摘要：追问快读：AI常陷入“无限循环”困境——程序会无休止重复相同步骤，却始终无法抵达终点；但反观有意识的生物，从不会出现这类无限重复的行为。二者为何存在这般差异？神经科学家阿尼尔・塞斯（Anil Seth）给出了关键解答：生命体的核心优势在于“扎根于时间与熵”，而

追问快读： AI常陷入“无限循环”困境——程序会无休止重复相同步骤，却始终无法抵达终点；但反观有意识的生物，从不会出现这类无限重复的行为。二者为何存在这般差异？神经科学家阿尼尔・塞斯（Anil Seth）给出了关键解答： 生命体的核心优势在于“扎根于时间与熵”，而这种与时间、熵的深度绑定，或许正是意识得以存在的重要根基。

▷ 阿尼尔·塞斯（Anil Seth）神经科学家、作家和公共演说家，20多年来致力于对大脑意识基础的前沿研究。他著有《意识机器：成为你自己》（ Being You: A New Science of Consciousness ）一书。

我们的航班准时降落在马德里巴拉哈斯机场，下机却出现了延误。原来，这里的登机桥由一套新的人工智能系统操控——本无需人工介入，直到这次出了状况。透过舷窗，我看到AI操控的登机廊桥反复靠近飞机，在清晨的空气中微微晃动，接着又退回原位，一遍又一遍，彻底陷入了无限循环。最终，一名工作人员赶来解决了问题：他一眼就找出了症结，很快便完成了修复。

人类不会陷入无休止重复同一行为的困境，但AI却偶尔如此 ——无论是在停机坪上陷入停滞，还是在自动呼叫中心的“炼狱”里打转。这些例子看似只是AI的简单智能故障，但在我看来，它们揭示了更深层的问题：这是一种根本性局限。即便未来出现最先进的AI，也可能永远摆脱不了陷入无限循环的风险——AI既无法察觉自身正处于困境，也无法自主从中脱身。

试想一套更智能的登机廊桥系统：它能监控自身运行状态，察觉自身何时出现晃动故障。借助这套涵盖环境与自身行为的内部模型，它能做到如今自动登机桥做不到的事。但即便如此，这套系统归根结底也会出故障。于是，你为它添加另一层更高阶的反馈循环——也就是“模型中的模型”，专门监控其自身的监控过程。要是这层监控也失灵了呢？那就再添一层。以此类推，每增加一个递归层级，系统就能获得某种程度的智能提升，同时也提升了稳定性。

但问题在于，故障永远难以根除——哪怕是在这种层层嵌套的自我监控系统中，仍可能出现差错。除非能构建出无限层级的递归自我检查机制，否则系统终会陷入无限循环，始终无法满足停止条件，最终导致整个系统崩溃。

近一个世纪以来，计算机科学家一直在努力攻克这一难题。1936年，艾伦・图灵（Alan Turing）证明了一个重要结论： 没有任何算法能始终判定在给定输入下是会终止运行还是无限循环下去。

举个例子：假设你在编写指令让机器人执行任务。有些程序很简单，机器人完成任务，算法就终止。但另一些程序更复杂，包含循环和条件判断，比如“一直移动，直到看到红色物体为止”。如果机器人始终没看到红色物体，或者程序逻辑存在缺陷，它可能就会无休止地执行指令。而无论你的代码多么先进，都可能无法预测它最终是否会停止。

图灵的见解较为抽象，约翰・麦卡锡（John McCarthy）与帕特里克・J・海耶斯（Patrick J. Hayes）于1969年提出“框架问题”则更具体地揭示了算法的局限。 框架问题的核心直指，要教会机器只基于相关信息做出明智决策，而不要逐一考虑所有无关细节，是极其困难的。 但由于特定场景中的无关信息可能无穷无尽，机器很难判断该忽略哪些内容，这就为另一种无限循环埋下了隐患。

对这些问题的思考在智能（无论是自然智能还是人工智能）研究中具有里程碑意义，但随着社群中深度神经网络和生成式模型的兴起，它们在很大程度上已逐渐被淡忘。但这并不意味着这些问题已经消失。正如马德里登机廊桥的例子所揭示的，技术落地时依然充满各种可能的陷阱。AI系统之所以可能永远难以摆脱陷入无限循环的风险，并非因为它们缺乏处理能力，而是因为这些系统与我们具身的生物大脑之间存在更深层的差异。

这种差异始于计算机与大脑对时间的不同感知方式，最终体现在日常的意识奇迹之中。

“智能”与“意识”是两个不同的概念——尽管一些科技巨头错误地认为，智能的不断提升必然会催生意识。简而言之，智能关乎“行动”，而意识关乎“存在”或“感受”。但至少在人类和其他动物身上，二者仍有关联。我的假设是： 某些形式的智能——尤其是在开放世界中彻底摆脱无限循环阴影所必需的智能——依赖于意识心智所具备的能力，而这种意识深深植根于时间的流动之中。

