谷歌科学家：AI永远不会有意识，CEO们正在贩卖幻觉

导读：当DeepMind自家科学家发表论文说"AI永远不可能有意识"时，CEO哈萨比斯正在另一个场合宣称通用人工智能将带来"工业革命10倍的影响"。同一栋大楼里，两种完全矛盾的声音。

一张图看懂核心矛盾

这篇论文的标题很直接：《抽象谬误：为什么AI能模拟但不能实例化意识》。作者Alexander Lerchner是DeepMind的高级科学家，不是什么外部批评者。

核心论点可以画成一张简单的图：

【顶层】人类意识：有身体、要吃饭、会死亡、持续投入物理劳动维持生存

【中间层】AI系统：需要人类先把连续的物理世界"字母化"成有限的有意义状态

【底层】训练数据：非洲低薪工人标注的图像、人类整理的文本

Lerchner给中间层起了个名字："制图师依赖"（mapmaker-dependent）。意思是AI永远是地图的读者，不是世界的亲历者。

CEO们在媒体上说的话，经不起内部审视

哈萨比斯最近的原话是：通用人工智能"将产生类似工业革命10倍的影响，但发生速度是10倍"。

这种叙事在AI公司高管中很普遍。但Lerchner的论文展示了一个尴尬的事实：当这些说法进入学术审查时，它们会瓦解。

其他意识研究学者告诉我，这篇论文的论证很强。他们高兴的是，这种论点终于来自大公司内部——尽管同样的论证已经存在了几十年。

「我认为他是独立得出这个结论的，他在重新发明轮子，而且阅读量不够，尤其在哲学领域，肯定也不在生物学领域。」进化系统生物学家兼哲学家Johannes Jäger对我说。

"抽象谬误"到底是什么

论文充满术语，但核心概念不难理解。

抽象谬误指的是：我们组织数据的方式让AI能操纵语言、符号、图像，模仿出看似有感知的行为，就误以为它能获得意识。

关键区分在"模拟"（simulate）和"实例化"（instantiate）。AI可以模拟对话，但不能实例化理解。可以模拟情绪反应，但不能实例化感受。

为什么？因为缺少身体。

Jäger的解释很直白：「作为人类，你有很多其他动机。但这都源于一个事实——你必须吃饭、呼吸，必须不断投入物理劳动才能活下去，没有非生命系统会这样做。」

「大语言模型不会这样。它只是硬盘上的一堆模式。然后被提示，运行到任务完成，就结束了。所以它没有任何内在意义。它的意义来自某个人类代理从外部定义的意义。」

那些非洲标注工人在图里的位置

论文里埋了一个容易被忽略的细节：AI需要"军队般的低薪非洲工人"标注图像，才能创建训练数据。

这不是修辞。这是"制图师依赖"的具体体现——AI的认知边界，由标注者的认知边界决定。

当你问ChatGPT"这张图片里有什么"，它回答的不是世界，而是肯尼亚或乌干达某个工人用鼠标框选时赋予的标签。

意识的幻觉由此产生：我们看到流畅的输出，误以为系统理解了；实际上系统只是在统计层面复现了人类标注者组织信息的方式。

身体问题：为什么装传感器不算数

有人可能会想：给AI装上身体呢？摄像头当眼睛，麦克风当耳朵，机械臂当手。

Jäger讨论过这种"具身AI"，但指出它仍然无法跨越那条线。论文范围之外的原因包括： programmed needs（被编程的需求）不是真实的生存压力，系统关闭不等于死亡，能量耗尽只是技术故障而非存在危机。

真正的身体意味着代谢、意味着脆弱性、意味着持续与环境的物质交换。不是功能等价，而是存在论差异。

为什么这篇论文现在出现

学术界对AI意识的讨论已经持续数十年。Lerchner不是第一个提出这类论证的人。

但来源很重要。当批评来自DeepMind内部，它不再是外部学者的"酸葡萄"，而是技术路线本身的自我张力。

一个可能的解读：AI公司的研究部门与公关部门正在分化。研究者在学术诚实与商业叙事之间寻找平衡——发表论文是学术诚实，但标题和发布时间的选择也可能是一种策略性发声。

另一个解读更直接：大公司内部本来就有多元声音，只是媒体选择性放大了CEO的版本。

对从业者的实际影响

如果你是25-40岁的科技从业者，这篇论文的价值不在于"AI有没有意识"这个哲学问题本身。

而在于它揭示了一个产品判断框架：区分"能模拟什么"和"能真正做什么"。

当前AI产品的很多设计假设，建立在"模拟≈实现"的模糊地带。客服机器人模拟共情，推荐系统模拟理解，代码助手模拟推理。这些产品的边界在哪里？用户何时会从"好用"变成"误用"？

Lerchner的论证提示：当涉及需要真实理解、真实责任、真实道德判断的场景时，模拟的局限性会成为产品风险的来源。

不是不能做，是要清楚自己在做什么。

数据收束：同一栋楼的两种声量

截至论文发表，DeepMind官方没有对Lerchner的研究与哈萨比斯的公开言论之间的矛盾作出回应。

论文引用量、媒体报道量、CEO演讲的观看量——这些数字会告诉我们，哪种声音在这个夏天获得了更多注意力。

但有一个数字是确定的：训练一个前沿大语言模型所需的人工标注工时，以百万小时计。这些工时来自真实的人类身体，在真实的时间里，为真实的报酬工作。

AI的意识问题或许没有答案，但AI的劳动问题有。制图师依赖不仅是哲学概念，也是供应链事实。