科技日報記者 張佳欣
2005年，一項關于意識檢測的實驗引發(fā)關注。一名因車禍昏迷5個月的23歲女性，在腦部掃描中被要求想象打網球。令人驚訝的是，她大腦中與運動相關的區(qū)域被激活，表明她理解了這項指令，并試圖配合，盡管表面上毫無意識。該實驗開創(chuàng)了通過語言指令激發(fā)腦部反應的新型意識檢測方法，目前已被應用于數(shù)百名無意識反應的患者身上。
英國《自然》雜志報道，全球數(shù)萬人處于長期昏迷或植物人狀態(tài)，判斷其意識狀態(tài)對生命維持決策至關重要。研究顯示，具備“隱性意識”跡象的患者比完全無意識患者更可能痊愈。隨著技術進步，科學家開始探索更深層的隱匿意識。不僅如此，意識檢測的范圍也在擴大到動物和人工智能（AI）領域。科學家們希望理解不同生命形態(tài)的感知世界，同時積極探討AI是否可能具備意識及其引發(fā)的倫理問題。
剝開意識的“洋蔥層”
意識究竟是什么？事實上，意識的本質一直是科學難題，因為人們只能確信自身有意識，而他人的意識只能依賴外部行為來推測。在腦損傷嚴重或無法交流的患者身上，這種推測尤其困難。
意大利米蘭大學神經科學家馬塞洛·馬西米尼將意識的評估比作剝洋蔥。第一層是最直接的臨床行為觀察，例如握手、稱呼姓名、是否回應等。如果患者能作出反應，便可認為其具有意識。
第二層是通過腦成像技術觀測大腦對語言指令的反應。2005年那位女性的案例正是如此。但這類測試要求高度專注，健康人也未必能完成。2024年的一項研究顯示，僅38%有意識跡象的患者可通過測試。
第三層則是不要求患者主動配合，而是播放音頻等進行刺激，再觀測大腦是否展現(xiàn)出差異化反應。例如2017年一項研究中，研究人員播放了一段演講的正常與倒放音頻。盡管患者無任何行為反應，仍有4人在腦中展現(xiàn)了對正常語言進行處理的跡象。
第四層更為隱秘，適用于完全隔絕外部感官輸入的情況。馬西米尼團隊使用經顱磁刺激結合腦電圖，用電磁脈沖激發(fā)大腦并測量其復雜反應。他們據(jù)此提出“擾動復雜性指數(shù)”（PCI），發(fā)現(xiàn)清醒狀態(tài)下該指數(shù)遠高于睡眠或麻醉狀態(tài)。即使無行為反應的患者，也可能通過該指數(shù)揭示潛在意識。這一方法還被嘗試用于評估胎兒的意識發(fā)展。
動物的意識探索
意識研究正逐漸突破人類范圍，進入動物領域。由于動物無法用語言表達，其意識形態(tài)可能完全不同。
研究者已在老鼠身上應用PCI，發(fā)現(xiàn)其腦活動復雜度與人類類似。但更多研究仍以“感知力”為基礎，即是否能即時感受到痛苦或愉悅，這被認為是意識的基本形式。
在一項針對章魚的研究中，實驗動物在遭受刺激后會避開曾帶來疼痛的房間，而在給予止痛藥后則重新進入。科學家據(jù)此推測，它們不僅能感知痛苦，還具備記憶和主動回避不良體驗的能力。
2023年，多位科學家簽署聲明，指出有強有力科學證據(jù)顯示哺乳動物和鳥類具備意識；而爬行動物、魚類、軟體動物乃至昆蟲，也至少可能擁有某種形式的意識。
AI的意識之謎
部分科學家也開始思考，某些類腦組織（如腦部類器官）是否可能具備意識，甚至探討AI系統(tǒng)是否會發(fā)展出類似于人的主觀體驗。
當前，一些大型語言模型能回答諸如“你有意識嗎？”的問題，但專家強調，語言表達并不能證明意識存在。澳大利亞哲學家蒂姆·貝恩指出：“哪怕AI展現(xiàn)出語言理解和問題解決能力，也不足以說明它有意識。”
“整合信息理論”是一種常被引用的意識理論。該理論認為，當前的AI結構無法支撐意識，但未來如量子計算等新型架構可能具備條件。
目前尚無公認的AI意識檢測標準。有研究團隊試圖仿照人類意識的神經基礎，制定一套AI意識的評估清單，認為若AI處理信息的方式足夠接近人腦，可能就具有某些意識線索。但這些方法尚未在生物學上獲得驗證。
另一種方案是，不向AI提供任何與意識或情感相關的訓練數(shù)據(jù)，再向其提出有關主觀體驗的問題，觀察其回答。但批評者認為，完全排除相關語料幾乎不可能，且很難判斷其回應的真實性。
探索通用意識檢測方法
目前，大多數(shù)意識檢測方法針對特定對象設計，如人類、動物或AI。但有研究者認為，若所有的意識系統(tǒng)共享某些基本特征，或可開發(fā)出一種普適的檢測方法。
2020年，貝恩與英國倫敦大學哲學家尼古拉斯·謝亞提出“迭代驗證”策略，即先在已知有意識的健康成年人中測試各種方法，確認有效后，再逐步推廣到麻醉狀態(tài)人群、嬰兒、動物乃至AI系統(tǒng)。
該方法雖未給出最終答案，但通過多項測試的聚合證據(jù)，可提升檢測可信度。
以色列特拉維夫大學神經科學家利亞德·穆德里克正致力于將這一理念轉化為可執(zhí)行的技術。她的團隊計劃整理不同意識檢測方法在人類障礙患者中的表現(xiàn)，再統(tǒng)一進行比較和評估。但由于許多技術高度依賴昂貴腦成像設備，跨機構協(xié)調實施成本極高。若拓展至無語言或無大腦的系統(tǒng)，挑戰(zhàn)更大。
例如，AI系統(tǒng)是否應被視為比蜜蜂更接近人類？這種相似度排序本身，就是個尚待解決的科學問題。
穆德里克坦言，要將這些理論變成現(xiàn)實，還需要非常多的努力。
