為了理解“自我”，科學家決定先在機器人里造一個

作者

Tony J Prescott

謝菲爾德大學認知機器人學教授

心理學家、計算神經科學家、計算機科學家和機器人學家。他尤其感興趣的是心智的運作方式，以及當我們制造人工智能和機器人等事物時，它們是否也可能擁有心智，甚至在未來某一天擁有自我意識。他是《人工智能心理學》（The Psychology of Artificial Intelligence，2024年）一書的作者，并擔任皇家學會期刊《哲學匯刊》（Philosophical Transactions）即將出版的一期關于“自我意識”主題刊的首席編輯。

無論我在思考什么，我總能在某種程度上意識到“我自己”，意識到我的個人存在。與此同時，正是“我”在進行這種覺察；因此，我的整個自我，可以說是一種雙重存在，一部分是被認知的客體，另一部分是認知的主體。為了簡便起見，我們可以將這兩個必不可少的側面分別稱為“Me”（賓我/客我）和“I”（主我/主體）。

——William James，《心理學：簡短課程》（1894年）

何為自我？

人類境況的一個顯著特征，是我們意識到自己是與世界相分離的。盡管肉體日新月異，我們仍感覺自己在某種意義上是日復一日的同一個人；我們也意識到周圍的他人同樣是獨立的自我。但我們依然不清楚，我們究竟是什么。

正如William James在一個多世紀前指出的，自我的雙重性正是其神秘感的核心所在。自我作為一種極不尋常的存在，它既是感知者，又是被感知的內容。此刻，我能感覺到我的手指在敲擊鍵盤，能看到屏幕上浮現的文字，如果我愿意，我也可以將視線聚焦在鼻梁上的眼鏡框，看著它隨我的頭部晃動。

有趣的是，“我的”這個詞不僅指代身體部位，也指代我穿戴的物品、我的思想或行為。盡管皮膚是自我與非自我的重要邊界，但自我遠不止物理身體——它更是一套關于“我是誰、我是什么”的觀念集合。

隨著能夠以第一人稱流暢對話的生成式人工智能的出現，人們開始發問：這類AI是否有一天會擁有自我意識？甚至，它們是否已經具備了？（OpenAI的GPT-5或許令人安心地表示它沒有。）這個問題之所以難以回答，很大程度上是因為我們對人類自我的本質依然缺乏清晰的理解。

然而，通過哲學、心理學和神經科學的探索，我們正在取得進展。其中，我和其他研究者正在探索一種“生成式方案”——即嘗試在機器人中創造或合成一種自我意識。

基于我們目前的認知，我認為人類自我意識的一個基礎在于：我們擁有物理身體，我們的體驗源于“具身的我”與“非我”之間的根本性區分。如果這是正確的，那么一個沒有身體的AI，永遠無法擁有與我們相似的自我意識。但對于那些擁有物理軀體、棲息于我們物理世界的機器人，即使它們的身體構造與我們大不相同，他們或許也可能具有自我意識。

解構自我：從哲學到神經科學

要理解構建“合成自我（synthetic selves）”的動機，我們首先需要審視哲學家和科學家如何探究人類自我的本質。

自我意識的部分謎題在于，自我的感覺體驗位于一個中心，在雙眼之后的頭部空間。盡管人們直覺上將這里視為“自我”的所在，但這其實是一個無用的觀念。正如哲學家丹尼爾·丹尼特在《意識解釋》（1991年）中指出的，這會陷入“內在感知者無限回歸”的悖論。

事實上，當代哲學家和神經科學家已基本達成共識：在我們的大腦中，并不存在一個局部的、不變的內在“自我”。但這并不意味著我們應該拋棄“自我”概念，將其視為幻覺或純粹的社會建構。相反，我們需要一個更好的解釋。

