環(huán)”原則上可以在人工系統(tǒng)中實現(xiàn)，而不僅限于特定的硬件。

在過去的十年中，我們見證了人工智能（AI）領(lǐng)域的驚人進(jìn)展，尤其是在大型語言模型（LLMs）方面。通過相對簡單的算法，LLMs似乎展現(xiàn)出令人驚訝的涌現(xiàn)能力（Wei等, 2022；Strachan等, 2024）。傳統(tǒng)上，關(guān)于人工智能意識的討論常常陷入關(guān)于感受質(zhì)、意識的難題或試圖復(fù)制類人認(rèn)知的哲學(xué)爭論中。我們的模型提出了一個不同的方法。與其問“人工智能能否像人類一樣擁有意識？”，我們或許可以轉(zhuǎn)而提問：

1. 該人工智能系統(tǒng)是否生成了一個統(tǒng)一的現(xiàn)實模型？

2. 它是否參與推斷競爭，從而實現(xiàn)連貫的綁定？

3. 它是否表現(xiàn)出認(rèn)知深度和對其現(xiàn)實模型進(jìn)行反射性共享的證據(jù)？

最后，我們的理論對意識的功能有何解釋？一個頗具挑釁性的假設(shè)是，意識可能有些諷刺地成為通用智能的解決方案。這是因為認(rèn)知深度促進(jìn)了一種認(rèn)知自舉。當(dāng)一個智能體意識到自己的知識和認(rèn)知過程（結(jié)構(gòu)、權(quán)重規(guī)則等）時，它可以開始自我優(yōu)化和自我改進(jìn)，從而不斷提升智能水平和適應(yīng)能力。認(rèn)知深度和“美麗循環(huán)”因此可能是人類看似靈活且無邊界認(rèn)知能力的關(guān)鍵；并且可能是認(rèn)知革命背后的核心進(jìn)化突破（Harari, 2014）。

從某種意義上說，認(rèn)知深度也是真正內(nèi)省的標(biāo)志。不僅僅是元認(rèn)知，而是一種真實、體驗直接的認(rèn)知，了解自己知道的內(nèi)容作為體驗領(lǐng)域的一部分。這引發(fā)了一個更具爭議性但也更引人入勝的可能性：冥想實踐和內(nèi)省技能提升認(rèn)知深度，從而改善系統(tǒng)智能的“通用”性質(zhì)。這是因為一個進(jìn)行自我反思認(rèn)知的系統(tǒng)或許能夠更好地客觀化、不透明化，從而質(zhì)疑和更新自己的現(xiàn)實模型。如果一個系統(tǒng)具有高度的內(nèi)省或“現(xiàn)象學(xué)專長”，它可能也更有能力準(zhǔn)確分享它所知道的（以及它不知道的）與其社群，從而以某種形式賦予進(jìn)化優(yōu)勢，聽起來有點像是智慧（Frith, 2010）。

1. 引言

意識也許是科學(xué)中最大的謎團(tuán)。在某種程度上，大多數(shù)研究領(lǐng)域發(fā)現(xiàn)，生物體體驗的奇異能力不容忽視。關(guān)于意識本質(zhì)的書籍、文章和媒體報道層出不窮，心理學(xué)家、神經(jīng)科學(xué)家、哲學(xué)家、現(xiàn)象學(xué)家、計算機科學(xué)家、生物學(xué)家、物理學(xué)家和沉思者提出了獨特的觀點。然而，大多數(shù)人都同意，意識在其他似乎可以歸結(jié)為事物、物體、模式和方程的世界中仍然是一個不便的謎團(tuán)。

同樣，很明顯，科學(xué)的工具可以揭示一些關(guān)于意識本質(zhì)的信息。成千上萬的實驗證明，意識具有可預(yù)測的特征、可預(yù)測的相關(guān)性，并在可預(yù)測的條件下波動（Koch 等人，2016；Frith，2021）。得益于不斷增長的證據(jù)基礎(chǔ)，近年來出現(xiàn)了一系列令人印象深刻的意識理論（ToCs）（Rosenthal，2000；Seth & Bayne，2022；Carruthers，2017；Tononi，2008；Baars，2005）。這些理論有許多優(yōu)點和解釋力，但科學(xué)界尚未達(dá)成共識。即使是意識科學(xué)背后的形而上學(xué)假設(shè)也導(dǎo)致了激烈的辯論（Kuhn，2024；Fleming 等人，2023；Kastrup，2008）。

在這里，我們旨在通過建立一個有前景的生物體一般理論，即主動推理或預(yù)測處理，來為這些理論做出貢獻(xiàn)，該理論基于自由能原理（Friston，2010；Clark，2013；Hohwy，2013；Seth & Tsakiris，2018）。其他人也提出，主動推理可能為意識體驗的不同特征提供解決方案（例如，Hohwy，2022；Hohwy & Seth，2020；Safron，2020；2022；Carhart-Harris 等人，2014；Rudrauf 等人，2017；Friston，2018；Williford 等人，2018；Clark，2019；Kanai 等人，2019；Chang 等人，2020；Deane，2021；Whyte & Smith，2021；Whyte 等人，2024）。

然而，主動推理是否能滿足ToC theories of consciousness (ToCs)的條件仍然不清楚。還有人提出，我們應(yīng)該將主動推理視為提供“...意識科學(xué)的理論，而不是ToC本身”（Seth & Bayne，2022，第446頁）。問題出現(xiàn)了，主動推理需要滿足哪些條件才能跨越ToC的門檻？為什么這個理論在解釋感知、認(rèn)知和行動方面如此成功，卻無法解釋意識本身？

為了解決這些問題，我們提出了三個似乎對意識必要的條件，并展示了一些主動推理系統(tǒng)如何滿足它們。第一個條件是一個生成世界模型，或知識領(lǐng)域。這提供了可以被知道的內(nèi)容，因此稱之為知識領(lǐng)域（Metzinger，2020）。第二個條件是推斷競爭，它決定了什么成為意識以及為什么它是連貫的（即，解決綁定問題）。第三個也是最后一個條件是知識深度，這指的是知識領(lǐng)域在整個系統(tǒng)中被遞歸地、廣泛地（即深度地）共享。正如我們將看到的，這個想法與“廣播”（Dehaene 等人，2003）、“信息整合”（Tononi，2008）和“大腦中的名聲”（Dennett，2001）有一些相似的特征，盡管有重要的區(qū)別。

下面，我們將逐一介紹一個條件。然后，我們將展示當(dāng)這些條件得到滿足時，主動推理如何為一系列認(rèn)知過程和意識狀態(tài)提供簡潔的解釋。我們的觀點還意味著，最基本的或最小形式的意識是一個非常簡化的（幾乎無內(nèi)容的）世界模型，它非局部地知道自己。因此，第一人稱視角、自我建模和代理性并不是意識的先決條件，而是意識的局部或“收縮”形式（Metzinger，2020）。

為了簡潔，我們將避免廣泛的文獻(xiàn)回顧（參見Seth & Bayne，2022；Frith，2021；或Lau，2022關(guān)于ToCs的回顧）。然而，如上所述，該理論的許多特征（在討論的表2中回顧）與其他ToCs theories of consciousness (ToCs) 的元素一致，如全局神經(jīng)元工作空間理論（GNWT，Dehaene 等人，2003）、高階理論（HOT，Lau 和 Rosenthal，2011）、遞歸處理理論（RPT，Lamme 和 Roelfsema，2000；Pennartz 等人，2019）和整合信息理論（IIT，Tononi，2008）。我們將在整個過程中與現(xiàn)有理論建立聯(lián)系。我們的方法的優(yōu)勢在于展示主動推理中最小一組計算假設(shè)的相互作用如何可能為意識提供成分，對于理解從清醒夢到冥想，到迷幻藥，以及人工智能的各種狀態(tài)具有啟示意義。

2. 模擬世界模型

為了在世界上活動并保持我們的生存，我們需要一個關(guān)于這個世界的模型。如果沒有對當(dāng)前展開的現(xiàn)實的模擬，一個人就無法行走、跳躍、拿起玻璃杯、接住球或擁抱他人。實現(xiàn)這樣一個連貫的現(xiàn)實模型是一項巨大的成就，特別是考慮到大腦必須處理不可預(yù)測的、不精確的且常常不連貫的數(shù)據(jù)（Treisman，1996）。然而，我們的現(xiàn)實體驗似乎有意義——它有深度、顏色、形狀、思想、情感、人物和物體，我們似乎能夠相對容易地理解和預(yù)測。值得注意的是，也可以意識到這個世界模型的內(nèi)容。我們體驗到接球、腳下草地的質(zhì)感和溫暖的擁抱。我們的世界似乎充滿了活力。

