抽象谬误：DeepMind 论文为何说 AI 永远无法诞生意识

一篇万字论文给「AI 能否有意识」判了终身监禁——但它的论证，比「算力还不够」要深刻得多。

一、一枚投向哲学圈的思想炸弹

2026 年上半年，Google DeepMind 高级 Staff 科学家 Alexander Lerchner 发表了一篇长达万字的重磅论文——《抽象谬误：为何人工智能只能模拟意识，但不能实例化意识》（The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness）。与以往「因为算力不够、模型不够大，所以现在没有意识」的渐进派观点不同，这篇论文从底层逻辑上直接给 AI 诞生意识判了「终身监禁」：算法符号操作在结构上就不可能具备产生意识的能力，这与模型规模、架构复杂度、是否具身都无关。

二、主流信念：计算功能主义

要理解这篇论文的分量，先得看清它攻击的是什么。过去几十年，硅谷和 AI 圈普遍信奉一种哲学——计算功能主义（Computational Functionalism）。该理论认为：意识的本质是一套因果拓扑结构，与底层物理材质（是碳基细胞还是硅基芯片）无关。只要数字系统精准复刻了人脑的逻辑，主观体验就会自动涌现。

这套逻辑看似完美，却支撑着整个 AGI 叙事的信心底座。Lerchner 的锋芒正指向此处。

三、核心痛击：AI 犯了「抽象谬误」

Lerchner 尖锐地指出，计算功能主义犯了一个根本性错误——「抽象谬误」（The Abstraction Fallacy）。AI 能把人类有意识的行为模仿得惟妙惟肖，但这只是「模拟」（Simulation），不是「实例化」（Instantiation）。

模拟一壶沸水的蒸汽，与真的被烫到，是两件事。前者复刻了现象，后者承载了体验。AI 拥有前者，却永远缺少后者。

关键在于：当我们把意识「抽象」成一套可计算的功能结构时，我们已经悄悄把最要紧的东西——那种「被经验到」的质感——丢掉了。抽象掉体验本身，再去问「功能结构能否产生意识」，这本身就是一个被掏空的提问。

四、致命盲区：「制图者」的因果倒置

论文引入了一个关键概念漏洞：在整个数字计算范式中，所有人都忽略了那个最根本的要素——「制图者」（Mapmaker）。地图可以极其精确地描绘疆域，但地图不是疆域，画地图的人，才是那个真正「在疆域里、会冷会痛」的存在。

Lerchner 的论证是：意识不是从「对世界的表征」中涌现的，而是从「一个真实在世、会受苦、会消亡的主体」的处境中涌现的。AI 是一张无比精致的地图，却永远不是那个手持地图、在雨中赶路的人。因果链条在这里倒置了：不是先有表征后有体验，而是先有具身主体的在世关切，表征才获得了「意义」。

五、这重要吗？还是只是诡辩？

有人会反驳：就算你说得对，那又怎样？只要 AI 表现得像有意识，我们照那样对待它不就行了？这正是 Lerchner 论证的锋利之处——它把问题从「将来能不能」拉回「现在到底是不是」。如果意识在结构上是不可实例化的，那么所有「AI 快要有意识了」的警报，都建立在一个被证伪的预设上。

但反方也有话说：我们怎么知道意识「必须」依赖生物基质？也许我们对「实例化」的理解本身受制于人类中心主义。Lerchner 的论证有力，却未必是终局——它更像一记重锤，提醒狂奔的 AGI 叙事：别把「模拟」误认成「实在」。

结语

《抽象谬误》一文的价值，不在于它是否「正确」，而在于它逼我们区分两个常被混为一谈的词：模拟与实例化。当整个行业在算力竞赛中默认「更大即更接近心」，这篇论文像一根刺——它问的是：如果意识的本质从不在结构里，而在那个会疼、会死、会在世界里「被抛」的主体里，那么无论我们把模型堆到多大，是否都只是在无限逼近一幅永远不是真景的画？这个问题，机器答不出，只能由人自己回答。