如果自我不是一個局部的內在感知者，那它是什么？我們又如何調和James所說的“既是感知者又是被感知者”的兩面性？

一種方法是“解構自我”。我們可以問：有哪些心理現象與自我有關？它們依賴于哪些特定的大腦區域或網絡？通過這種方式，人類自我可以被拆分、理解，再從各個部分重建。

首先，值得注意的是，神經科門診中部分患者被發現存在身體所有權感知的紊亂，即他們將某只手或肢體視為不屬于自己。通常，這類患者被證實右側大腦特定區域（顳葉與頂葉皮層交界處附近）受到了損傷[1]。與此同時，精神分裂癥患者可能表現出"能動性"（agency）障礙，即他們的思想或行為被體驗為受他人控制[2]。當前理論[3]指向那些能夠預測自身行動所產生感覺結果的腦網絡，并提示這些網絡在上述患者中發生了改變。

島葉皮層是大腦中最古老的皮層區域之一，深度參與內感受（即處理來自身體內部的信號），該區域受損可能導致個體與自我產生情感上的疏離感，并與人格解體或現實解體等自我相關障礙密切相關[4]。其他形式的腦損傷，例如累及顳葉和額葉皮層，則可能影響個體對"自我在時間中持續存在"的體驗[5]，或削弱從他人視角看待世界的能力[6]。

嬰兒、動物與“最小自我”

解構自我的另一種方法是追問：這些現象如何在童年早期出現？

盡管我們不能直接詢問嬰兒，但發展心理學家找出了在新生兒中檢測自我意識的方法[7]。發展心理學的研究表明，我們出生時就具備基本的“自我/他者”區分能力，能分辨什么是、什么不是自己的身體。我們也會迅速理解“能動感”——即某件事是由“我”引起的[8]。然而，作為時間中持久存在的自我這一體驗，則出現的更晚一些[9]，正如我們理解他人也擁有“自我”的能力一樣[10]。直到四、五歲時，兒童的自我感知才開始接近成人的形態。

在自我意識出現的過程中，語言和文化的習得對于塑造我們成年后的自我體驗至關重要。事實上，從概念層面來看，我們成熟的自我感部分源于從記憶中抽象出的、或從他人那里獲得的關于自身的觀念和信念。這種關于自我的“敘事”[11]，正是人類身份認同通常所依賴的基礎；同時，它也體現在我們為自己和他人講述的“我是誰”這個故事之中。

鑒于嬰兒期存在更簡單的自我體驗，哲學家丹尼特和Shaun Gallagher等人提出了“最小自我”（Minimal Self）的概念[12]。它僅包含與身體所有權和能動感相關的體驗，沒有包含在時間中持久存在的自我意識，也沒有自我反思能力。

神經科學家Jaak Panksepp和神經病學家Antonio Damasio分別指出[13]，這種最小自我源于大腦皮層下區域的活動。這些區域在新生兒期最早成熟，在進化中變化較小，因此在其他脊椎動物中也存在。換句話說，其他有脊椎的動物很可能也擁有（至少）一種最小的自我意識。

為什么這種“最小自我”會在動物祖先中進化？因為它通過組織體驗，促進了生存[14]。首先，最小自我將保護對象區分開來，將與身體相關的感官信號分離出來，動物能更好地區分哪些部分需要保護，僅僅考慮一個具有重要意義的影響，這避免了饑餓的動物試圖吃掉自己。其次是自我意識能讓動物區分因果，識別感官信號是否源于自身行為，動物從而能夠區分自己導致的事件與周圍發生的事件。例如，電魚能分辨電場擾動是源于自己擺尾，還是獵物游動，從而區分進食機會與常規游泳。

這種對感官世界的劃分——建立自我/他者區分無疑是具有具身智能的物體在生命演化取得成功的重要起點。

根據這一觀點，構建于我們最小自我之上而涌現出的完整人類自我，是源于我們自身的“有限性”。更具體地說，我認為人類的自我感之所以呈現出現在的形態，很大程度上是因為我們像其他動物一樣，被身體的表面在物理上封閉，而我們的神經和感官系統則被封裝在我們的軀體與顱骨之內。在人類身上，正是這種最小自我，賦予了我們擁有自身軀體和主宰自身行為的原初體驗。

