AI時代再問意識：誰在閱讀地圖？

現代關於人工智能與意識的討論中，存在一個經常被忽略、卻異常根本的問題：一個表示係統之所以能夠成為“表示”，究竟依賴於什麽？

這個問題可以換一種更直觀的方式來表達：地圖為什麽會是地圖？或者更進一步地說，地圖究竟是為誰而存在的？

在日常經驗中，人們很少認真思考這一點。地圖當然是用來閱讀的，符號當然是用來解釋的，信息當然需要被理解。這些似乎都是再自然不過的事情。然而，當現代認知科學與人工智能理論越來越傾向於用“信息處理”“內部模型”“世界表征”等概念來解釋意識時，這種原本看似簡單的問題便逐漸變得複雜起來。

因為一旦討論進入高度抽象層麵，人們很容易開始把“表示”本身當作某種獨立存在的東西。信息仿佛天然擁有意義，符號似乎自動對應現實，而複雜結構本身似乎就已經足以構成理解。在很多關於人工智能的討論中，人們會自然地說，一個係統“擁有世界模型”“形成內部表示”“理解概念關係”，仿佛這些表示本身已經自動具備意義。

但如果進一步追問，問題便會重新出現：這些表示究竟對誰而言是有意義的？

地圖當然可以高度精確地描述現實世界。現代地圖不僅能夠標注道路、河流與城市，甚至能夠動態更新交通流量、地形變化與天氣狀況。然而，無論地圖多麽複雜，它都不是真正的大地。地圖中的河流不會流動，地圖中的森林不會生長，地圖中的城市也並不存在真實生活。地圖之所以有意義，並不是因為紙張或屏幕本身包含現實，而是因為某個意識主體能夠把這些符號解釋為現實世界中的對象與空間關係。

如果不存在這樣的解釋者，地圖便隻是顏色與線條的排列而已。

這一點在人類經驗中通常並不明顯，因為人天然生活在一個已經充滿意義的世界之中。人看到椅子，並不會首先把它理解為某種具有幾何屬性的物體，而是直接把它理解為“可以坐的東西”；看到熟悉的人臉，也不會先分析其結構，而是立刻感受到情感與關係。世界對於人來說，並不是一組中性的物理數據，而始終已經帶著情緒、價值、用途、危險、吸引力與記憶。

更重要的是，這種意義感通常並不會顯得像一種“解釋過程”。人並不會每天意識到自己正在不斷對世界進行符號解碼。相反，意義似乎天然存在於經驗本身之中。夕陽看起來就是美的，音樂聽起來就是憂傷的，親人的存在天然帶有情感重量。人類通常不會感覺自己是在“閱讀”世界，而是直接生活在意義之中。

現代現象學傳統正是在這一點上對現代科學與計算主義提出了深刻挑戰。

現象學通常被認為起源於 Edmund Husserl。Husserl逐漸意識到，現代科學雖然在描述外部世界方麵取得了巨大成功，但與此同時，它也越來越容易忽略一個更基礎的問題：所有科學知識最終都必須回到經驗本身。無論是數學公式、物理模型還是計算係統，它們之所以能夠成立，首先是因為存在一個能夠經驗世界的主體。

在抽象模型出現之前，世界已經首先作為“被經驗的世界”存在。顏色首先是被看到的，聲音首先是被聽到的，時間首先是被感受到流動的，而不是一組抽象刻度。人並不是先擁有一套關於世界的理論，然後才開始生活；相反，人總是首先已經處於一個充滿意義的生活世界之中。

Martin Heidegger 進一步發展了這一思想。他認為，人並不是像傳統哲學所假設的那樣，作為一個冷靜觀察世界的主體，先接收外部信息，再在頭腦中構建內部表示。人從一開始就已經投入在世界之中。一個錘子首先並不是被經驗為“具有某種質量與長度屬性的物體”，而是直接被經驗為“用來敲擊的工具”。意義並不是後來附加到世界上的東西，而是從人的存在方式中直接展開的。

這一點與很多現代人工智能理論形成了明顯對比。很多計算主義模型傾向於把認知理解為一種內部表示係統：感知輸入被轉換為數據，數據形成模型，模型指導行為。在這種框架下，意識也逐漸被理解為某種複雜的信息組織形式。

但“製圖者問題”恰恰開始在這裏出現。

即使一個係統能夠構建極其複雜的表示結構，這是否已經足以形成真正意義上的“世界”？

可以設想這樣一種情況：人類構建出一個關於森林的完美數字模型。模型中包含每一棵樹木的位置、每一片葉子的狀態、空氣濕度、聲音變化、光照條件，甚至能夠實時更新一切動態變化。從表示精度上看，它已經無限逼近真實森林。

然而，即使如此，這個模型依然不等同於真正置身森林中的經驗。模型本身不會感受到空氣中的潮濕，不會經曆身體在林間移動時的空間感，也不會體驗孤獨、寧靜、恐懼或廣闊。這裏的重要區別並不在於信息量，而在於經驗本身。