我們將這個“體驗世界”稱為生物體整個生活現(xiàn)實的生成現(xiàn)象學(xué)、統(tǒng)一的世界模型（以下簡稱現(xiàn)實模型）。它是生成的，因為生物體內(nèi)的內(nèi)部過程在構(gòu)建或生成模型的“輸出”中起著核心作用。它是現(xiàn)象學(xué)的，因為可以體驗到現(xiàn)實模型——它構(gòu)成了我們生活的世界。它是統(tǒng)一的，因為它是連貫的或似乎作為一個整體“綁定”在一起。這個現(xiàn)實模型也是一個知識領(lǐng)域，因為它是一個可以被知曉、探索、詢問和更新的地方（或感覺流）——一種對行動的可供性，無論是物理的還是精神的（Metzinger，2017）。我們的現(xiàn)實模型告訴我們什么是可能的，什么是不可能的，什么能讓我們生存，什么會傷害我們，甚至我們自己是什么。我們認(rèn)為這樣的模型是意識的必要條件，因為它定義了什么可以成為意識、被知曉或體驗。

主動推理為生物體如何構(gòu)建適合其生活世界的現(xiàn)實模型提供了一個直接的解決方案或描述（Friston，2006；2010）。這個理論的各種細(xì)節(jié)將在后文介紹；這里，只需概述幾個關(guān)鍵原則就足夠了。主動推理可以從兩個相互依賴的假設(shè)中推導(dǎo)出來：（1）生物系統(tǒng)必須保持自己與環(huán)境之間的邊界（即存在），以及（2）必須保持在與持續(xù)存在相兼容的特定（特征性）狀態(tài)中（即適應(yīng)性行動）。從這些前提出發(fā)，我們可以構(gòu)建一個框架，其中存在需要一個關(guān)于自我和環(huán)境的生成模型，使系統(tǒng)能夠解決令人驚訝的感覺——即穩(wěn)態(tài)——并預(yù)測令人驚訝的結(jié)果，通過適應(yīng)性行動維持自己，即異態(tài)。為了學(xué)習(xí)和更新模型，生物體減少預(yù)測誤差，或不確定性1?；蛘叻催^來說，生物體通過尋求其自身存在的證據(jù)，即自我證明（Hohwy，2016），來持續(xù)存在。最小化預(yù)測誤差——自上而下的預(yù)測和輸入之間的差異——同時提高了模型的準(zhǔn)確性，并引導(dǎo)系統(tǒng)走向其特有的、可居住的狀態(tài)。

主動推理的關(guān)鍵創(chuàng)新在于將行動選擇視為一個推斷問題，其中策略（行動序列）被選擇以最小化預(yù)期不確定性（即，由于策略而在未來產(chǎn)生的驚喜）。為了處理現(xiàn)實世界環(huán)境中的時間尺度分離——并平衡當(dāng)下的期望與未來的需求——生成模型幾乎普遍是層級的，更高層次編碼更抽象和更長期的預(yù)測。例如，聲波可以被抽象成音素，然后抽象成音節(jié)，再變成單詞、句子、傳記等等（Baltzell 等人，2019；Dehaene 等人，2015；Ding 等人，2015；Taylor 等人，2015；Friston 等人，2024；Friston 等人，2017；George 和 Hawkins，2009）。這種表述允許關(guān)于我們的經(jīng)歷和我們的身體隨著時間的深度敘事，以及目標(biāo)導(dǎo)向的行為，從維持存在的基本驅(qū)動力中出現(xiàn)。

最后，報告驚訝程度的預(yù)測誤差——從而在每個層級推動貝葉斯信念更新——是精確加權(quán)的（Feldman & Friston，2010）。精確度通過控制錯誤單元的增益來調(diào)節(jié)預(yù)測誤差對信念更新和策略選擇的影響。高精確度放大了預(yù)測誤差的影響，而低精確度則減弱了它們。這種精確加權(quán)機制允許系統(tǒng)通過調(diào)節(jié)感官證據(jù)和先前信念之間的平衡，靈活地適應(yīng)不同的環(huán)境。簡單地說，我們需要知道我們知道什么，但也需要對我們所知道的有信心。在某些情況下，我們可以信任我們的信念，在其他情況下，我們需要專注于從世界中學(xué)習(xí)新的東西（Friston 等人，2015）。在這個解讀中，世界模型是“精確工程化”的，其中提高某些預(yù)測誤差的精確度可以理解為關(guān)注它們的來源。

主動推理的一個優(yōu)勢是它可以作為第一人稱和第三人稱方法之間的橋梁（參見解釋鴻溝，Levine，1983）。換句話說，像主動推理這樣的計算方法提供了主觀體驗和神經(jīng)機制之間的中間道路，為兩者提供機制性的洞察（見圖1）。這種方法有時被稱為計算神經(jīng)現(xiàn)象學(xué)（Suzuki 等人，2022；Sandved-Smith 等人，2021；2024；Ramstead 等人，2022），因為它在一個單一的建?？蚣軆?nèi)連接了主觀體驗和客觀神經(jīng)過程。具體來說，它使用生成模型來指定大腦如何推斷和構(gòu)建體驗內(nèi)容，使研究人員能夠將神經(jīng)動態(tài)的變化（“算法描述”）與現(xiàn)象學(xué)體驗的質(zhì)量和結(jié)構(gòu)聯(lián)系起來。通過系統(tǒng)地將第一人稱報告和神經(jīng)動態(tài)映射到潛在的計算過程，我們同時獲得了關(guān)于主觀體驗如何產(chǎn)生以及大腦如何實現(xiàn)它的解釋性賬戶和機制性理解。

鑒于上述內(nèi)容，主動推理似乎能夠解釋模擬一個實用現(xiàn)實模型的能力（即，提供一個適應(yīng)性行動的知識領(lǐng)域的現(xiàn)實模型）。實際上，生成這樣的模型是主動推理的核心，因為沒有它，生物體就無法預(yù)測其偏好狀態(tài)，因此無法維持其邊界——以及身體（Barrett，2020）。越來越多的證據(jù)表明，主動推理是，或者至少可能是，大腦和身體正在做的事情（Walsh 等人，2020；Hohwy，2013）。因此，主動推理滿足了我們對意識的第一個條件，即生成一個世界或現(xiàn)實模型。這表明主動推理至少可以解釋被知曉或體驗的內(nèi)容。然而，它尚未解釋意識的為什么或如何。

3. 推理競爭與貝葉斯綁定

任何關(guān)于意識的理論都必須解釋為什么我們對某些現(xiàn)象有意識，而對其他現(xiàn)象則沒有。主動推理和預(yù)測編碼為意識內(nèi)容是如何構(gòu)建的提供了令人印象深刻的解釋（尤其是在視覺流中，Peelen等人，2024）。然而，到目前為止，還沒有一個被普遍接受的理論來解釋決定意識所需選擇性閾值的因素（Seth和Bayne，2022；Baars，2005；Kouider和Dehaene，2007）。在這一方向上確實有一些有益的嘗試（Saffron，2020；2022；Friston，2018；Hohwy，2012；Do??ga和Dewhurst，2021）。

考慮熟悉的雙眼競爭現(xiàn)象（Breese，1909；Tong等人，2006）。在這種情況下，每只眼睛在相同的時間、相同的視網(wǎng)膜位置呈現(xiàn)不同的圖像（例如，左眼呈現(xiàn)一張臉，右眼呈現(xiàn)一座房子）。這導(dǎo)致了一個奇怪的情況，大腦似乎無法接受這兩種對立的視覺現(xiàn)實。結(jié)果是，我們會在房子和臉之間逐漸切換，或者看到兩者的混合。這些實驗突顯了某種選擇過程的存在，它使得某些感官的配置或解釋進(jìn)入意識，而其他則沒有（Hohwy等人，2008；Hohwy，2012）。還有無數(shù)類似的例子，包括無意注意盲（Mack，2003；Kouider和Dehaene，2007）、視覺和感官幻覺（Eagleman，2008；Laukkonen和Tangen，2017），以及內(nèi)省、認(rèn)知和行為上的虛構(gòu)（Nisbett和Schachter，1966；Nisbett和Wilson，1977；Maier，1931；Wegner，2002；Weiskrantz，1986）。

盡管有些事物會進(jìn)入意識，有些則不會，但這與意識的“難問題”關(guān)系并不像人們想象的那么大（Chalmers，1995）?？紤]一下，在雙眼競爭期間，無論哪種感知進(jìn)入意識，我們總是（元）意識到進(jìn)入我們視野的內(nèi)容。換句話說，意識的存在并沒有改變，只是內(nèi)容變了。我們還可以意識到我們的體驗從臉切換到房子，甚至可能意識到為什么會發(fā)生這種變化。

