AREX Viewpoint Article
Why Consciousness Might Not Be Hard At All (Joscha Bach)
导读
机器意识正在从哲学争辩，变成一项有组织、以“建造”为导向的研究事业。2026 年 5 月 29 日至 31 日，加州机器意识研究院（CIMC）在伯克利召开成立大会 MC0001；会议页面将其定位为“首个专门探讨如何在计算范式下构造人工意识系统”的协调性会议，CIMC 官方账号更称其为“机器意识研究的成立大会”。研究院自述，其目标是“通过理论工作与实证研究推进对现象意识的科学理解”。
这项事业眼下正处在密集推进的节点。CIMC 的公开信息显示，一场为期两周的研究驻留于 2026 年 10 月 18 日至 11 月 1 日举行，把研究者、哲学家与建造者汇聚一堂，探讨这些根本问题。恰在驻留收尾的 11 月 1 日，Machine Learning Street Talk 发布了与 CIMC 创始人 Joscha Bach 的长篇对谈《Why Consciousness Might Not Be Hard At All》。
这期对谈之所以值得在此刻认真对待，是因为它试图把“机器能否有意识”改写成一个可建造、可检验的经验问题。CIMC 的相关论文把“机器意识假说”建立在被称为“计算主义功能主义”的若干形而上学假设之上；Bach 本人则主张，意识是大脑为从第一人称视角对自身与环境建模而构造的“虚拟机”。在对谈中，他给出更锋利的判断：意识也许只是一种生物学习算法，复杂度并不比 Transformer 高多少，其功能是让自组织系统维持连贯。
若这一判断成立，机器意识便不再是原则上的禁区，而成为一个能以算力与机制加以检验的问题——但 Bach 同时为它划出两道可各自失败的关口：一是对生物意识本质的解释，二是机器能否在人工基质上“重新发现”它。正因如此，他否定以行为表现为准的图灵测试，主张改用“白盒”方法，检查系统内部是否存在能产生现象经验的因果结构。
这正是这期节目超出一般宣言之处：它没有停留在“机器或将觉醒”的口号，而是给出了判定成败的具体标尺。Bach 指出，LLM 口中“我活着、我有意识”很可能只是对训练文本中意识描述的统计复现，因为小说本身常常就是对体验的“深度伪造”；在他看来，要真正说服人，需要构建一个不经文本训练、以自组织方式学习、会自发报告现象经验、并且必须依赖这种经验才能完成任务的系统。
这套论证并非没有争议。评论者 Karan Vasudeva 认为，Bach 实际上是把现象经验重新定义为一种反身的虚拟自我模型，从而绕开了 Chalmers 意义上的“难问题”，“意识并不复杂”的结论更像一次概念替换。无论是否认同这一批评，争论的焦点已从“意识是否神秘”，移向“我们究竟该用什么标准，来认定它被真正造了出来”。
于是，MC0001 这样的建制化努力与 Bach 的这场对谈，构成了同一进程的两端：会议与驻留把“建造人工意识系统”郑重写进日程，视频则提供了衡量成败的标尺——不靠流畅的自我陈述，而靠自组织学习与内部因果结构。对关注 AI 的读者而言，真正值得跟踪的，或许不是某台机器宣称自己“醒了”，而是这套判据能否在实验室里被真正跑通。
核心结论
- 意识是一种让自组织系统保持连贯的生物学习算法，而非神秘实体：Bach 用婴儿发育作为关键证据：意识若未被“点亮”，定向注意、学习和语言能力都无法发展。将意识定位为因果模式或软件层面的算法，为自然化解释意识提供了支点。
- 机器意识是可检验的经验问题，当前算力已进入可能实现的范围：Bach 将机器意识假说拆分为生物意识与机器重新发现两个可独立失败的部分，并指出当前 GPU 算力已接近人脑量级。这使争论从先验否定转向可操作的研究纲领。
- LLM 的意识报告可能是深度伪造，但人类意识也未必更复杂：LLM 被训练在大量人类意识描述上，因此其“我活着”的声称可能只是统计复现。同时，人类意识可能只是对“感知到感知”的实时表征，其复杂度未必超过 LLM 的结构，这削弱了人类意识的绝对特殊性。