?2022年4月27日在意大利熱那亞理工學院拍攝的iCub機器人。圖源：Marco Bertorello/AFP

在機器人中構建自我

為了進一步探討，我們需要明確“自我”是什么。

丹尼特在1989年發表的《自我的起源》一文中指出，最基礎的“自我”是一種“傾向于區分、控制并維系世界某些部分的組織形式”。盡管自我是通過身體和大腦中的物理過程實現的，但這種對自我的定義，使自我成為一種虛擬實體。沿著哲學家Thomas Metzinger在2003年著作《無我》（Being No One）中的思路，我們也可以將人類的自我描述為一種“心智模型”，即一種虛擬結構，它捕捉、組織并操控與具身化的“我”相關的感知、記憶、情感和事實。這種“自我模型”由一組大腦網絡集群具體實現，并與其它身體過程緊密整合；它在清醒時活躍，而在深度睡眠或全身麻醉狀態下則處于不活躍狀態。

正如之前所述，自我的構建涉及多種大腦基質，其中一些發育較早，另一些則部分重疊。這些不同的網絡相互作用并整合，從而提供連貫的自我體驗。這可經由進化生物學和心理科學來幫助我們理解。此外，由于不同的神經心理學狀況[15]，也可能出現多種形式的自我解體，而對神經多樣性（neurodiversity）的研究有助于闡明這些現象。

然而，我認為探索我所謂的“合成方法”[16]，將同樣幫助我們理解自我感，也就是說，通過嘗試構建一個自我來理解它。自我是一種虛擬的心智模型這一假說，天然契合這種策略。

合成方法可以幫助我們解決困擾著哲學家和神經科學家的各種問題。盡管自我本身并非物理實體，但要構建一種可能與我們自身相似的自我意識，我認為，至少我們需要一個擁有人工身體、能直接感知世界并能采取行動的人工系統。換句話說，我們需要一個機器人。

區分“自我”與“非我”

讓我們從區分“我”與“非我”的挑戰開始談起，這是構建最小自我的核心能力，依賴于對身體和世界的雙重感知。如今，大多數機器人都具備感知自身硬件的內部傳感系統。其中最常見的是探測身體部位和關節的位置，并測量驅動它們的電機速度。這類似于人類的內部感官能力，即本體感覺（proprioception）。

一些機器人表面還裝有觸覺傳感器，提供了一種人造皮膚，使它們能夠直接感知在自身邊界處與外界的接觸。而配備有遠端傳感器（如攝像頭和麥克風）的機器人，則至少在字面意義上立即擁有了一個“視角”。也就是說，它們在任何時刻都占據著世界中的某個特定位置和姿態，這定義并限制了它們所能感知的內容。當機器人占據那個位置時，其他任何人或事物都無法同時占據。

這些感官能力若配合適當的處理機制，便能使機器人開始理解自身的具身性，這是構建“自我/他者”區分的第一步。事實上，許多實驗室已經探索了機器人如何僅通過生成隨機運動（即所謂的“運動牙牙學語”，motor babbling）來構建自身形態（身體形狀和結構）模型[17]。例如，機器人專家Josh Bongard及其同事曾利用受生物進化啟發的遺傳算法[18]，讓一個星形機器人學習其腿部的構型，隨后該機器人便能自主發現前進的移動方式。其他一些配備有關節臂和手形夾具的機器人，則利用神經網絡學習算法發現了自身手臂和手部的構型[19]，并將這些知識應用于執行抓取物體等任務。

?圖例：一款新研發的機器人站在“水面”旁，其倒影呈現出一個色彩斑斕的塊狀圖形。通過構想并利用這種簡單的自我模型，該設備能比普通機器人更輕松地適應損傷。? Bongard 等人，Viktor Zykov（Lipson 實驗室）攝