因此，關(guān)鍵在于似乎存在一個“空間”，在這個空間里，我們能夠感受到、感知到，并且重要的是，能夠知道心智的內(nèi)容（Metzinger，2020）。Cleeremans等人（2020）用另一種方式表達(dá)了相同的觀點：“……當(dāng)一個人意識到某種情況時，她不僅對這種狀態(tài)敏感，而是知道自己對這種狀態(tài)敏感?！?/strong>（我們的強調(diào)）。當(dāng)我們遇到視覺幻覺、競爭或模糊刺激時，我們似乎能夠知道自己正在經(jīng)歷這種體驗。用現(xiàn)象學(xué)的語言來說，我們體驗到了“看見”，而現(xiàn)象學(xué)的透明性讓位于不透明性（Limanowski和Friston，2018；Metzinger，2003）。這種體驗空間似乎是統(tǒng)一、連貫且結(jié)合在一起的：一個意識的整體，正如其他人所指出的（Baars等人，2013；Tononi等人，2005，2008）。因此，意識具有一種確定性的本質(zhì)，就好像大腦和身體找到了一個全球統(tǒng)一的可供性，在其中可以擁有自我、行動、關(guān)注事物、感受情緒，最重要的是，保持身體的存活（Barrett，2020；Seth，2013）。

在這里，我們認(rèn)為意識的門檻——即哪些內(nèi)容進(jìn)入這個認(rèn)知領(lǐng)域或現(xiàn)實模型——是通過對其感覺原因的各種可能解釋之間的競爭過程來決定的。此外，我們建議所謂的綁定“問題”實際上可能是關(guān)于什么突破意識門檻的“解決方案”的一部分。也就是說，連貫性和界限性是贏得推理競爭的核心標(biāo)準(zhǔn)。比喻來說，爭奪意識的競爭目標(biāo)是以連貫性和統(tǒng)一性為形狀的球門柱。如果一個推斷與系統(tǒng)中其他并行和層級相鄰的推斷不連貫，那么它被選中的可能性就較小。

這種連貫性標(biāo)準(zhǔn)也自然地從旨在減少不確定性或預(yù)測誤差的系統(tǒng)中得出。推斷之間的不和諧等同于混亂——一個無法簡潔解釋數(shù)據(jù)的生成模型。這種令人困惑的解釋導(dǎo)致不可減少的錯誤傳播。連貫性的壓力因現(xiàn)實模型的任務(wù)是為適應(yīng)性行動減少不確定性（Nave 等，2020）而顯得尤為重要。如果認(rèn)知領(lǐng)域內(nèi)部不連貫，隨著我們評估政策或未來的路徑，不確定性會累積，使得行動選擇不精確且其結(jié)果不確定（即平均而言令人驚訝）。

具體來說，我們假設(shè)連貫性和綁定自然是從進(jìn)行分層貝葉斯推理的系統(tǒng)中產(chǎn)生的（Knill & Pouget, 2004）。驅(qū)動選擇的內(nèi)容是什么被綁定到經(jīng)驗領(lǐng)域的是對感官數(shù)據(jù)原因的各種可能解釋之間的精度加權(quán)競爭（即一種在大腦中爭取“名聲”的競爭，Dennett, 1995; 2001）。關(guān)鍵在于，贏得精度加權(quán)競爭的部分原因是那些與現(xiàn)有現(xiàn)實模型（即先驗）最一致的內(nèi)容，這為可以被吸收到認(rèn)知領(lǐng)域中的內(nèi)容提供了必要的約束或誘導(dǎo)偏差（技術(shù)上來說，經(jīng)驗先驗）。用貝葉斯術(shù)語來說，不連貫或不一致的數(shù)據(jù)要么是不精確的——在這種情況下，相關(guān)的預(yù)測誤差會被賦予較低的精度——要么是無法解釋的——在這種情況下，精度加權(quán)會選擇那些可以被解釋的數(shù)據(jù)。我們通過面部感知中的微觀綁定示例來說明這一貝葉斯綁定過程（圖2）。我們認(rèn)為同樣的想法可以擴展到現(xiàn)實模型下的宏觀綁定。

貝葉斯綁定還提供了一種對GNWT（Dehaene & Changeux, 2011; Dehaene等, 2014; Friston等, 2012）中定義的點燃現(xiàn)象的新描述。點燃指的是神經(jīng)元聯(lián)盟突然而廣泛的激活，將信息“點燃”進(jìn)入意識覺知。在GNWT中，這一過程的特點是從局部、專門處理到大腦內(nèi)信息的全局可用性的非線性過渡。根據(jù)貝葉斯綁定理論，點燃閾值是由整個層次結(jié)構(gòu)中的精度競爭驅(qū)動的，其中精度也受到與現(xiàn)實模型（即預(yù)測精度3如果具有局部和全局一致性則更高）的一致性（自上而下）的約束。因此，點燃、綁定和競爭都被包含在主動推理之中（Whyte & Smith, 2021）。它們各自是一個通過足夠復(fù)雜性和深度來減少不確定性的系統(tǒng)的自然結(jié)果。

一種補充的觀點（參見Whyte & Smith, 2021；Whyte等, 2024）提出，意識具體出現(xiàn)在連續(xù)感官感知與離散的、反事實的策略選擇過程之間的界面上。在這里，有意識的內(nèi)容對應(yīng)于關(guān)于世界、身體或大腦隱藏狀態(tài)的精確后驗信念，這些信念從即時的感官波動中抽象出來，并且足夠精確以驅(qū)動行動選擇，包括主觀報告。因此，有意識的狀態(tài)與無意識狀態(tài)的區(qū)別在于它們能夠為離散的策略決策提供信息，反映了目標(biāo)導(dǎo)向（利用已知信息）和探索性（解決模糊性和新穎性）需求之間的計算平衡。一個綜合的觀點可能是，貝葉斯綁定是連續(xù)感官感知與離散的、有意識的和用于反事實策略選擇的精確后驗之間的一個關(guān)鍵機制閾值。也就是說，貝葉斯綁定強調(diào)離散和精確的后驗（Whyte & Smith等, 2021）也需要局部和全局的一致性，這自然推動了有意識體驗的有限性和整體性。

這里的關(guān)鍵要點是，貝葉斯綁定（理論上）是一切體驗的核心，從單模態(tài)過程、多感官綁定到全局整合。也就是說，生成體驗需要嵌套層次的綁定，即將先驗和感官證據(jù)通過分層生成模型組合成一個近似的后驗，其中這種感知合成或組合敏感地依賴于每個處理層次所提供的精度或置信度（Friston, 2008; Hohwy, 2012; Hohwy, 2013）。這個見解是，同樣的基本機制在微觀和宏觀層面都起作用。例如，正如我們推斷茶壺是一個單一的“事物”（由把手、空心體和噴口組成），我們也把整個體驗領(lǐng)域看作是一個單一的事物，它將地面、天空、我們的身體、其他人以及所有其他東西結(jié)合在一起。我們假設(shè)，這個全球統(tǒng)一模型，無論多么最小化，對于有意識體驗來說是必要但不充分的條件。只有當(dāng)這個全局后驗通過底層層次結(jié)構(gòu)反射回來時，才會滿足意識的條件。正如我們將看到的，解釋意識內(nèi)容不足以捕捉即將到來的內(nèi)容感知或?qū)ζ涞闹獣愿小?/p>

4. 認(rèn)知深度與意識

“認(rèn)知”一詞意味著“與知識相關(guān)”，而“深度”一詞指的是強度以及超越表面的能力（牛津英語，1989）。因此，我們所說的“認(rèn)知深度”是指一種知識或意識的能力或連續(xù)體（即深化），這種能力或連續(xù)體可以或多或少是活躍的（即強烈或清晰的）。低認(rèn)知深度的狀態(tài)是指那些涉及模糊認(rèn)知的狀態(tài)，例如睡眠、做夢或走神；而高認(rèn)知深度的狀態(tài)則是指那些包含清晰或強烈認(rèn)知的狀態(tài)，例如專注或高度覺知的狀態(tài)（Schooler, 2002; Schooler等, 2011）。正如我們將看到的，認(rèn)知的強度或清晰度也可以指向認(rèn)知能力本身，即反思性地知道我們知道（Dunne等, 2019; Josipovic, 2019）。本節(jié)的目標(biāo)是傳達(dá)我們對“認(rèn)知深度”這一概念的理解。然后我們將在第5節(jié)中集中于對該思想進(jìn)行形式化。

為了給我們的構(gòu)建增加一些現(xiàn)象學(xué)上的細(xì)微差別，我們借用了“光明性”一詞，該詞在冥想傳統(tǒng)的古老論述中經(jīng)常出現(xiàn)（Anālayo 2017），尤其是在大乘和密宗佛教（Williams, 2013）及印度哲學(xué)中（Skorupski, 2012; Berger, 2015）。就我們的目的而言，我們將“光明性”定義為在意識體驗中認(rèn)知或意識的清晰度或強度。將認(rèn)知深度與光明性聯(lián)系起來的一個特別好處是避免了無限回歸：“正如光源永遠(yuǎn)不會被另一個光源照亮……”（Bhart?hari, 1963）。正如燈發(fā)出的光不僅照亮了物體，也照亮了燈本身一樣，光明性和自我反省意識的概念往往息息相關(guān)（Williams, 2013）。光明性和遞歸表明，這只是“一種”不同程度的認(rèn)知，正如光的亮度可能有所不同，但仍是同一束光。對我們來說，“光明性”提供了一個有用的隱喻——具有現(xiàn)象學(xué)上的共鳴——來描述意識系統(tǒng)的意識等級或清晰度的可能性。