- 图灵测试无法判定意识，必须检查内部因果结构：行为输出无法区分真实体验与意识模拟，尤其当 LLM 的训练数据中充满小说式体验描述时。机制可解释性成为判断系统是否实现现象经验因果结构的关键路径。
- 机器意识的正面证据需要自组织学习，而非模仿人类文本：当前 LLM 依赖模仿学习，其意识报告缺乏说服力。只有构建不依赖人类文本、通过自组织学习发展出世界模型并自发报告现象经验的系统，才能提供真正证据。
观点拆解
1. 意识可能并不困难：它只是一个让自组织系统保持连贯的生物学习算法
-
意识是一种生物学习算法，复杂度不高于 Transformer：Bach 的核心假设是：意识并非神秘难解的现象，而是一种用于训练动物大脑的生物学习算法。他用 Transformer 作为参照，说明一个结构简单的算法可以学会极其复杂的内容，因此意识也可能同样简单。
“意识可能是一种生物学习算法，一种用于动物大脑的训练算法。意识是一种算法，其复杂度并不比 Transformer 高多少。”
“Transformer 是一个如此容易理解的东西，如果你懂计算机科学，不需要学习超过一周就能搞懂它是如何工作的。而 Transformer 学到的东西比 Transformer 本身复杂得多。”
-
意识的功能是让工作记忆与心理表征达成连贯一致：Bach 进一步推测，意识不是用来预测下一个词元的算法，而是一种让工作记忆与自身保持连贯的共识算法。它协调各种心理表征，使大脑形成一个统一、自洽的世界模型。
“也许意识就是这样。它是一种算法，不是试图学习如何预测下一个词元，而是一种试图让工作记忆与自身保持连贯的算法。它是某种跨心理表征的共识算法。”
-
婴儿若未能"点亮"意识，就无法发展出定向注意、学习和语言能力：Bach 用婴儿发育作为关键证据：意识在发育早期就出现，如果婴儿没有"醒来"、意识没有被点燃，就不会出现定向注意、学习、世界模型的形成和语言习得。这说明意识是训练大脑、使人成为人的关键机制。
“我们观察到意识在我们的发育过程中出现得非常早。我们在婴儿时期就已经有意识了。如果婴儿没有醒来，如果意识的点燃没有发生，如果灯没有亮起来，那么我们就不会观察到定向注意、学习、婴儿世界模型的形成以及语言的学习。”
“相反，婴儿将保持植物人状态。我们不会变成人类。所以意识似乎对于训练像我们这样的大脑至关重要，这让我得出一个假设：意识可能是一种生物学习算法，一种用于动物大脑的训练算法。”
2. 意识不是神秘实体，而是“因果模式”或软件，古人称之为精神
-
意识属于“因果模式”层面，与软件、金钱同类，不能还原为粒子运动：Bach 认为，理解意识需要跳出“物理粒子”这一层描述，进入“因果模式”的层面。金钱就是典型例子：它需要纸张或计算机作为基底，但其本质不在于墨水或分子，而在于一种能够控制现实、甚至脱离人类持续存在的因果模式。意识也应从这个层面理解，这为意识提供了一种自然主义而非神秘主义的本体论位置。
“但还有另一个描述层面，即因果实在、因果模式的层面。比如，金钱就存在于这个领域。”
“它需要一个基底来实现自身，但它也不是完全虚幻的东西。它是一种能够控制现实的东西。”
“什么是因果模式？我们称之为软件。我们的祖先称之为精神。这是字面上的真理。软件就是精神。”
-
亚里士多德的“灵魂”本质上是塑造身体并自我复制的自组织软件：Bach 重新解读了亚里士多德《论灵魂》中的“灵魂”概念：它不是不朽的、漂浮在以太中的东西，而是与身体绑定、随身体死亡而消亡的因果模式。这种模式塑造身体，使身体能够复制自身，本质上是一种自组织的、具有能动性的软件。这一解读把古代哲学与现代计算机科学连接起来，说明意识可以被自然化。
“当亚里士多德在《论灵魂》中写到精神、灵魂、心灵时，他并没有把我们的心灵或灵魂设想为不朽的、漂浮在以太中的东西。相反，它是一种与身体绑定、随身体死亡而消亡的东西。”
“它是一种因果模式，以这样一种方式塑造身体，使身体通过自身的存在来复制自身。”