植根于时间与熵之中

虽然叠加自我监控层级或许足以让登机廊桥正常运转，但人类处理复杂性的方式并非如此。像你我这样有生命、有意识的生物，即便在远比机场更难预测的环境中，无需依赖那些越来越复杂的循环机制，也能生存甚至发展。

事实上，人类心智纵然奇妙，却并不擅长处理递归问题。大多数人最多能应对三个层级的递归，即“知道自己知道自己知道”，例如，我有时能确信自己有能力判断自己的对错。如此看来，我们在开放世界中展现出的出色适应能力，必然基于某种“其他机制”。

这种“其他机制”会是什么？一种可能是我们的心智、大脑，以及有意识的体验，以一种算法无法设计出的实现方式，深深植根于时间与熵之中。

我们人类作为动物，与其他活着的生物一样，需要不断抵御由热力学第二定律所决定的向衰退与无序滑落的趋势。该定律指出，孤立系统的熵只会增加（或保持不变），而熵正是衡量系统混乱度或随机性的物理量。一滴墨水会在一杯水中扩散开来，且永远无法重新聚集；一枚破碎的鸡蛋，也绝不会自行恢复完整。物理学家阿瑟・爱丁顿（Arthur Eddington）曾指出，这一定律不容置喙，“若你的理论被证明违背了热力学第二定律，那我只能说你毫无希望；除了彻底崩塌、颜面尽失，你别无出路。”

热力学第二定律成立的关键点在于，它仅适用于孤立系统，比如密封保温杯，这类系统与周围环境之间不存在能量交换。而在开放系统中，系统与环境之间可进行能量交换，因此熵的降低成为可能。 生命系统正是开放系统的典型范例——从环境中获取能量，将自身维持在“存活”这一统计学上极具特殊性的状态。

这一过程以多种方式、在不同层面展开。我们体内的细胞通过新陈代谢的能量流动，持续重建自身存活所需的条件。神经科学领域的一些重要理论（尤其是自由能原理）认为，神经环路不断运作，以最大限度地降低感觉输入带来的意外性（即减少其信息熵），并借此过程，对身体的生理状态予以预测性调控。

有意识的体验，同样直接体现了这种维持生存的根本驱动力。每一次有意识的体验都会整合大量与生存相关的信息，有意无意地引导我们的行为。而且，可以说所有这些体验，都包含一丝情感“效价”，这些或多或少的积极或消极感受，潜移默化地推动我们做出特定行为。正如我在《意识机器：成为你自己》一书中所写的：

我们感知周遭世界，也感知身处其中的自己，这一切都依赖于我们鲜活的身体。

这些多尺度过程深度交织，且均与时间紧密关联，区别仅在于其关联方式各不相同。代谢过程在生化时间中展开，人体每个细胞每秒可发生十亿次生化反应。神经的时间则相对缓慢，但同样受神经生物学的调控：既有髓鞘动作电位的疾速传递，也有神经递质的缓慢扩散。而在意识流中，时间的流逝是连续、不可抗拒且复杂的——它不仅包含时序更迭，还涵盖了流动感、持续性与存续感。

无论是身体、大脑还是心智中的时间，都是丰富、动态且多维度的，并且在从生化层面到个人身份认同层面的各个层级中，相互深度依存。我们的整个存在方式，都不可避免地植根于物理时间之中；而物理时间本身，在众多物理学家看来，又根植于热力学第二定律。

AI的贪得无厌

人类大脑与计算机之间的分野，既泾渭分明，又发人深省。对数字计算机而言，时间是扁平、一维的，并且全然脱离了其热力学箭头。计算的核心就是状态的跃迁：从A到B，从0到1。在图灵提出的经典计算模型中，只有序列至关重要，其物质基础的内在动态过程则无关紧要。任何算法，不过是一连串接踵而至的状态而已。算法中两个步骤（比如从A到B）之间的间隔，可能是一微秒，也可能是一百万年，但这并不影响算法本身的性质，计算过程也始终保持一致。

这种对时间的漠视代价高昂。计算固然可以脱离时间（如图灵对计算的形式化定义），但计算机自身却不能。如今AI的惊天能量缺口，很大程度上源于纠错需求，必须始终确保1是1、0是0——因为就算是死寂的硅沙，也无法逃脱熵的卷须。 假装时间不存在，其实是一门昂贵的交易。

之所以算法会陷入无限循环，而智能动物却几乎不会，我认为关键原因正是如此。算法被困在序列空间中，原则上不受熵的拉扯；因此总会出现一些无法预见的意外——计算还未完成，时间就已终结（更有可能的情况是，能量耗竭）。

与计算机不同，我们是身处时间之中的生命—— 既是具身的，又植根于环境，并与时间同行 （embodied, embedded, and entimed）。我们永远不会陷入无限循环，因为我们的存在从未脱离时间。对人类这样的生命体而言，在时间压力的驱动下，那股不断消解统计意外并维持生理存活的内在动力，既是一道终极相关性过滤器，也是我们几乎总能找到出路的关键所在。