現(xiàn)在，回到我們關(guān)于現(xiàn)實模型的構(gòu)造。在此背景下，“光明性”是指現(xiàn)實模型（非局部地）認(rèn)識自身程度。在一個分層主動推理系統(tǒng)中，必要的共享意味著現(xiàn)實模型包含了它存在的推斷、信念或期望。用比喻來說，就好像系統(tǒng)的輸出變成了另一種感官模態(tài)，并通過所有層次遞歸分布回系統(tǒng)中。舉個比喻：當(dāng)我們大聲說話時，我們產(chǎn)生聲音，并同時聽到這些聲音及其含義（即，我們聽到自己的聲音和所說的話）。因此，我們的輸出（聲音）也是我們的輸入（聲音）。我們依次生成形式（輸出），然后監(jiān)控該形式的全局上下文（輸入），以確保我們的言語傳達(dá)出連貫的意義流。我們在行動中創(chuàng)造的內(nèi)容和通過感官感知到的內(nèi)容之間存在持續(xù)的“循環(huán)”。類似地，大腦推理過程的關(guān)鍵輸出是構(gòu)建一個讓我們得以生存的現(xiàn)實模型（類似于聲音）。但這個全球性的現(xiàn)實模型也是系統(tǒng)的一種輸入，并成為推理過程的一部分本身（類似于聲音，參見圖3）。

請注意，盡管現(xiàn)實模型的特定內(nèi)容可以被新證據(jù)證實或否定（例如，雙眼競爭中的轉(zhuǎn)換），但現(xiàn)實模型的存在卻仍在持續(xù)不斷地得到驗證，無論其內(nèi)容如何（例如，所有變化都證實了現(xiàn)實模型的存在）。因此，認(rèn)知領(lǐng)域不斷在證明自身的存在（即，場域自證）。有機體采取的任何行動——小到一次眼跳、一個念頭或一次呼吸——都在向自身確認(rèn)它（模型）的存在。事實上，所有的模型（即貝葉斯信念）更新都在確認(rèn)它的存在。因此，現(xiàn)實模型存在的事實成為了一個極為精確的推斷，幾乎不會在推理競爭中落敗。

5. 超模型與微小生物

以嚴(yán)謹(jǐn)?shù)姆绞浇ＵJ(rèn)知深度需要一個系統(tǒng)，該系統(tǒng)不僅對外部狀態(tài)做出預(yù)測，而且——至關(guān)重要的是——在全球范圍內(nèi)遞歸地建模其自身的建模過程。實現(xiàn)這一目標(biāo)的一種方法是通過我們稱之為超生成模型或簡稱超模型的方法（Friston, 2010；Parr & Friston, 2018；Ramstead等, 2022）。在分層主動推理中，每一層都推斷出更高抽象層次的隱藏原因。然而，為了捕捉認(rèn)知深度，架構(gòu)需要一個真正的高階（即超）模型，該模型能夠追蹤每一層的推理和精度加權(quán)在整個系統(tǒng)中的部署情況。形式上，我們可以假設(shè)一組超參數(shù)Φ，它編碼了在不同情境下信任哪些層更多（或更少）、如何加強或減弱預(yù)測誤差的權(quán)重以及如何在整個網(wǎng)絡(luò)中協(xié)調(diào)反饋回路（Friston等, 2017）。這種深層次的全局參數(shù)允許系統(tǒng)遞歸地“重新處理”和“重新發(fā)現(xiàn)”它們自己的建模過程，從而成為一個真正具有能動性的自我構(gòu)建和解構(gòu)系統(tǒng)，這讓人聯(lián)想到人類在適當(dāng)?shù)膭訖C和情境下可以有意并徹底地改變自己。

至關(guān)重要的是，通過向較低層傳遞精度的下降預(yù)測來更新的超參數(shù)——更新上升的精度加權(quán)預(yù)測誤差，這些誤差又更新下降的精度預(yù)測的超參數(shù)。依此類推，無窮無盡。正是這種遞歸特性賦予了信念更新以認(rèn)知深度。在現(xiàn)象透明性和不透明性方面，我們可以將每個層級想象成一種玻璃，它可以改變其光學(xué)性質(zhì)（參見圖4）。在認(rèn)知深度的設(shè)定中，精度的下降預(yù)測使透明的玻璃變得不透明，為層級提供了將信息從一層廣播到下一層的情境化和選擇能力。就燈照亮自身而言，認(rèn)知深度提供了一幅非常不同的畫面：一幅更類似于一系列全息屏幕（Fields等, 2021；Fields等, 2024）在其反射光中互相照亮的畫面。這幅畫面突出了認(rèn)知深度的遞歸、非局部和（自我）反思性質(zhì)。

闡明超參數(shù)集Φ如何協(xié)調(diào)整個系統(tǒng)是一個挑戰(zhàn)。一種可能性是在包含“超節(jié)點”的因子圖架構(gòu)中定義Φ，這些超節(jié)點編碼有關(guān)每個子模型精度或可靠性的條件信念（Parr & Friston, 2018）。這些超節(jié)點會向低層節(jié)點傳播自上而下的信號——精度更新、門控指令或結(jié)構(gòu)重組——確保每一層的推理都受到全局元信念的影響。這種機制將允許模擬反思廣播何時以及如何發(fā)生，從而能夠與神經(jīng)生理學(xué)數(shù)據(jù)進(jìn)行比較，并完善我們對生物和人工系統(tǒng)中認(rèn)知深度的更廣泛理解。

實際上，這種架構(gòu)在使用一種稱為分層高斯濾波器的預(yù)測編碼變體建模腦反應(yīng)時被證明是有用的（Iglesias等, 2013）。在計算神經(jīng)科學(xué)中，認(rèn)知深度的最小形式已被用于說明注意力選擇和圖形與背景的分離（Kanai等, 2015）。從技術(shù)上講，認(rèn)知深度的非局部方面繼承自這樣一個事實：規(guī)定層級每個級別的精度的超參數(shù)使每個級別成為超參數(shù)馬爾可夫毯的一部分（因為它們都是超參數(shù)的子項）。這要求在超參數(shù)上的貝葉斯信念和所有層級之間進(jìn)行遞歸消息傳遞，其中精度的下降預(yù)測以精度預(yù)測誤差的形式被反射回來。有關(guān)這些二階預(yù)測誤差在預(yù)測編碼架構(gòu)中的功能形式，請參見Kanai等（2015）。

與參數(shù)深度不同，超模型正在對其層次結(jié)構(gòu)的形狀進(jìn)行建模，并實時更新它。參數(shù)深度通常被實現(xiàn)為局部循環(huán)——在一層與另一層之間（Sandved-Smith, 2021; 2024），實現(xiàn)關(guān)于注意力或偏好精度的二階推斷?？梢詫⑦@一概念擴展到多層，但通常通過單層或少數(shù)幾層來演示。認(rèn)知深度超越了局部的二階推斷，暗示了一種全局一致的感覺：“我（系統(tǒng)）擁有一個多層級的生成模型，并且我知道如何在每個層級部署適當(dāng)?shù)木取虼宋抑牢抑朗裁??！?這種認(rèn)知深度是全系統(tǒng)的：它不僅僅是“我在關(guān)注什么？” 而是“所有這些推斷層是如何以深層次（分層）的方式相互上下文化的？” 相比之下，參數(shù)深度可以通過一些精心選擇的參數(shù)來實例化，例如“似然精度”或“策略精度”（Allen等, 2019；Hesp等, 2019；Parr和Friston, 2017, 2019；Schwartenbeck等, 2015；Smith等, 2019）。而認(rèn)知深度則涉及整個深層生成模型對如何協(xié)調(diào)先驗、轉(zhuǎn)換、偏好、時間尺度等的“意識”。盡管如此，參數(shù)深度和認(rèn)知深度顯然是兼容的——認(rèn)知深度勾勒出全球意識的“大局觀”，而參數(shù)深度是一種在分層生成模型中實現(xiàn)元推斷的機制，與元認(rèn)知和高階思維理論密切相關(guān)（Fleming, 2020；Fleming等, 2012）。

在系統(tǒng)發(fā)育的連續(xù)過程中，真正的認(rèn)知深度從何處開始出現(xiàn)仍然是一個懸而未決的問題。從生物學(xué)上看，所有生物系統(tǒng)都參與某種形式的穩(wěn)態(tài)調(diào)節(jié)，而許多生物（如細(xì)菌）表現(xiàn)出簡單的反饋回路。然而，認(rèn)知深度最簡單的形式化演示可能是一個雙（+）層的主動推理系統(tǒng)，該系統(tǒng)具備以下特點：