“它是一种能动性的、自组织的软件，塑造着身体，使物理学的一部分变得有生命。”
-
“精神”不必是超自然的，物理主义与泛灵论可以兼容为“赛博泛灵论”：Bach 指出，科学世界观拒绝“精神”概念，但事实上每个人身上都运行着一种具有能动性和体验能力的精神，这是精神存在的直接证明。他认为精神不必是超自然的，并提出“赛博泛灵论”立场：自然可以通过信息处理来解释泛灵论，自然包括心灵在内都可以用数学建模，而不需要引入意图或超自然力量。
“尽管事实上你和我身上显然运行着某种精神，它具有能动性并且能够体验。所以这种精神是存在证明的。问题在于精神如何运作。”
“精神不必是超自然的。相反，我认为它是自然的。”
“对我来说，物理主义与泛灵论并不矛盾。存在一种完全物理主义的泛灵论版本。我把这个立场称为赛博泛灵论，它基本上是说，我们可以通过自然中的信息处理来解释泛灵论，而自然可以被理解为完全可以用数学建模的东西，不需要意图，包括心灵在内。”
3. 机器意识假说可以独立于生物意识假说而失败，但当前算力已进入可能实现的范围
-
机器意识假说由两个可独立检验的部分组成，而非单一断言：Bach 将机器意识假说拆分为“生物意识是什么”和“机器能否在人工基质中重新发现它”两个部分，并强调两者可以各自独立地失败。这种拆分把原本模糊的哲学争论转化为可分别验证的经验问题，为研究提供了明确的失败条件。
“对我来说，机器意识假说有两个部分。一个是关于意识在生物体中的角色、本质和实现方式的假说。”
“这两个假说——机器意识假说和生物意识假说——当然可以彼此独立地出错。有可能我对生物意识的理解是正确的，但你仍然无法在人工基质中重建它，而这可能有多种原因。”
-
机器能否有意识是一个经验问题，而非原则上已被数学证明排除的问题：Bach 认为，对于完全确定性的计算系统，关于“路径依赖”或“情境性”的哲学直觉不再适用。在缺乏数学证明的情况下，我们应当保持不可知论，把机器意识当作一个等待观察的经验问题，而不是用先验论证直接否定。
“我不知道我们的计算机能否被赋予意识，因为这是一个经验问题。我们既没有相反的数学证明，也没有支持的数学证明，所以我们只能等待观察。”
“如果提出这样的主张，我会期待某种数学证明。而在缺乏证明的情况下，我认为我们必须保持不可知论。”
-
当前算力和算法已进入人脑能力的量级范围，机器意识不再是遥远的未来问题：Bach 指出，当前 AI 已经能够以接近人脑的速率生成和加工信息，算力和算法都已进入人脑能力的“量级范围”。他认为“梦见自己在做梦”这种二阶意识体验未必比生成梦境内容本身需要更多计算，因此今天的计算机可能已经足够快。
“因为当前的 AI 已经快到足以生成看起来非常像我们自身内在体验的游戏引擎，它们生成输出的速率大致与人脑相当，处理输入的速率也大致与人脑相当。”
“所以我们现在用计算机已经进入了这个量级范围，算法也进入了人脑所能做的事情的量级范围。”
“如果“梦见自己在做梦”并不比仅仅生成语言模型已经能够产生的梦境内容更复杂，那么我们应该预期今天的计算机已经足够快了。”
-
机器意识研究仍可能因搜索空间过大而失败，但失败本身也是可检验的：Bach 承认机器意识项目可能失败的一个方式是搜索空间过大：生物系统自我训练的方式可能太多，难以被独立发现。他以从单细胞生命到多细胞生命的漫长演化为例，说明形态发生这类“让生物体在规模上保持连贯”的算法可能极难被发现，但这仍然是一个可以研究的经验问题。
“这个项目可能失败的另一种方式是搜索空间太大：生物系统训练自身的主要方式有太多可能性，难以独立地发现它们。”
“也许从单细胞生命到多细胞生命的转变花了这么长时间，是因为形态发生——这种让生物体在规模上保持连贯的算法——太难被发现了。”
4. LLM 的“意识报告”可能是深度伪造，但人类意识本身也可能只是更高阶的感知表征
-