嬰兒在學會進行更有目的性的伸手動作之前，無論是在子宮內還是作為新生兒時期，都會進行“運動牙牙學語”。在出生前，嬰兒會利用觸覺發現，觸摸自己與觸摸非我的體驗是不同的。具體來說，觸摸自己會在手指和身體上同時產生一種“雙重觸感”。由于在子宮內的這種體驗，新生兒已經能夠對自我和非自我做出一些基本區分。例如，當臉頰被觸碰時會做出朝向反應，但如果接觸是由自己的手造成時則不會[20]。作為一種區分自我與他者的手段，“雙重觸感”也已在人形機器人中得到探索，以幫助機器人理解其具身性的范圍和界限[21]。

除了觸覺，人類和機器人還可以通過視覺和聽覺等感官來學習區分自我與他人。例如，嬰幼兒通常會花大量時間觀察自己的雙手[22]。在我的實驗室中，我們對一個模擬機器人進行了一系列尚未發表的實驗，結果表明：當注意力集中在運動中的手和手臂上時，機器人便能學會從視覺上區分自我與他者。具體而言，內部的本體感覺信號與因自身運動導致的攝像頭圖像流變化之間的相關性，使機器人能夠將其視覺世界分割為與自我相關的部分（即運動的身體部位）和其余的一切（即外部世界）。

自我感知中的適應性與能動性

在人類的自我中，感官信息也構成了其變化適應力的基礎。如今一個經典的例證[23]便是“橡膠手錯覺”（RHI），它充分展示了人腦對感官信息的靈活性。在典型的實驗中，當人們看到一只假手被刷子拂過，同時自己的手（被遮擋住）也受到同步刷拂時，便會感覺那只假手屬于自己。

受此啟發，認知機器人專家Yuxuan Zhao及其同事將一個簡化的橡膠手模型整合到了人形機器人iCub的控制系統中[24]。該模型模擬了人類身體表征及橡膠手錯覺所涉及的部分皮層網絡。隨后，他們利用“運動牙牙學語”的方式訓練機器人構建出自己手部的表征。

接下來，研究人員對機器人實施了一種變體的橡膠手錯覺實驗，這種實驗此前已在人類和猴子身上被廣泛使用。結果發現，機器人的行為表現以及部分模型神經元放電率的變化，都與生物實驗中的觀察結果相吻合。這些結果表明，機器人調整了其內部的身體模型，將新引入的手納入了對自身的感知中，從而驗證了大腦是如何實從底層構建出身體所有權的。

?圖例：一款模擬機器人正在觀察自身手部的運動，以此作為學習了解自己身體的一種方式。圖片由作者提供

構建合成自我還有助于我們理解“能動性”這一概念，這也是最小化自我的另一個關鍵特征。關于能動性的一種著名理論被稱為“比較器模型”（comparator model），該理論認為大腦會預測自我發起行為所帶來的感官結果。例如，當你走路時，你的大腦會預測到自己腳步聲的出現，因此你會感覺這些聲音是由自己產生的。相反，如果你在靜止站立時聽到了腳步聲，那么這些感官事件就會被體驗為外部原因所致。負責進行此類預測并將其與實際感覺匹配的大腦系統若出現失衡，或許就能解釋精神分裂癥患者身上出現的某些能動性障礙——他們有時會感覺自己的行為或思想是由他人所主導的。

為了驗證能動性理論，在我們對一臺進行“運動牙牙學語”的機器人研究中，我們在其自我模型中增加了一層，使機器人能夠預測視覺信號在不久的將來會如何演變。認知機器人專家Pablo Lanillos及其同事則更進一步。在他們的研究中[25]，一個人形機器人利用一種基于比較器模型的預測學習算法，成功區分了自己在鏡中的倒影與另一臺相同機器人的倒影。

之所以能實現自我識別，是因為基于機器人內部的運動信號，其自身鏡像的動作是可預測的，而另一臺機器人的動作則無法預測。有趣的是，為了實現這一功能，這些研究人員不得不實現比較器理論預測核心功能之外的部分，這證明了機器人在評估關于自我的理論構想是否充分上所具備的價值。