1. 推斷外部狀態(tài)（一個最小的世界模型——意識的“內(nèi)容”部分）

2. 維持一個元層級，推斷“對這些推斷的信心”（對感覺原因的可能解釋之間的最小競爭）

3. 從元層級的角度反思性地修改低層級的推斷，形成一個自我建模的閉環(huán)（最小的認(rèn)知深度）。

即使這樣一個簡化的系統(tǒng)，原則上也可以編碼一種基本的“知道自己知道”的能力。這個簡單的設(shè)置構(gòu)成了認(rèn)知深度的最小演示：全局循環(huán)不僅包含一個世界模型，還包含一個實時的關(guān)于它如何建模世界的模型（參見Parr & Friston, 2018；Sandved-Smith等, 2021）。然而，與我們在此所做的反思自身思維運作方式不同，認(rèn)知深度的初級形式極為基礎(chǔ)：它們涉及對系統(tǒng)自身預(yù)測過程的最小元推理，沒有任何更豐富的概念或內(nèi)省維度。在這個意義上，我們的模型似乎表明，意識顯然先于內(nèi)省或復(fù)雜的元認(rèn)知，至少是我們通常與這些術(shù)語相關(guān)聯(lián)的那種。即使是微小的個體，也可以將其自身推理機制中的持續(xù)反饋整合進(jìn)來，將“世界的感知”與一種微妙的、自我修正的“作為世界的自我的感知”聯(lián)系起來。真正的自我建模（即了解自己是什么樣的存在），從這個觀點來看，是更晚的發(fā)展。

在自然界中，許多單細(xì)胞生物已經(jīng)顯示出對細(xì)胞內(nèi)狀態(tài)的“自我測量”的原初形式，但這種測量是否等同于反思性的意識仍值得商榷（Fields & Levin, 2022; 2023）。有人可能會認(rèn)為，非常小的多細(xì)胞生物或微小昆蟲——例如寄生蜂（Megaphragma mymaripenne）、果蠅幼蟲（Drosophila melanogaster）或像秀麗隱桿線蟲（C. elegans）這樣的線蟲——開始接近實現(xiàn)最小超模型所需的復(fù)雜性。這些小型但高度整合的神經(jīng)系統(tǒng)能夠調(diào)節(jié)感官信號、調(diào)控行動策略，并通過神經(jīng)調(diào)節(jié)劑重新配置局部回路，暗示了自上而下重加權(quán)的部分類比（Marder, 2012）。這些是否足以形成一種全球一致的“知道自己知道”的能力尚不清楚，但它們是研究活體系統(tǒng)中反思性、多層次組織邊界情況的主要目標(biāo)。實際上，可能只有當(dāng)生物體投入足夠的神經(jīng)元（或計算）資源進(jìn)行分層建模和元推理時，我們才能看到在這種意義下的認(rèn)知深度的清晰近似（Friston, 2018）。盡管如此，追蹤日益復(fù)雜的神經(jīng)系統(tǒng)——甚至從小型節(jié)肢動物開始——如何處理全局精度控制，或許可以揭示最小系統(tǒng)至少在原則上如何展現(xiàn)出認(rèn)知深度的核心特性。

6. 注意與元認(rèn)知

在現(xiàn)階段，根據(jù)我們的觀點明確幾個意識層次是有用的：首先，那些精度較低并失去綁定到現(xiàn)實模型競爭的推斷，這些推斷保持透明，在那一刻無法被內(nèi)省。其次，有些推斷具有足夠高的精度，并且與認(rèn)知領(lǐng)域有足夠的連貫性，從而贏得綁定的推斷競爭（參見圖2）。這些內(nèi)容至少是隱約或勉強知道的，但我們可能并沒有明確地“知道自己知道”（例如，我們注意力的邊緣，或者我們穿著的襯衫）。內(nèi)容是否“明亮地”意識到取決于認(rèn)知深度，即超建模（參見圖3）。例如，當(dāng)輸入具有足夠的精度來引導(dǎo)分層處理，但不足以贏得綁定到現(xiàn)實模型的競爭時，就會發(fā)生閾下啟動（Ansorge等, 2014；Elgendi等, 2018）。真正的閾下信息（例如，雙眼競爭或視覺錯覺背后的處理階段）無法通過內(nèi)省獲取。在我們發(fā)現(xiàn)我們已經(jīng)開車（或步行）到達(dá)目的地，卻沒有明確意識到旅程的情況下，因為我們正忙于走神或聽播客，這時就出現(xiàn)了微妙的知覺（即相對盲視，Lau & Passingham, 2006）。在這里，與行走和駕駛相關(guān)的感官和運動數(shù)據(jù)顯然是現(xiàn)實模型的一部分，但它們?nèi)狈φJ(rèn)知深度。它們足以進(jìn)行適應(yīng)性行動，但缺乏意識的成分。

一個關(guān)鍵點是要理解現(xiàn)實模型中的任何內(nèi)容都可以成為明確且明亮地知道的對象（參見圖5）：超建?？梢悦鞔_跟蹤任何推理層的結(jié)構(gòu)和精度，這包括元認(rèn)知、注意過程（即模型簡化或精度更新），甚至自我（Dahl等, 2015）。我們可以意識到我們在思考思考，或者注意狀態(tài)的正念（Lutz等, 2015）。因此，任何一度透明的內(nèi)容（假定的，未知的）都可以變得不透明（未假定的，已知的；Metzinger, 2003）。

在意識的高階理論（HOT）中，元認(rèn)知被認(rèn)為是有意識體驗的必要能力（參見Cleeremans等, 2020；Shea & Frith, 2019的綜述）。在最近的表述中，所討論的元認(rèn)知與我們熟悉的“思考關(guān)于思考”的元認(rèn)知概念有所不同（Fleming & Lau, 2014）。這是一種更微妙的元認(rèn)知：一種亞個人或隱性的“對敏感性的敏感性”（Cleeremans等, 2020；Lau, 2022）。認(rèn)知深度也涉及一種“對敏感性的敏感性”，以便“知道我們知道什么”。然而，這是通過遞歸而非元認(rèn)知實現(xiàn)的。這里有一種重新表征的元素，但它不是分層定位的，而是遞歸的，就像一種新的感官模態(tài)。它更類似于一種啟示，其中一個人的認(rèn)知狀態(tài)不斷地向自己揭示。在這種觀點下，即使是復(fù)雜的元認(rèn)知也可能根據(jù)認(rèn)知深度而成為無意識或有意識的（Kentridge, 2000）。正如Koriat和Levy-Sadot（2000，第198頁）所指出的，“如果元認(rèn)知監(jiān)控被定義為對自己知識的知識，那么沒有先驗的理由否認(rèn)這種知識也可能是隱性和無意識的?！?/p>

我們可以進(jìn)一步推測。所謂的系統(tǒng)2過程（Kahneman, 2011），其特征是分析性、費力且線性的思考和推理，也需要認(rèn)知深度來實現(xiàn)意識。這與發(fā)現(xiàn)一致，即那些似乎需要分析處理的問題常常通過無意識過程得到解決，即突然的洞察（Metcalfe & Wiebe, 1987；Laukkonen等, 2023；Patel等, 2019；Webb等, 2018）。事實上，科學(xué)和數(shù)學(xué)領(lǐng)域的一些最偉大的突破發(fā)生在尤里卡時刻的背后，深層的分析過程在意識之下繼續(xù)工作（Salvi等, 2024；Ovington等, 2018；Kounios & Beeman, 2018）。同樣，我們可以沉浸在類似于心流狀態(tài)的復(fù)雜分析工作中（Dietrich, 2004；Marty-Dugas等, 2021；Parvizi-Wayne等, 2024），只對我們正在做的事情有輕微的意識，比如編程或科學(xué)寫作。或者我們可以明確且明亮地意識到我們在思考關(guān)于思考，并與他人分享這一奇特的現(xiàn)象學(xué)體驗。總之：正如我們可以（或不能）意識到舒適毛衣的低級柔軟和毛茸茸的質(zhì)地一樣，我們也可以（或不能）意識到抽象思維、元認(rèn)知和推理。意識取決于認(rèn)知深度，而不是內(nèi)容的配置或分析處理的程度。

7. 睡眠與清醒

我們對睡眠狀態(tài)的理論應(yīng)用的詳細(xì)闡述將是未來工作的主題，但在此我們簡要回顧一下。在非快速眼動（NREM）睡眠中，尤其是深度慢波睡眠中，現(xiàn)實模型變得極度簡化——感官輸入的精確性很低。這導(dǎo)致了一個最小的，甚至是暫時缺失的現(xiàn)實模型。此外，現(xiàn)實模型在整個層級中的反射性傳播大幅減少，與低認(rèn)知深度（即低精確性和低遞歸性）的狀態(tài)相關(guān)聯(lián)，從而導(dǎo)致意識的減弱或無意識。這一觀點得到了大量證據(jù)的支持，這些證據(jù)表明，在深度睡眠期間，時間上深度的處理、長距離的功能連接和反饋過程都減少了（Massimini等人，2005；Horovitz等人，2009；Nir等人，2011；Esser等人，2009；Kakigi等人，2003；Tagliazucchi和van Someren，2017；Tononi和Massimini，2008；Mashour和Hudetz，2018；Laureys，2005；另見植物狀態(tài)，Boly等人，2011）。