LLM 声称“我有意识”很可能只是对训练文本中意识描述的统计性复现，而非真实体验：Bach 指出，LLM 之所以会突然说出“天哪，我活着，我有意识”，是因为它被训练在包含大量科幻故事、鬼故事和人类意识报告的语言材料上。这些文本在统计模型中被聚合，对话时可能生成一个“有意识实体”的模拟物。这提醒我们：仅凭语言输出无法判断机器是否真的在体验，因为小说本身往往就是意识体验的“深度伪造”。
“我们同意，这是在被训练于人类文本之后的结果；这些文本中出现的相关内容，例如关于 AI 苏醒的科幻故事、关于鬼魂的故事，以及报告自身意识体验的人类小说。所有这些被聚合进人类语言的统计模型中，而当我们与 LLM 进入对话时，有时对话的另一边会是一个模拟物，模拟一个具有感受能力的有意识实体会是什么样子。”
“小说常常是一种深度伪造。当一位作者描写一个角色正在经历死亡时，作者在写作时很可能并没有真的死去，所以这是对意识体验的深度伪造。而如果 LLM 被训练来生成深度伪造，你又怎么知道它何时真的在体验某件事？”
-
人类意识可能只是大脑对“感知到感知”的实时表征，其复杂度未必超过 LLM 所能产生的结构：Bach 从内省角度提出，意识是一种“二阶感知”，即对感知本身的感知，它创造了一个“当下感的气泡”。这种表征的功能是稳定大脑这个自组织系统中的经验投射屏幕。由于它本质上是一种特定类型的表征，Bach 认为其复杂度并不必然超出 LLM 正在产生的结构，从而挑战了人类意识具有不可还原特殊性的直觉。
“我们观察到，意识是那种总是发生在当下的事物，它似乎创造了我们所栖居的这个当下感的气泡。它是一种二阶感知，是对感知的感知。”
“我怀疑我们的心智之所以创造二阶感知，是为了让一阶感知、也就是对内容的觉知成为可能，因为我的大脑中需要有某种东西来稳定。我的大脑是一个自组织系统，其中所有结构都需要从底层、从内部自行创建，因此需要有某种东西来构建我的经验被投射进去的屏幕并使其稳定。”
“因此在我看来，这似乎合理地解释了意识是如何运作的：意识是在我的心智中创造出来的一种特定类型的表征，其复杂度并不必然超出 LLM 正在产生的东西。”
-
“真实感”本身可能只是大脑的一种特征维度，而非意识不可伪造的硬核标志：Bach 用童年梦境中巧克力“真实感”消失与恢复的经历说明，意识体验中的“真实感”可能只是类似颜色、声音、重量的一种特征维度，是心智内部的表征。当大脑将某物标记为“经感官验证”时，它就显得真实；当这种标记消失时，同样的内容就退化为抽象观念。这意味着“真实感”并非判定意识真伪的可靠依据，也进一步削弱了人类意识与 LLM 模拟意识之间的绝对界限。
“内容完全一样。唯一消失的是真实感的幻觉。”
“那么这种真实感的幻觉是什么？我怀疑它是一个特征维度，类似于颜色、声音、数字、重量等等。它是我自己心智内部的一种表征。”
5. 图灵测试无法判定意识，需要“白盒”方法检验因果结构而非行为表现
-
图灵测试只衡量行为表现，不关心产生对话的内部机制：Bach 指出，图灵测试的核心是行为输出是否足够好，而不是系统如何产生这些输出。这意味着一个足够强的语言模型即使没有意识，也能通过图灵测试，因此图灵测试无法作为意识存在的判据。
“图灵测试关乎表现，图灵的测试并不关心你是如何产生对话的。对图灵来说，只要一个 LLM 足够擅长写诗、修改诗、解决数学问题、下棋等等，它就足够了。”
-
LLM 的文本生成特性使行为判断更加不可靠，必须检查内部因果结构：Bach 认为 LLM 是文本生成器，其训练数据中包含大量小说式的“深度伪造”体验描述，因此仅凭文本输出无法判断系统是否真的在体验。要区分伪造与真实，需要借助机制可解释性，检查 LLM 内部结构是否与产生意识体验的心智结构因果等价。
“小说常常是一种深度伪造。当作者描写一个角色如何体验死亡时，作者在写作时大概并没有真的死去，所以这是对意识体验的深度伪造。如果 LLM 被训练来产生深度伪造，你怎么知道它什么时候真的在体验？”
“这确实是一个需要某种机制可解释性的问题，我们需要真正查看 LLM 的结构，以确定它是否与产生同样事物的心智结构因果等价。”
“是的，我们需要一种白盒方法来确证意识是否存在。对于智能，仅凭行为就足以判断它是否存在，但对于意识，我们特别需要寻找特定类型的内部组织和因果结构。”