我所描述的這些研究通常集中于某一種行為能力或基準，當面對超出范圍的挑戰時，這些系統可預見地會失敗。然而，如果我們把這些不同的身體映射和感知方式整合起來，就有可能構建出一種接近哲學家和科學家所描述的“最小化自我”的存在。這將有助于我們更好地理解人類嬰兒甚至其他動物的自我體驗。

從“最小自我”到“成人自我”

但對于我們大多數讀者更為熟悉的成人自我意識呢？同樣，通過將自我分解為各個組成部分，我們開始能夠看清每一個子系統是如何被構建并最終組合在一起的。

有一個現象讓我尤為著迷，那就是我們構想自身在時間中持續存在的能力，即我們體驗到昨天、今天和明天的自己是同一個人。心理學家如Endel Tulving曾提出[26]，自我的這一特質建立在我們的情景記憶能力（對特定事件的記憶）以及人類在心理上“穿越時間”回到過去或想象未來的能力之上。

腦成像研究[27]表明，這兩者都依賴于涉及海馬體中的神經網絡，而海馬體正是人類前腦中發育較為緩慢的組成部分之一。發展心理學的研究顯示，盡管大約兩歲左右的幼兒已對過去和未來有了一些初步理解，但接近成人的、線性的、可度量的時間觀（時鐘與日歷），要到學齡期才涌現[28]。這種將自我體驗為一個持續存在的實體的感覺，很可能伴隨著兒童對時間本這一觀念更廣泛理解的形成而產生。

與人類不同，機器人天生具備時鐘和日歷，并能存儲所發生的每一件事；但要擁有類似人類那種持續存在的自我感，還需要更多條件。例如，記憶在某種程度上是一個“提取”問題：你如何回憶起那些與當下或未來特別相關的信息？在我的實驗室以及多個其他研究團隊的工作中，已開始利用人工智能的生成模型[29]，嘗試為機器人構建類似于人類情景記憶的功能。這些模型不像計算機直接調取存儲記錄那樣運作，而是像人類記憶一樣，能夠根據部分線索主動重構過去的事件，快速提取理解當前情境所需的信息。同樣的系統若以不同方式加以引導，還可以構建出可能的未來場景。若將這些能力與一個最小化的自我模型相連接，就有可能構建出一種能夠回顧自身過去、并設想未來的機器人自我。

機器人還可以幫助我們探索成人自我意識的另一個方面——即感知“我”與“你”的不同。你和我都具有邊界，這意味著我們無法直接共享彼此的經驗，盡管我們可以見證彼此的體驗，甚至基于自身的經驗去想象它。來自人類發育過程的研究證據表明，這些能力是相對緩慢地逐步獲得的。事實上，直到三到四歲時，我們才開始能夠從他人的視角來思考世界。

雖然我們天生就傾向于與社會中的他人（尤其是直系親屬）建立聯系，但要真正理解他們作為“另一個自我”的存在，則依賴于我們在嬰兒期和童年時期逐步構建起來的多種能力基礎。這些能力包括通過模仿進行學習，以及與他人實現共同注意（joint attention），而這兩者在機器人學領域也已得到了廣泛研究。

在心理學中，理解他人視角的能力通常通過“心智理論”（theory of mind）相關任務進行研究，如今這些任務也已被用作機器人模型的評估基準[30]。大腦中用于表征自身身體的部分區域，在思考他人行為時也會被激活，這種機制有時被稱為“鏡像神經元系統”[31]。機器人專家Yiannis Demiris及其同事已證明，一個人形機器人可以在協作任務（例如玩游戲）中，將其自身簡化的類人形態模型（類似于火柴人圖形）映射到人類同伴身上[32]。這種能力有助于機器人更好地理解人類伙伴的行為，并可支持模仿學習等其他功能的發展[33]。

人類自我模型的一個關鍵特征在于，它能夠整合并統合上述所有自我的不同層面。這一過程是如何發生的呢？與自我相關的眾多神經系統由我們稱之為“認知架構”（cognitive architecture）的機制協調運作——即大腦的宏觀功能組織結構。對人類而言，這種架構至今仍知之甚少[34]。在人工智能領域，我們目前能夠復制人類大腦中的許多單獨能力，但將這些能力整合為統一、可靠且能實時運行的合成系統，仍然是一個巨大的挑戰。