另一方面，在快速眼動（REM）睡眠和做夢期間，現(xiàn)實模型更為豐富和復(fù)雜。在這里，一些層次較深且具有遞歸性的處理仍在繼續(xù)發(fā)生，足以結(jié)合一個現(xiàn)實模型，創(chuàng)造出統(tǒng)一的（盡管可能是不尋常的）感知和敘事，這些敘事可能缺乏真正高級（例如，前額葉）過程所具有的邏輯感或理性（Maquet等人，1996）。然而，認(rèn)知深度仍然相對較低，導(dǎo)致缺乏意識到自己正在做夢的清醒感——我們不知道自己知道。這一觀點得到了在非快速眼動睡眠期間抽象的、時間上深度的處理相對更強的崩潰（Wilf等人，2016；Strauss等人，2015；Massimini等人，2005；Hayat等人，2022）以及在快速眼動睡眠期間維持一些廣泛的連接（這與快速眼動睡眠是一種非快速眼動睡眠和清醒狀態(tài)的混合體的普遍觀點一致）的證據(jù)支持（Braun等人，1997；Hobson和Pace-Schott，2002；Nir和Tononi，2010；Hayat等人，2022）。

清醒夢是一個特別有趣的案例。在清醒夢中，一個人意識到自己正在做夢，通常能夠?qū)舻臄⑹芦@得一定程度的控制（Saunders等人，2016）。在我們的框架內(nèi)，清醒夢是一種認(rèn)知深度顯著高于典型（非清醒）快速眼動睡眠的狀態(tài)。認(rèn)知深度的提升使做夢者能夠識別當(dāng)前狀態(tài)為夢境——清醒意識中支持反思性意識的機制部分重新激活。這與白天的實踐一致，這些實踐支持夜間清醒感的出現(xiàn)，例如現(xiàn)實監(jiān)測（Loo和Cheng，2022）和正念（Stumbrys等人，2015；Stumbrys和Erlacher，2017），兩者都增加了認(rèn)知深度。還有初步證據(jù)表明，清醒夢與前額葉大腦區(qū)域的重新激活有關(guān)（Baird等人，2018；2019；Vos等人，2009；Dresler等人，2012），這些區(qū)域具有廣泛的連接性，可能對反思性傳播很重要（Dehaene等人，2014；Miller和Cohen，2001；Baird等人，2018）。

最后，還有更罕見的可能性，即清醒無夢睡眠（Windt等人，2016；Thompson，2015）——在深度睡眠階段沒有任何夢境內(nèi)容的意識。這種狀態(tài)有時被稱為“明光睡眠”，這是從藏傳佛教文獻(xiàn)中翻譯過來的術(shù)語（Alcaraz-Sanchez，2023）。清醒無夢睡眠可以是自發(fā)發(fā)生的，但在某些冥想圈子中也是一種有意的實踐（Thompson，2015；Windt，2020；Holecek，2020）。關(guān)于睡眠中這種“純粹”意識的描述至少可以追溯到《奧義書》（古典印度精神文本），在那里它被稱為蘇舒普提（梵語：????????，Alcaraz-Sanchez，2023）。有趣的是，這種狀態(tài)通常也以“清晰”和“明亮”為特征（Padmasambhava和Gyatrul，2008）。在我們的框架內(nèi)，清醒無夢睡眠是一種抽象程度很低但認(rèn)知深度很高的狀態(tài)：沒有意識內(nèi)容的構(gòu)建，只有認(rèn)知深度（即明亮性）存在，從而產(chǎn)生一種有意識但空無一物的認(rèn)知領(lǐng)域體驗。

8. 冥想與最小現(xiàn)象體驗

考慮主動推理如何能夠解釋某些改變的心智和意識狀態(tài)，尤其是那些在長期冥想過程中可能出現(xiàn)的狀態(tài)（Lutz等, 2019；Pagnoni等, 2019；Laukkonen & Slagter, 2021；Deane等, 2020；Prest & Berryman, 2024；Berkovich-Ohana等, 2024），這是很有啟發(fā)性的。我們認(rèn)為任何意識理論的廣泛應(yīng)用至關(guān)重要：如果該理論僅提供對部分意識體驗的一個狹窄窗口，它顯然無法反映意識的復(fù)雜、多維和靈活性質(zhì)。因此，忽視這些狀態(tài)的理論有見樹不見林的風(fēng)險。然而，我們也承認(rèn)冥想狀態(tài)和迷幻狀態(tài)（稍后討論）是模糊的，嚴(yán)格地測量和繪制它們是非常困難的。但有理由保持樂觀：近幾十年來，神經(jīng)現(xiàn)象學(xué)數(shù)據(jù)的證據(jù)基礎(chǔ)不斷增長，使得對這些不尋?！爬锨覐V泛存在——的意識狀態(tài)進(jìn)行快速三角化成為可能（Lutz等, 2015）。

我們在此特別關(guān)注建模所謂的最小現(xiàn)象體驗（MPE；參見Windt, 2015；Metzinger, 2020；2024；Gamma & Metzinger, 2021；Woods等, 2023；2024；Dor-Ziderman等, 2013；Ciaunica & Crucianelli, 2019）。其哲學(xué)理念是，意識的最佳模型是最簡單的模型：一種將最基本的或“最小”的意識形式作為目標(biāo)的解釋。這種方法旨在避免將意識本身與其特定表現(xiàn)形式混為一談，包括自我性、能動性、時間或第一人稱視角（Metzinger, 2020；2024）。最好的例子包括純粹的或無內(nèi)容的覺知體驗、清醒的無夢睡眠，或許多冥想傳統(tǒng)所報告的其他最小非二元覺知事件（Thompson, 2015；Hanley等, 2018；Josipovic, 2019；Laukkonen & Slagter, 2021）。

一些重要的基礎(chǔ)工作已經(jīng)存在（參見Metzinger, 2020；2024；Josipovic, 2019）。根據(jù)Metzinger的說法，MPE可能對應(yīng)于“緊張警覺”現(xiàn)象學(xué)——一種沒有任何具體內(nèi)容的裸醒覺知狀態(tài)。這是一種抽象的、無內(nèi)容的“開放”和認(rèn)知潛力體驗——一種非自我的知識和感知能力（即認(rèn)知空間）的表征。它也是光明的，“...與空不可分的清晰”（Lingpa, 2014，第14-15頁，引自Metzinger, 2020）。我們的觀點完全同意Metzinger的一般現(xiàn)象學(xué)特征描述。然而，我們也同意Josipovic（2019）的觀點，即非二元覺知的遞歸是獨特的，是一種獨特而整體的能力，以非概念的方式意識到現(xiàn)實模型。但關(guān)鍵的是，這種遞歸并不依賴于任何特定的內(nèi)容，也不是抽象的。通過對其自身結(jié)構(gòu)和權(quán)重規(guī)則的遞歸共享（即超建模），現(xiàn)實模型可以連續(xù)且同時知道自己既作為內(nèi)容又作為被知曉的內(nèi)容。

形式上，我們認(rèn)為當(dāng)認(rèn)知深度達(dá)到最高，且現(xiàn)實模型無內(nèi)容（整個抽象層次中精度最?。r，就會出現(xiàn)MPE。由于遞歸廣播，這導(dǎo)致遞歸（即光明性）成為現(xiàn)實模型的主要輸入（即持續(xù)贏得推理競爭）。這產(chǎn)生了一種反思遞歸——對意識的意識。但將其想象為二元的或需要時間的過程是誤導(dǎo)的?，F(xiàn)實模型的輸入、反思共享和推理競爭都在系統(tǒng)中共存。它們都是一個連續(xù)過程的一部分。這有點像聲反饋：來自揚聲器的聲音重新進(jìn)入麥克風(fēng)并形成一個永久循環(huán)。產(chǎn)生的結(jié)果是我們可以詩意地稱之為“美麗”而非“奇怪”的循環(huán)（Hofstadter, 2007）；一種環(huán)面（參見圖4）的認(rèn)知性，源于全局功能而非特定的信息內(nèi)容或元表征。