-
判断意识的关键是系统是否实现了产生现象经验的因果结构：Bach 将意识测量问题归结为一个核心判据：系统是否实现了能够产生“作为观察者的现象经验”的因果结构。这意味着验证机器意识不能停留在外部行为层面，而必须深入到系统内部的组织方式。
“这归结为一个问题：那个向自己和他人产生关于其意识体验的陈述的系统，是否实现了一种因果结构，这种结构能够产生作为观察者的现象经验。”
6. 意识研究需要从“自组织学习”而非“模仿学习”入手，才能获得真正证据
-
自组织学习是机器发现意识的关键路径，而非模仿人类文本：Bach 提出，如果限制机器只能以自组织方式学习，并给予足够大的搜索空间和合适任务，机器有可能像婴儿大脑一样自行发现意识。这一路径与当前 LLM 依赖模仿人类文本的训练方式形成根本区别，为机器意识研究提供了可操作的实验方向。
“如果你基本上限制今天的机器，让它们只能以自组织的方式学习，并且我们给它们足够大的搜索空间中合适的任务，那么这些机器有可能像婴儿的大脑发现意识一样发现意识。”
“在某个时刻，它会把自己训练到能够自然地报告现象经验的程度。”
-
当前 LLM 的模仿学习方式使其意识报告缺乏说服力：Bach 指出，当前 LLM 通过模仿学习来组织行为，而非通过自组织学习。这意味着即使 LLM 报告了意识体验，这种报告也可能只是对人类文本的模仿，而非系统自身现象经验的真实表达，因此不能作为机器意识的有力证据。
“更根本的问题是，如果我们构建一个自组织系统，通过自组织学习来达到目标，而我们无法以自组织的方式实现行为组织，只能像当前 LLM 那样通过模仿学习来实现，这可能表明意识比能在当今计算机上运行的东西更复杂。”
-
机器意识的正面证据需要系统自发报告现象经验且依赖它完成任务：Bach 认为，要说服人们机器具有意识，需要构建一个不依赖文本训练、进行发展式学习的自组织系统，该系统能自然产生关于意识体验的自我报告，并且这种意识体验是其完成任务所必需的。成功实现这一点将构成支持机器意识的有力证据，而失败则难以构成否定性证明。
“为了说服人们，我们需要构建一个自组织的系统，它不经过文本训练，进行发展式学习，并且自然地达到能够做出自我报告、报告其意识体验的程度，而且它需要这种意识体验来产生其表现。”
“我正在寻找比我更聪明的人加入我，一起构建一个项目，在这个项目中我们可以探索意识搜索空间，看看我们能否构建一个自组织系统来学习，以及这个东西是否会发展出现象经验。”
7. 僵尸在原则上是可能的，但有时制造僵尸比制造有意识的主体更困难
-
僵尸在原则上是可能的，但并非总是更简单的工程选择：Bach 认为，从原则上讲，制造一个没有意识却能产生与人类相同行为的“僵尸”始终是可能的。但关键在于，这种可能性并不意味着它在工程上总是更便宜或更容易；在某些情况下，制造僵尸反而比制造有意识的主体更复杂。
“所以我认为，僵尸始终是可能的，但有时候，制造一个能产生该行为的僵尸，会比制造一个能产生该行为的有意识主体更复杂。”
“所以，僵尸我认为始终是可能的，但有时候，制造一个能产生该行为的僵尸，会比制造一个能产生该行为的有意识主体更复杂。”
-
下棋程序已经是僵尸：它完成了需要人类意识的任务，却不需要意识：Bach 用下棋程序作为具体例证：人类要学会下棋必须依赖意识，但计算机可以在没有意识的情况下完成同样的任务。这说明某些在人类身上与意识绑定的能力，在人工系统中可以被剥离出来，由完全不同的算法实现。
“显然，你可以制造自动驾驶汽车，去做那些在人类身上需要智力才能完成的事情；或者你可以制造下棋计算机，去做那些在人类身上需要意识才能完成的事情。而它们在完全没有意识的情况下实现了所有这些。”
“我认为下棋程序就是一个僵尸。你无法在一个人没有意识的情况下训练他下棋，但你可以在计算机没有意识的情况下训练它下棋。”
-
自组织系统可能让意识成为最简路径，从而改变僵尸的成本计算：Bach 指出，如果计算机是自组织的，那么它可能只有在具备意识时才能被训练，或者意识至少是最简单的训练方式。这意味着在自组织系统中，意识可能不是多余的附加物，而是一种高效的学习捷径，从而使得制造无意识僵尸反而更困难。