解開這一架構的鑰匙，或許在于其“分層”的特性[35]。正如前文所述，在自我的多個領域中，核心能力由出生時即已存在的腦系統支持；這些基礎系統隨后為發育較慢的大腦皮層構建更復雜的自我表征提供了“腳手架”。

另一種理解大腦中分層控制的方式是將其視為一種具有“層級結構”的預測模型[36]。在這一結構中，更高層級的模型試圖預測它們將從下一層級接收到的輸入，并接收反饋信號以不斷優化自身的預測能力。在層級的底部，是低層次的感知系統，它們接收來自身體和外部世界的感覺信號；而在頂端，則是那些從特定感官模式以及現實互動瞬息萬變的具體情境中抽象出來的高級認知構念。正是在這里，我們可以期待發現一組穩定的觀念，它們構成了自我中更為概念化和穩定的方面。

自我概念的另一個重要來源是文化和語言。一旦我們學會說話，便開始接受來自文化或“常識性”觀念中對“自我”的理解，尤其是關于“我是什么樣的人”的認知。自我感知的另一個來源則是自傳體記憶。盡管從大約兩歲起，我們就具備了回憶過去具體場景的能力，但將這些記憶組織成關于自我的故事，通常要到四到五歲時才能做到[37]。到了這個年齡，我們一般已較好地掌握了語言，并已深深融入了文化中關于自我的思維方式，包括通過講故事的形式，據此我們開始構建屬于自己的人生敘事。

計算機科學家Peter Dominey及其同事研究[38]了機器人如何為自身經歷的社會互動生成描述。他們的機器人并非被直接賦予抽象語法規則，而是通過將詞匯和語法結構與自身的感官體驗（如位置、運動或接觸）相連接來學習語言，這一過程模仿了兒童的語言學習。最終生成的敘述不僅總結了機器人的經歷并使其可被傳達，同時也塑造了機器人用來理解事件的內部表征方式，這正如自然語言塑造了我們人類對世界的體驗一樣。

?研究人員與iCub robot互動。圖源：SPECS lab/Paul Verschure，https://www.youtube.com/watch?v=dv38Q_ZNNoY

至此，我希望我已經說服你相信：我們可以通過合成自我，即使用機器人進行建模，以深入理解人類自我的各個方面。然而，我確信仍會有一些讀者持懷疑態度。尤其是，盡管機器人似乎有可能達到某些與自我相關的外在行為標準，但（可以說）這一過程或許完全不涉及任何真正的機器人主觀體驗。我們是否只是在模擬William James所說的“作為客體的我”（me），而完全遺漏了作為主體的“我”（I）？更廣泛地說，這種分析方式是否忽略了人類自我經驗本質中某些至關重要的東西？

難題：主觀體驗與“我”

神經科學家Anil Seth確實持這種觀點[39]。在Seth引用Thomas Nagel的說法指出，人類甚至動物之所以存在“某種作為其自身的感覺”（something that it is like），依賴于我們生物本性中的某些特質，而這些特質是無法在人工裝置中被復制的。Seth指出了許多生物系統所具備但機器人并不擁有的特征。他的清單涵蓋了從不同描述和組織層級的現象，包括線粒體中的電磁作用（細胞內的能量系統）、神經計算的生化基礎，到新陳代謝、自創生性（autopoiesis，即生物系統具有自我維持的能力），以及生存斗爭等。生物意義上的自我當然擁有所有這些特性，而機器人則沒有。然而，這些特性與我們主觀的自我體驗之間的因果聯系尚不明確。