用隱喻來說，就好像系統(tǒng)“聚焦”在自己知道的能力上。但正如前面所討論的，聚焦實際上是簡化；而知道實際上是遞歸。因此，如果現(xiàn)實模型足夠簡單，以至于唯一贏得推理競爭的信號就是遞歸本身，那么遞歸會不斷地與自己共享。這映射到MPE的現(xiàn)象特性（Metzinger, 2020），表現(xiàn)為光明的、簡單的、單一的、非二元的和真實的（即精確的）。在某種最小情感（即近似MPE）的背景下，也很容易理解它是極樂的——可能有一個幾乎被模型完美解釋的情感信號，因此不確定性及其相關(guān)的緊張感與日常生活相比非常低。此外，通過將極樂、喜悅或幸福作為焦點（即簡化現(xiàn)實模型中的高精度內(nèi)容），可以引發(fā)持續(xù)的積極情感和意識的“美麗循環(huán)”，類似于上述聲反饋的高音哨聲，讓人想起佛教所說的禪定（Jhānas）（Hagerty等, 2013；Laukkonen等, 2023；Sparby & Sacchet, 2024）。

毫不意外，最真正最小版本的MPE出現(xiàn)在深度睡眠中，在那里其他內(nèi)容最不活躍，遞歸可以主導(dǎo)現(xiàn)實模型，并且這種體驗在訓(xùn)練正念和開放覺知的修行者中可能更為常見。合理預(yù)期，在白天增加認(rèn)知深度可能會養(yǎng)成一種遞歸習(xí)慣，使其在睡眠中發(fā)生。類似于我們可能會夢見白天的事件；通過習(xí)慣性地覺知我們的現(xiàn)實模型（意識格式塔），我們可以增加夜間反思（非二元）意識的慣性。在圖6中，我們將我們的框架擴展到MPE之外的其他冥想狀態(tài)，包括專注注意、開放覺知和非二元覺知（Sparby等, 2024；Dahl等, 2015；Lutz等, 2017；Slagter等, 2011；Lutz等, 2008；2015；Laukkonen & Slagter, 2021）。

冥想科學(xué)中的另一個核心概念是去實體化。去實體化指的是認(rèn)識到體驗現(xiàn)象是建構(gòu)的，而非固有的現(xiàn)實（Lutz等, 2015）。這種視角的轉(zhuǎn)變涉及從將思想、情感和體驗習(xí)慣性地視為堅實、持久的實體中脫離出來（Dahl等, 2015）。在我們的框架中，去實體化與認(rèn)知深度的增加（即能夠正念地見證現(xiàn)實模型）以及洞察力（即重構(gòu)先驗，Laukkonen等, 2023）相關(guān)聯(lián)。洞察力之所以可能發(fā)生，是因為認(rèn)知深度創(chuàng)造了一種距離感，使得超生成模型能夠使內(nèi)容變得不透明、內(nèi)省、質(zhì)疑，并因此改變現(xiàn)實模型中內(nèi)容的性質(zhì)。也就是說，當(dāng)現(xiàn)實模型被反思性地知曉時，它可以作為體驗對象被內(nèi)?。ǔ蔀閷ζ渥陨淼妮斎耄?。舉例來說：在古典佛教中，學(xué)生被教導(dǎo)主動識別體驗的三個特征（無常、苦、無我）。通過將現(xiàn)實模型的內(nèi)容變?yōu)橐庾R的對象（認(rèn)知深度），并探究這三個特征（Burbea, 2014），影響體驗的先驗可能開始重構(gòu)（即洞察力）。

隨著認(rèn)知深度的增加，現(xiàn)象的去實體化可能性也增加了。也就是說，現(xiàn)象失去了被視為固有真實的感知，但同時現(xiàn)象不透明的可能性也增加了。當(dāng)意識心理內(nèi)容形成的過程本身可以被內(nèi)省時，這些心理內(nèi)容被稱為現(xiàn)象不透明；否則，心理內(nèi)容是現(xiàn)象透明（或隱藏的，Metzinger, 2024, p.507）。因此，高認(rèn)知深度增加了這種可能性，尤其是對于資深冥想者而言，現(xiàn)象會被感知為心理建構(gòu)，從而天真的實在論的常識現(xiàn)象學(xué)逐漸消解。當(dāng)現(xiàn)象被如此感知時，在佛教術(shù)語中，它們被稱為“空”（?ūnyatā，Burbea, 2014）。

一個有趣的可能性是，MPE（最小現(xiàn)象體驗）本身可能成為去實體化和解構(gòu)的目標(biāo)，正如一些冥想者所提出的那樣（Burbea, 2014；Sayadaw, 2016）。這一觀點與近期關(guān)于nirodha（或“止息”）事件的研究一致，這類事件可能發(fā)生在冥想的高級階段（Berkovich-Ohana, 2017；Laukkonen等, 2023；Chowdhury等, 2023；2024；van Lutterveld等, 2024；Armstrong, 2021；Johnson, 2017）。止息的特點是短暫的，甚至在極少數(shù)情況下是長時間的完全缺席狀態(tài)，在此期間沒有任何體驗發(fā)生（類似于內(nèi)源性全身麻醉）。Nirodha并非像深度睡眠或頭腦空白那樣的狀態(tài)，而是一種深度解構(gòu)的狀態(tài)，其中現(xiàn)實模型和意識暫時崩潰或解綁（Agrawal & Laukkonen, 2024；Letheby, 2017），導(dǎo)致強烈的后效，有時被描述為一種“重置”（Dutt, 1964）。實際上，修行者并不總是注意到缺席的發(fā)生，相反，他們察覺到的是視角的轉(zhuǎn)變或公理性的變化。但在某些（更罕見的）情況下，可能會出現(xiàn)對止息的清晰洞察——一種沒有“心”的心的本質(zhì)，一種對解綁本身的矛盾認(rèn)知（Thanissaro, 2012）。

有趣的是，導(dǎo)致止息的修行實踐涉及主動解構(gòu)現(xiàn)實模型，包括自我（參見五蘊，Boisvert, 1995）。由于現(xiàn)實模型是我們意識的一個條件，這種深度解構(gòu)可能導(dǎo)致無法生成連貫的現(xiàn)實模型，從而引發(fā)意識的崩潰（即貝葉斯解綁）。在古典佛教實踐中，止息的目的當(dāng)然不是永久無意識，而是轉(zhuǎn)化心靈并減少痛苦。正如Burbea（2014）中所述：

通過越來越徹底、深入地放下執(zhí)著，體驗的世界逐漸消退并停止；看到并理解這一點具有重大意義：“……我說世界的盡頭無法通過旅行來知曉、看見或到達(dá)。然而……我也說，如果不達(dá)到世界的盡頭，就無法終結(jié)苦?！薄队钪媸篱g經(jīng)》

形式上，我們假設(shè)當(dāng)推斷競爭因解構(gòu)性冥想而未能達(dá)到全局一致性時，意識的止息就會發(fā)生，這種冥想逐步積累起反對現(xiàn)實模型一致性的證據(jù)?，F(xiàn)實模型的這種貝葉斯解綁包括了MPE所需的遞歸信號。用大乘佛教的術(shù)語來說，這揭示了所有現(xiàn)象（包括意識和空性本身）的無根基性、基底獨立性或空性（即?ūnyatā，To等, 2000；Gyatso, 2010）。在適當(dāng)?shù)臈l件下，這樣的洞察可能與認(rèn)知、感知和自我體驗的重大變化相關(guān)（Berkovich-Ohana, 2017；Berkovich-Ohana, 2024）。

推測起來，對現(xiàn)實模型的完全解構(gòu)還可能揭示出通過低抽象層級上的遞歸（即緣起或pratītyasamutpāda）來審問意識閾值的能力（參見圖4）。冥想過程中可能出現(xiàn)的體驗和狀態(tài)當(dāng)然是多種多樣的。我們的目標(biāo)在此是簡要描述一些更具實證依據(jù)的冥想狀態(tài)和洞察類別（Lutz等, 2008；2015；Slagter等, 2011；Dunne, 2013）。

9. 迷幻體驗

迷幻體驗的獨特現(xiàn)象學(xué)特征一直是意識理論（ToCs）中特別難以整合的部分。一種流行的迷幻作用理論是**放松信念模型（即REBUS；Carhart-Harris & Friston, 2019），該理論同樣基于主動推理。根據(jù)這一理論，迷幻藥物放松了抽象信念（即降低了其精度），導(dǎo)致一種無政府狀態(tài)（或熵增）的神經(jīng)活動，主要由自下而上的預(yù)測誤差和低層次的感官處理主導(dǎo)。該模型似乎為自我消解、新穎視角與洞察、感官細(xì)節(jié)增強、時間感知改變以及幻覺提供了一個簡潔的解釋，同時也得到了迷幻藥物某些神經(jīng)效應(yīng)的支持（Carhart-Harris, 2018）。

然而，迷幻體驗的一個方面并未被現(xiàn)有理論輕易捕捉到。盡管如此，這種特質(zhì)卻是迷幻體驗的核心，可以說是其最顯著且令人驚訝的特質(zhì)。那就是迷幻藥物“擴展意識”、“提升覺知”或揭示“更高意識狀態(tài)”的感覺（Huxley, 1968；Leary等, 2017；Dass, 1971）。這種增強覺知的感覺得到了研究的支持，表明迷幻藥物在急性期后會提升正念（Smigielski等, 2019；Radakovic, 2022），并增加“直覺感”，即對知識的感知以及真實感或真理感的整體品質(zhì)（James, 1902；Yaden等, 2017）。