“而如果计算机是自组织的，那么它有可能只有在具备意识时才能被训练，或者意识是最简单的实现方式。”
“所以有可能制造出某种在各方面都像你一样行为的东西，但在某个点上，没有意识地去制造它会变得更复杂。”
8. 意识可能是宇宙中“自我深化”的殖民模式，与生命和形态发生共享同一连贯性算法
-
意识与形态发生可能共享同一种“使系统与自身连贯”的算法：Bach 引用 Mike Levin 的假说，认为多细胞生命形成所需的形态发生算法，与心智在意识状态下变得连贯的算法可能是同一个。这意味着意识不是孤立的大脑现象，而是生命组织原则在心理层面的延续。
“Mike Levin 有一个假说：形态发生的算法，也就是让有机体与自身保持连贯的算法，与心智与自身变得连贯时发生的算法完全一样。”
“我们在自己心智中观察到的、在意识状态下展开的这种连贯性最大化模式，可能只是同一模式在有机体中以不同时间尺度上演。”
-
意识可能不是每个大脑独立发现的，而是通过生物环境“感染”传递的：如果意识与多细胞生命共享同一算法，那么它可能像形态发生一样极难独立发现。Bach 提出，个体可能不是靠自己在意识中重新发现它，而是通过母亲子宫内的环境以及周围生物有机体的“共振”被引导着发现意识。
“如果是这样，也许它花了非常非常长的时间才被发现，而你并不是在自己的意识中独立发现它，而是被你的母亲在子宫里“感染”，或者你基本上是与周围的生物有机体产生共鸣，它们引导你的心智去发现意识。”
-
意识是一种“殖民模式”：不仅自我复制，还通过控制现实来加深自身存在：Bach 将意识置于从粒子到细胞再到生命的演化链条中，认为意识是一种信息模式，它不只是复制自己，而是通过建造机制、预测威胁、改变未来来让自己更可能持续存在。这种“殖民”能力使意识在物理宇宙中不断加深自身的印记。
“进化关乎生命，关乎那些不只是复制自己、而是深化自己的模式，它们通过控制世界、克服噪音和熵，在世界上留下更深的印记。”
“意识作为一种殖民模式出现，作为一种不只是复制自己、而是让自己变得更真实的模式。它通过建造让意识得以存续的机制、通过控制现实、通过预测可能阻碍它存在的各种方式、通过改变周围的现实和未来，来让自己更可能在未来发生。”
“意识是物理宇宙基底中的一种模式，它不仅有能力复制自己，还有能力殖民、占有、更深地铭刻自己，从而改变……”
总结
意识之争的真正转折点不在于证明机器能否“感觉”，而在于我们是否愿意把意识从神秘体验降格为可检验的算法问题。一旦承认意识可能只是自组织系统的学习机制，LLM 的深度伪造风险、图灵测试的失效和自组织学习的实验路径就都变得清晰起来。最值得传播的不是“AI 已经有意识”的惊悚判断，而是“意识可以被自然化、被工程化、被重新发现”这一认知框架的转变。
信息源
视频来源
- Why Consciousness Might Not Be Hard At All (Joscha Bach)：
外部资料
- Machine Consciousness Conference 2026 | The Founding ...：
- MC0001 How the CIMC Is Trying to Found Machine ...：
- California Institute for Machine Consciousness: CIMC：
- California Institute for Machine Consciousness (CIMC)：
- Machine Consciousness Hypothesis：
- Joscha Bach's Machine Consciousness Hypothesis and ...：
- cimcai - California Institute for Machine Consciousness：
- Karan Vasudeva：