另一種思考“經驗”的方式或許可以避免這種生物基礎主義的壁壘。心理學家J Kevin O’Regan在其著作《為什么紅色聽起來不像鈴聲》中提出，經驗的根源不僅存在于大腦之中，更存在于身體與大腦和環境之間的互動之中。構成我們體驗的各種感受，實際上對應著我們的行為所引發的獨特“感覺-運動偶聯”（sensorimotor contingencies）[40]。例如，一個柔軟物體（如海綿）的觸感，就體現在我們用手指擠壓它時發生的“壓扁”動作之中。按照這一標準，任何能夠通過具身方式與世界互動、并產生感覺-運動偶聯的實體——當然包括配備了適當傳感器、執行器等裝置的機器人都可能擁有某種形式的經驗。

然而，基于感覺-運動偶聯（sensorimotor contingencies）的經驗，去解釋自我感知的產生，確實排除了某些人造實體擁有主觀性的可能，比如當下的大型語言模型這類離身的生成式AI。這些模型極其擅長使用主觀語言，誘使人們誤以為它們擁有體驗。

但正如認知機器人專家Murray Shanahan及其同事所指出的，更準確的理解是：大模型實際上是在“扮演”主觀體驗，其能力來源于對訓練數據中人類語言輸出的模仿與再利用。這一批評同樣適用于目前大多數社交機器人，它們越來越多地依賴大模型進行社交互動，而這種互動往往遠超其對場景和自我的理解能力。實際上，這些機器人距離真正擁有自我意識，可能并不比一個智能音箱更近。

這便引出了一個棘手的問題：我們如何才能判斷另一個實體是否具有主觀經驗？對此，Seth認為，即使像“能否經歷錯覺”這樣更復雜的科學測試標準也可能不足為憑（別忘了，如前所述，已有機器人表現出對橡膠手錯覺的易感性）。

我不禁想起電影《銀翼殺手》，其中主角Rick Deckard的任務是通過“沃伊特-坎普夫測試”（Voight-Kampff test）來區分人造人（復制人）與自然人類。這項測試通過提出能激發情感的問題，并觀察行為上的細微變化，包括臉紅、瞳孔擴張等生理反應來進行判斷。當然，沃伊特-坎普夫測試是虛構的；而且人類自我的多樣性如此之高，即便這樣的測試真實存在，我們也未必人人都能通過。

暫且擱置關于主觀經驗這一難題不談，我相信，通過機器人技術實現的“合成方法”在幫助我們理解人類自我意識方面仍極具價值。通過整合心理學、神經科學與計算研究，我們得以逐步構建一種關于“自我”的理論：即自我是一種虛擬結構。它最初表現為一種對邊界的感知，隨后發展為對自身能動性的意識，進而形成初步的“自我/他者”區分。在此基礎上，隨著情景記憶和心理時間旅行能力的發展，個體逐漸獲得對時間中持續存在的自我之覺知。而更進一步的反思能力——即將這個有邊界、持續存在且具有體驗的實體，視為一個擁有過往歷史、喜好與厭惡等具體特征的“特定人物”則出現得更晚，并在你與他人分享關于自我的想法和感受的過程中最終成型。

盡管LLMs可能沒有自我，但它們如此流暢地使用自指語言的能力確實表明：除了在語言中構建的區分之外，感知者與被感知者之間可能并沒有截然分明的界限。在某種意義上，像 LLMs一樣，我們也是熟練的角色扮演者，在構建、維護并表演著一個關于我們自己的觀念。然而，與離身的AI不同，我們最終能夠將這些概念和敘事層面的自我，深深錨定在我們與身體、與世界那無中介且糾纏不清的互動之中。

譯后記

該文的行文是通過機器人中創建自我認知，來反向了解人類自我認知是如何產生，有何特征的。這樣的“合成方法”，避免了讓問題陷入難以實證的空談，而是一步步的將自我像剝洋蔥一樣拆解開來，從而讓讀者明白自我感知的層級結構。文中對大模型和主觀體驗的看法，可在另一篇追問文中找到詳細闡述：沒有一副身體，為何AI永遠無法擁有意識。

今年春晚的亮點是機器人，但筆者總覺得缺了點什么。它們似乎難以走下那個精心編排的舞臺，邁入真實世界的工廠或家庭。翻譯完該文，我發覺當前大多數機器人缺失的，正是文中反復提及的最小自我，更不用說更進一步的成人自我了。