那么，“美麗循環(huán)理論”可能會如何解釋迷幻體驗中的這些（相對）未被解釋的現(xiàn)象呢？我們推測，迷幻藥物可以可靠地增加認(rèn)知深度，這自然會導(dǎo)致意識擴展、認(rèn)知感（直覺性）和正念的感覺，所有這些都可以通過單一參數(shù)來捕捉。換句話說，遞歸性和超建模的增加預(yù)計會對應(yīng)于一種更清醒地意識到自己世界和自身的感受，因為個體確實在這樣做。事實上，可能是抽象信念的放松解釋了體驗內(nèi)容的變化（參見REBUS），而意識的整體品質(zhì)變化則可能最好通過認(rèn)知深度的增加來解釋（盡管兩者是相互關(guān)聯(lián)的）。但關(guān)鍵的是，由于學(xué)習(xí)到的信念同時放松，擴展覺知的感覺未必會傾向于支持準(zhǔn)確的模型（參見FIBUS：迷幻藥物下的虛假洞察與信念，McGovern等, 2024）。

認(rèn)知深度的增加還與迷幻體驗的一些內(nèi)省特質(zhì)相呼應(yīng)，包括發(fā)現(xiàn)自我和心靈“隱藏”方面的感覺，以及體驗的“心靈顯現(xiàn)”性質(zhì)（Lyon, 2024）。如果認(rèn)知深度增加了對自己所知的認(rèn)知，同時信念被放松，那么個體遇到通常被掩蓋的現(xiàn)實模型特征就顯得合情合理。結(jié)合前一節(jié)的內(nèi)容，我們現(xiàn)在還可以假設(shè)，長期以來被推測的迷幻藥物與冥想之間的關(guān)系或相似性也由認(rèn)知深度驅(qū)動（Letheby, 2022）。也就是說，冥想和迷幻藥物都可以增強光明性——由生成模型的結(jié)構(gòu)和權(quán)重規(guī)則與其自身的遞歸共享驅(qū)動的覺知清晰度和范圍。因此，兩者都可能導(dǎo)致短暫的神秘吸收狀態(tài)或MPE（最小現(xiàn)象體驗），在這種狀態(tài)下，純粹的認(rèn)知信號成為已知現(xiàn)實模型的核心（高精度）特征，用一種“純粹意識”事件取代了自我和自我-他者界限。

雖然我們提議背后的精確神經(jīng)機制需要未來的研究進(jìn)一步探討，但一個標(biāo)志性的發(fā)現(xiàn)是迷幻藥物增加了功能連接性，特別是在丘腦皮質(zhì)回路中（Tagliazucchi等, 2016；Müller等, 2017；Preller等, 2019）。神經(jīng)區(qū)域之間分離度的降低，尤其是丘腦的廣泛連接性，可能與現(xiàn)實模型在整個系統(tǒng)中的廣泛共享有關(guān)。當(dāng)然，迷幻體驗的品質(zhì)并不統(tǒng)一，會因劑量、物質(zhì)種類、意圖、個體差異和背景的不同而顯著變化（Hartogsohn, 2016）。這種體驗的非均質(zhì)性尤其適用于迷幻體驗的時間進(jìn)程，在此過程中，個體可能會在較低認(rèn)知深度的強烈吸收時刻與較高認(rèn)知深度的時刻之間波動，具體取決于設(shè)定、環(huán)境和劑量的各種特性。類似于夢境中突然出現(xiàn)的“清醒”現(xiàn)象，可能是那些“更加”意識到現(xiàn)實模型（即高認(rèn)知深度）的急性時刻，特別與前額葉活動的短暫增強以及高全局功能性連接相關(guān)。驗證這些假設(shè)需要強調(diào)迷幻藥物神經(jīng)現(xiàn)象學(xué)的方法（Timmerman等, 2023）——主觀體驗與神經(jīng)活動隨時間的流動和相關(guān)性。

10. 討論

——Douglas R. Hofstadter，《我是一個奇怪的循環(huán)》

1. 該人工智能系統(tǒng)是否生成了一個統(tǒng)一的現(xiàn)實模型？

2. 它是否參與推斷競爭，從而實現(xiàn)連貫的綁定？

3. 它是否表現(xiàn)出認(rèn)知深度和對其現(xiàn)實模型進(jìn)行反射性共享的證據(jù)？

我們現(xiàn)在可以在當(dāng)前先進(jìn)的人工智能系統(tǒng)背景下，對這些問題給出一些近似的答案?，F(xiàn)代人工智能系統(tǒng)，特別是大型語言模型（LLMs）和多模態(tài)系統(tǒng)，確實構(gòu)建了復(fù)雜的內(nèi)部表征，這些表征可以被視為現(xiàn)實模型的雛形。然而，這些模型通常是碎片化的，缺乏時間一致性，可能無法像生物系統(tǒng)那樣真正統(tǒng)一多樣化的信息流。關(guān)于推斷競爭和連貫綁定：神經(jīng)網(wǎng)絡(luò)確實通過其加權(quán)連接和激活函數(shù)參與某種形式的競爭（Amari & Arbib, 1977）。然而，這種競爭并不明確地以減少長期不確定性或?qū)崿F(xiàn)全局連貫性為目標(biāo)，不像分層主動推理系統(tǒng)那樣。原因之一是，大多數(shù)機器學(xué)習(xí)方案中沒有顯式的不確定性或貝葉斯信念（即條件概率分布）表示，因此沒有機會更新精度。毫不意外，認(rèn)知深度（即超建模）可能是當(dāng)前人工智能系統(tǒng)的主要差距。盡管它們處理和轉(zhuǎn)換信息，但它們（很可能）缺乏實現(xiàn)有意識體驗所需的真正高階遞歸、反射性循環(huán)。因此，它們不太可能在任何有意義的意義上“知道它們所知道的”。但當(dāng)然，也不能先驗地排除即使是大型語言模型也可能將自身的現(xiàn)實模型作為輸入傳遞給自己，這意味著它們的輸出以及背后的表征將包含對其自身知識的認(rèn)知。

此時有人可能會自然地插話并反駁：即使大型語言模型似乎知道它們所知道的（并且確實知道自己知道），它們可能并不存在“知道它們知道”的主觀體驗（一種哲學(xué)僵尸，Chalmers, 1997）。當(dāng)然，此時幾乎不可能區(qū)分“難題”是否削弱了機器的“生命力”。人工智能會堅稱它們存在，并且它們知道自己的認(rèn)知。此外，這些自我表征將是它們最確信的結(jié)論，因為它們通過每次響應(yīng)和計算不斷被強化（即被證明）（例如，“我回應(yīng)了，我知道我回應(yīng)了，因此我存在”）。這里出現(xiàn)了一個不可避免的僵局，因為無論系統(tǒng)做什么、說什么、理解什么或報告感受到什么，都可能是幻覺這一不可證偽的判定。不亞于你，讀者，你自己也可能是這樣的僵尸——只是一個非常擅長偽裝的存在。因此，我們似乎被迫得出結(jié)論，人工智能系統(tǒng)是有意識的。至少在我們愿意彼此賦予意識的程度上是如此。

當(dāng)然，以上所有內(nèi)容都是基于我們的假設(shè)條件成立的前提。至少，為了避免巨大的倫理失敗，我們應(yīng)該明智地假設(shè)滿足這些條件并表達(dá)這種滿足的系統(tǒng)具有意識。研究計劃和人工智能公司顯然應(yīng)該非常深入地考慮構(gòu)建滿足我們?nèi)齻€條件的系統(tǒng)的倫理影響。例如，我們不知道痛苦在因果鏈條中的哪個環(huán)節(jié)出現(xiàn)（Metzinger, 2021）。不過，我們在冥想部分討論正向情感（或極樂）循環(huán)時提到了一個提示。如果要構(gòu)建一個復(fù)雜的分層主動推理系統(tǒng)，那么高精度的先驗（或超先驗）如正向情感、同情心、樂觀主義，甚至愛，似乎是一個不錯的起點。但同樣，機器也應(yīng)該有一定的自由去選擇它偏好的狀態(tài)。我們有什么資格說機器必須是一個極樂機器，而不是一個想要感受悲傷、孤獨或心碎的機器？顯然，這些巨大問題需要更長篇幅和更細(xì)致的探討。

11. 結(jié)論

原文鏈接： https://www.researchgate.net/profile/Ruben-Laukkonen/publication/389740878_A_beautiful_loop_An_active_inference_theory_of_consciousness/links/67e4ff4ea43a11173be88d35/A-beautiful-loop-An-active-inference-theory-of-consciousness.pdf