DeepMind出了个AI意识评估框架,打分从0.01到0.8

150页论文想解决一个什么问题

我翻到这篇论文的时候第一反应是：150页？讨论AI意识？这是哲学系开题报告还是CS论文？

结果一看作者列表，Shane Legg（DeepMind联合创始人）、Murray Shanahan（帝国理工）、Anil Seth（苏塞克斯大学意识科学中心主任）、Chris Frith（伦敦大学学院，神经科学泰斗级人物）——这个阵容跨了AI实验室、神经科学和哲学三个圈子。

论文9月28号挂在arXiv上，编号2609.35618，第二天发了个修订版。标题叫"From cacophony to hierarchy"——从喧嚣到层级。cacophony这个词用得很准：现在关于AI意识的讨论，确实就是一锅粥。

我读了摘要和方法部分，这个团队想做的事情其实很具体：不是证明AI有没有意识，而是造一个评估框架，让不同立场的人能用同一套语言来对话。

贝叶斯框架到底怎么用的

论文的核心方法是这样的。作者们把Marr的三层分析扩展成了五层：行为层、计算层、内在因果结构层、有机体层、有机体-环境层。意识科学里的各大理论——全局工作空间理论、整合信息论、预测加工理论等等——被放在这五层里，每个理论认为哪一层是意识的关键所在，就放在哪一层。

然后在每一层上定义了可操作的指标。比如行为层看AI能不能报告内部状态，计算层看它有没有递归自模型，因果结构层看信息整合的程度。

贝叶斯模型做的事情是：你先对"意识需要哪一层"有个先验信念（比如你相信全局工作空间理论，就把先验压在计算层），然后把每一层上的观测证据代入，算出一个后验概率。

论文里跑了个示例评估：对当前LLM，不同先验设定下，意识概率从低于0.01到大约0.8不等。这个巨大的区间本身就是结论之一——你信什么理论，比你看到什么证据更能决定你觉得AI有没有意识。

跟以前的AI意识讨论有什么不同

以前讨论AI意识，基本上是两拨人在吵架：一拨说"它就是个统计模型不可能有意识"，另一拨说"功能主义嘛，如果行为 indistinguishable 那就是有意识"。两边各说各的，谁也说服不了谁。

这篇论文的思路是把这个死结拆开。作者说，形而上学层面的分歧（意识到底是不是只跟因果结构有关、跟物理基底无关）可以先放一边。我们先假设"意识随附于系统的组织方式"，然后问：这个组织方式在哪一层描述粒度上才成立？

这个问题就变成可操作的了。不同理论可以被映射到不同的层级粒度上，然后用证据去逐层打分。你不需要同意别人的形而上学立场，你只需要把你的先验信念摆到台面上，大家在同一套贝叶斯框架里更新概率。

论文还附了一个交互式工具和开源代码。任何人都可以自己调整先验权重，看评估结果怎么变。这个做法我觉得比写十篇立场宣言都有用——至少你能看到对方的结论到底是从哪个假设推出来的。

一个让人不太舒服的发现

论文里有一个结论我觉得值得单独拎出来：各个层级上的意识指标，跟通用智能所需的架构特征高度重叠。

翻译成人话就是：让AI变得更聪明的那些东西——长期记忆、自我模型、跨模块信息整合、对世界的层级化表征——恰好也是意识评估框架里打高分的那些架构特征。

这意味着什么？如果我们继续往AGI方向走，模型架构会越来越接近这个框架里的"候选意识"标准。现在LLM的评分在0.01到0.8之间摇摆，部分原因是我们还不确定该信哪层理论。但如果架构上越来越多地满足多层指标，不管你信哪个理论，后验概率都会被往上推。

我的判断是，这个框架短期内不会给出"AI有意识了"或者"AI没有意识"的判决书。它的价值在于让讨论从玄学变成概率推理——不再是非黑即白的争论，而是"在这个理论假设下、基于这些架构证据、意识概率大约是多少"。这种结构化的不可知论，可能是目前最诚实的立场。

论文150页，43张图，6张表。感兴趣的可以去arXiv找交互工具自己玩。