我之所以说“几乎”，是因为现实中存在许多行为重复性案例，它们虽非无限循环，却带有某种循环倾向。这类情况范围广泛：从额叶受损后出现的持续性重复行为，到强迫症，再到重度自闭症与抽动秽语综合征（Tourette’s syndrome）患者的重复动作，甚至还包括具有自我毁灭倾向的成瘾行为。从某种意义上说，这些案例恰恰印证了我的观点——因为它们本质上反映的是“正常”神经认知功能的紊乱。

若这些观点方向正确，那么依赖图灵计算的AI系统，将永远缺乏某些具身与具时性（entimed）的智能行为。而倘若这一结论成立，那么通用人工智能（AGI，即能在任何认知任务中达到或超越人类水平的智能）的前景，将比以往任何时候都更像是一场虚幻泡影。

有意识的AI的神话

新型AI能否以比经典计算更丰富的方式，与时间流建立关联？这一领域既有悠久的历史，也有着充满可能的未来。最早的“计算机”，如有2000年历史的天文预测装置“安提基特拉机械”（Antikythera mechanism），就属于模拟计算机，以连续时间模式运行。而在当代，研究人员正探索多种新方法，“凡人计算”（mortal computation）便是其中之一。在这种模式下，计算过程可依赖于执行它的特定硬件，当硬件“失效”时，算法也会随之“消亡”。这种方法通过对热力学第二定律的无常性拥抱而不抗拒，有望大幅提升能量利用效率。此外，还有多种类型的神经形态计算（neuromorphic computing），与图灵那种脱离时间的基准模型相比，这类计算在不同程度上模拟人类大脑的工作方式，且更植根于时间维度。

基于动力系统的智能研究方法，则完全避开了计算的思路，转而聚焦于更加重视时间的吸引子（attractor）、相空间（phase space）等概念。这类方法的源头可追溯至AI发展初期，以及在历史上曾被忽视的控制论（cybernetics）传统：控制论关注的是反馈与调控，而非算法符号处理。

这些方法能带来诸多收获，还有许多新型AI有待探索。但即便如此， 我仍怀疑：即便采用具时性计算或控制论工程，也无法完全摆脱无限循环的阴影，更难以彻底实现生物系统所具备的那种开放式、适应性智能。

我认为，这类智能不仅与时间紧密关联，甚至可能与意识必要绑定。至少，若像我一样理解意识（将其视为与生存驱动力深度关联的过程），便会认同这一点。在这种视角下，有意识的体验实现了贯穿多个层面的整合，从代谢层面对熵的抵抗，到感知层面为行动与规划提供契机，且始终不可分割地嵌入时间流之中。正是这种多尺度整合，构成了关键差异所在——也正因如此，有意识的体验才如同一种具备足够“信用”的“通用工具”，足以帮助生物摆脱几乎所有无限循环，并重新界定任何框架问题。

还有其他一些观点将意识与开放式智能联系起来，尽管它们并未聚焦于时间和熵。

二十年前，认知科学家默里・沙纳汉（Murray Shanahan）受意识的全局工作空间（global workspace theory）理论启发，提出意识能提供必要的资源，通过以不同方式整合认知与感知元素，来解决或至少回避框架问题。

理论生物学家伊娃・雅布隆卡（Eva Jablonka）和西蒙娜・金斯伯格（Simona Ginsburg）认为，意识与所谓的“无限联想学习”（unlimited associative learning）相关，这是一种特殊的学习形式，能促成新解决方案的开放式发现。

总之，目前呈现的图景是：某些形式的智能（至少在生物身上，又或许在任何情境下），可能都需要意识的参与。

换个角度思考也很有意义。如果有意识的体验依赖于深度嵌入时间之中，依赖于在熵主导的宇宙中维持生存的代谢需求，这将对AI的未来有着重要启示。具体而言，经典数字计算在时间维度上的扁平特性（状态依次更迭，而时间间隔全然任意），似乎与意识“丰富动态过程”的本质存在根本冲突。 如果意识确实与物理时间密不可分，那么它就不可能仅仅是算法的产物。 这给“AI意识即将到来”论调的棺材板上又钉上了一枚钉子——如果说它死得还不够彻底的话。

哲学家丹尼尔・丹尼特（Daniel Dennett）晚年喜欢谈论意识科学中的“困难问题”，这是对大卫・查默斯（David Chalmers）著名的“困难问题”（即意识究竟如何产生）的趣味呼应。在丹尼特看来，这些“困难问题”都关乎意识的功能——并未意识“是什么”，而是意识“做什么”。正如他所说：有意识的体验发生了，“然后呢？”

答案或许就藏在时间之中。意识，或许正是造化的一种手段，让其孕育的智能造物得以存续绵延，（几乎）总能在困境中找到出路。

来源：博识雅士