全文共2317字，預計學習時長6分鐘
我曾為否定意識而失去了一些朋友。大多數正常人強烈堅持意識是真實且特殊的存在，並且被他們所擁有。但我認為，人們不僅沒有證據證明它，而且人們所說的意識也可以解釋為一種效果，不比「高山流水」的物理現象更特殊。
我不打算深入探討非分離的形上學，意識在一個層面上是主客體分離的整體性錯覺的一個方面，本身就是虛幻的。如果已經意識到這一點，那你只會在心裡點頭；如果沒有，那你永遠也不可能被說服。這篇文章中，我將儘可能地在邏輯的範疇內保持「科學」的態度。
作為一名不僅在人工智慧領域工作、還接受過心理訓練的工程師，我不僅著迷於理解意識，也著迷於「人工」創造這一想法。當它最終出現時，我懷疑我們可能會承認機器意識或多或少地比我們人類表現得更為人工。
我不需要一路追溯到阿米巴變形蟲的話題，也不需要強調這些單細胞機器的簡單智能。我可以從類似蛞蝓的東西入手，說明帶有面部識別軟體的Facebook更智能，儘管有些人會認為這樣不道德。
蛞蝓可以像其他生物一樣，遠離危險，向食物移動，而Facebook的機器智能可以識別並標記數十億張臉。「鼻涕蟲」的明顯目標是生存下去，Facebook也是如此；這兩個實體都利用智能為這個目標服務。
即使Facebook的智能由人類智能協調構成，但它顯然是比蛞蝓更複雜、更精密的有機體系。據推測，Facebook的機器面部識別遠比蛞蝓的探測觸角更有能力區分周圍環境的細微差別。
但如果了解它的工作原理，沒有人會認真地認為這個面部識別軟體是有意識的。從邏輯上講，它只是一個盒子，能以驚人的準確性告訴你，你輸入的圖像是誰。從根本上來說，它和鎖沒有什麼不同：如果你插入一把形狀大致正確的鑰匙，鎖就會打開。
那麼，為什麼人類一邊說自己有意識，一邊又否認Facebook的面部識別算法有意識呢？我們之所以有意識，是因為我們不僅有區分事物的能力，還有識別第一種能力存在的能力。我可以說，我正在看電腦屏幕，確實有我們通常所說的體驗，這會被解釋為獨立的東西(虛幻的我)從身體內部的某個地方目擊視覺刺激。
與其直接下結論說肉體有靈魂或者「我是」這種獨立的感覺，某種程度上是特殊，值得用神奇的「意識」概念來形容而不是用Occam剃刀原理（即「如無必要，勿增實體」）。鑑於機器智能方面的進展，我可以簡單地推測，我們所謂的意識只是另一個稍微複雜一點的機制的枯燥輸出。
我們可以從任何一個不太智能的系統開始，然後給它添加一種可以監視和檢測明顯智能行為的機制。該機制可以注意到整體系統似乎有自主性，就像比較簡單的子系統可以識別一張特定的臉一樣。在擁有了某種程度的複雜性和自我參照能力後，系統必然會宣稱「我是」，並希望「你也是」。
「但它只是一臺機器!」、「它並沒有真正的意識。它沒有權利，我們當然不能讓它投票。」我們可能會說它甚至不像動物那樣有「知覺」。
把這些機械化的奴隸從生產線上拿下來，然後問:「你有主觀體驗嗎?」這是意識的必要條件。「當然有！」機器人會解釋說，一滴油從它光滑的外表流下來。
我們還可以把話題轉到這種啟示帶來的政治附帶問題上。最高法院的法官們可能最終會對機器是否「有意識」以及它是否因此擁有權利做出判決。但在理解「意識」是什麼或者它是如何產生的方面，我們沒有任何進展。「機器人只是在說它有主觀體驗，」只是一個論點，但其實「它並沒有真正的主觀體驗。
同樣的論點也適用於人類。有看、有動、有說，所有這些物理性和信息性行為，都是一種內在的體驗。但如果仔細研究，就會發現這一切都是在沒有目擊者的情況下發生的(並不是真正的內在或外在)。
目擊者是推斷出來的。有一個毋庸置疑的，假定證人，一個假定的主體，使一切看起來像物體。Occam剃刀原理會要求主觀性的假設，見證自我的假設，而不是被假定為輸出另一個模式的識別機制。機械生物沒有理由不犯許多人類會犯的自我推斷的錯誤。
我非常期待，當我們創造出越來越複雜的機器智能時，將不可避免地創造出其他的決定論系統，它們將幻化出分離、自我、自由意志、選擇、意義和命運。它們會宣稱自己有主觀體驗，而且沒有邏輯上的理由相信他們沒有主觀體驗。
這些機器會有「意識」嗎？不會比人類的意識更多，也不比任何機制的意識更多，不管它是否足夠複雜，是否可以錯誤地模式化識別主觀立場。
我們會一直爭論，「意識」是否存在以及「意識」可能是什麼，就像我們對其他不可證偽的猜想一樣。我們永遠無法證明意識不存在，就像我們永遠無法證明聖誕老人不存在一樣。
人工智慧領域的挑戰包括開發系統，這些系統可以在一個應用程式中重新利用從一個應用程式中獲得的學習，並且能夠以無監督的方式學習，從而最佳地創建自己的訓練數據。這將使這些系統進入最佳、自我導向的學習狀態。
我猜測，在這些領域取得成功的核心將是抽象思維、自我反思和內省的能力。如果這些能力被非熟練地應用於人類，就會帶來我們所說的意識。然而，當人們有效地運用這些能力時，我們就進入了一種高效卻忘我的狀態，我們稱之為「流」。
留言點讚關注
我們一起分享AI學習與發展的乾貨
如轉載，請後臺留言，遵守轉載規範