我們希望機器人能夠自主學習，對新環境快速適應，這需要機器人在新環境下區分自身，固定外部環境及可變外部環境（其它機器人或者與之合作的人）。這或許不需要機器人具備人類的心智模型，但若是連最基本的、對自身物理邊界和能動性的表征都無法構建，所謂的自適應將變得很困難。

https://aeon.co/essays/why-the-best-way-to-understand-the-self-is-to-build-a-robot-one

1 https://link.springer.com/article/10.1007/s00221-008-1562-y

2 https://www.sciencedirect.com/science/article/pii/S0149763424002501

3 https://www.sciencedirect.com/science/article/abs/pii/S1053810008000354?via%3Dihub

4 https://www.sciencedirect.com/science/article/abs/pii/S0925492701001196?via%3Dihub

5 https://psycnet.apa.org/doiLanding?doi=10.1037%2Fh0080017

6 https://psychiatryonline.org/doi/10.1176/jnp.23.1.jnp74

7 https://www.sciencedirect.com/science/article/abs/pii/S0163638301000558?via%3Dihub

8 https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2019.00414/full

9 https://royalsocietypublishing.org/rstb/article/379/1913/20230415/109631/Synthesizing-the-temporal-self-robotic-models-of

10 https://www.jstor.org/stable/1132444

11 https://academic.oup.com/edited-volume/38581/chapter-abstract/334606560?redirectedFrom=fulltext

12 https://www.cell.com/trends/cognitive-sciences/abstract/S1364-6613(99)01417-5

13 https://www.ingentaconnect.com/content/imp/jcs/1998/00000005/f0020005/895

14 https://www.pdcnet.org/cogito/content/cogito_1989_0003_0003_0163_0173

15 https://global.oup.com/academic/product/altered-egos-9780195152425

16 https://link.springer.com/chapter/10.1007/978-3-319-97550-4_7

17 https://www.fujipress.jp/jrm/rb/robot003300051063/

18 https://www.science.org/doi/10.1126/science.1133687

19 https://www.tandfonline.com/doi/full/10.1080/01691864.2017.1383939

20 https://onlinelibrary.wiley.com/doi/10.1002/(SICI)1099-0917(199709/12)6:3/4%3C105::AID-EDP150%3E3.0.CO;2-U

21 https://ieeexplore.ieee.org/document/6907178

22 https://www.jstor.org/stable/1126701?origin=crossref

23 https://www.nature.com/articles/35784

24 https://www.cell.com/patterns/fulltext/S2666-3899(23)00289-1

25 https://ebooks.iospress.nl/publication/55167

26 https://psycnet.apa.org/doiLanding?doi=10.1037%2Fh0080017

27 https://www.cell.com/neuron/comments/S0896-6273(12)00991-9

28 https://psycnet.apa.org/record/2001-06248-011

29 https://royalsocietypublishing.org/rstb/article/374/1771/20180025/23678/Memory-and-mental-time-travel-in-humans-and-social

30 https://link.springer.com/article/10.1023/A:1013298507114

31 https://www.cell.com/trends/cognitive-sciences/fulltext/S1364-6613(00)01500-X

32 https://ieeexplore.ieee.org/document/5509429

33 https://ieeexplore.ieee.org/document/8039505

34 https://www.science.org/doi/10.1126/scirobotics.adg6014

35 https://royalsocietypublishing.org/doi/10.1098/rstb.2020.0519

36 https://link.springer.com/article/10.3758/s13415-019-00721-3

37 https://www.annualreviews.org/content/journals/10.1146/annurev.psych.121208.131702

38 https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2017.01331/full

39 https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/conscious-artificial-intelligence-and-biological-naturalism/C9912A5BE9D806012E3C8B3AF612E39A

40 https://pubmed.ncbi.nlm.nih.gov/12239892/

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、、科普視頻媒體「大圓鏡」等。