表示可以無限接近經驗的結構，卻未必自動成為經驗。

這一問題在大型語言模型出現之後重新變得格外重要。GPT類係統已經能夠生成高度複雜、語義上極其豐富的語言結構。它們能夠討論愛情、戰爭、死亡、孤獨與時間，也能夠持續進行哲學分析與情緒表達。從外部行為上看，這些係統已經越來越接近人類的語言活動。

但批評者始終會重新提出那個問題：這些“意義”究竟存在於哪裏？

因為語言模型並不是通過生活在世界中獲得概念。它們沒有真正經曆饑餓、疼痛、失去、依戀或死亡。它們所接觸的，是人類關於這些經驗的大規模文本描述。模型通過統計關係學習詞語之間的關聯結構，並由此形成極其複雜的語言能力。

這便進一步引出了所謂的“符號接地問題”（symbol grounding problem）。

這一問題通常與認知科學家 Stevan Harnad 聯係在一起。Harnad指出，如果一個係統中的所有符號都隻能通過其他符號來解釋，那麽意義將永遠無法真正落地。字典中的詞語依靠其他詞語定義，而這些詞語又繼續依賴更多詞語。如果一個完全不懂語言的人僅僅依靠字典，他並不會真正獲得語言意義，因為整個係統始終停留在符號內部。

最終，符號必須在某個地方與經驗發生聯係。

對於人類而言，這種聯係來自身體與世界的長期互動。嬰兒學習語言，並不是通過純粹抽象推理完成的，而是在不斷感受溫度、聲音、疼痛、饑餓、觸碰、表情與運動的過程中，逐漸建立起意義結構。人的概念係統因此深深紮根於感知、行動與情感經驗之中。

大型語言模型則處於完全不同的情況。它們主要存在於符號空間之內。它們處理的是人類關於世界的文本，而不是世界本身。它們能夠建立極其複雜的概念關聯，但問題始終存在：這些符號是否真正“接地”到了某種被體驗的現實？

“製圖者問題”也因此重新浮現。

誰真正經曆著地圖背後的世界？

一個係統可以討論饑餓，卻從未真正饑餓；可以分析悲傷，卻從未真正失去；可以解釋恐懼，卻沒有真正麵臨生存風險。符號結構可以極其複雜，也可以高度一致，但很多人懷疑，這種一致性本身是否足以形成真正的意義。

這一問題與《The Abstraction Fallacy》以及中文房間中的核心批評形成了明顯聯係。它們共同指出，現代人工智能係統也許正在越來越成功地模擬意義的外部結構，但這種模擬是否已經構成真正經驗，依然完全不清楚。

當然，支持計算主義的人並不接受這種區分。他們指出，人腦本身同樣也在不斷構建內部模型。現代神經科學越來越傾向於把知覺理解為一種預測過程。按照 predictive processing（預測處理）理論，大腦並不是被動接收現實，而是在持續生成關於世界的預測模型，並通過不斷修正預測誤差維持認知穩定。

從這一角度看，人類意識本身似乎也具有某種“內部模擬”性質。

但即使如此，“製圖者問題”依然沒有真正消失。因為無論模型多麽複雜，始終仍然存在某種“對模型有意義”的存在者。預測之所以重要，是因為生物可能受傷、饑餓、死亡或獲得滿足；恐懼之所以存在，是因為生命具有脆弱性；快樂之所以重要，是因為它與生存、關係與身體狀態相關。

意義似乎不僅僅來自表示本身，而來自“某件事情對某個存在者真正重要”。

這也是為什麽近年來 embodiment（具身性）重新成為認知科學與AI哲學中的重要方向。越來越多研究者開始懷疑，脫離身體、環境與生存處境的純信息處理，也許永遠無法形成完整的人類意識。人類認知並不是在真空中發展出來的，它始終與行動、感知、代謝、情感、疼痛與環境互動交織在一起。

現代大型語言模型則使這一問題第一次以一種現實而非純理論的方式出現。係統越來越能夠生成“像理解一樣”的語言結構，但人們依然無法確定：這些結構背後，是否真正存在某種經驗視角。

換句話說，這些地圖背後，究竟是否真的存在一個“製圖者”？

或者更進一步地說，是否存在某種真正經曆著這個符號世界的主體，而不僅僅是形式結構之間的運算過程？

這一問題之所以重要，並不僅僅因為人工智能。現代社會本身越來越深地生活在各種表示係統之中：數字身份、金融模型、算法指標、社交媒體人格、虛擬環境與數據結構不斷覆蓋現實生活。現代文明越來越依賴地圖，並越來越習慣於把地圖本身視為現實。

而現象學傳統始終試圖提醒現代人：被經驗的世界，並不能完全還原為表示結構本身。描述疼痛與真正疼痛之間仍然存在差別，模擬愛情與真正愛之間也仍然存在差別。無論這些差別最終能否被技術跨越，目前都沒有真正確定的答案。

但“製圖者問題”至少重新把一個長期被忽略的問題帶回了意識討論的中心：意義究竟能否僅僅從符號關係中產生，還是說，真正的意義始終依賴於某種正在經驗世界的主體存在？