生成式人工智能（GAI）如各种大模型（LLM）的迅速发展，使人工智能生成内容（AIGC）（包括文本和图像）得以实现。这在给人们的工作、生活带来极大便利的同时，也对创作、绘画、教学、科研、医疗等人类活动产生了重大影响，各种挑战和问题随之而来（这里不谈伦理和法律问题）——这种依赖蛮力（算力）的LLM还能继续下去吗？LLM是否有了初级意识？能否走向通用人工智能（AGI）？这一系列问题摆在世人面前，更是哲学工作者必须面对的。

　　GAI无疑是必要的，业已带来了明显效益，如赋能教育、科学和医学。但对GAI来说，这种智能模型极不可能产生意识，也很难成为所谓的“通用智能”。事实上，人类智能也不是“通用”的。若将适应能力作为智能的话，很多动物的适应性比人类强，如鹰的视力、狗的嗅觉、苍蝇的抗菌能力。这意味着，当我们使用“通用智能”概念时，是在与人类智能作比较，默认人类智能是通用的，即具有跨领域、全方位完成任务或达到目标的能力。这其实是一个误解！

　　目前的LLM只是个模型，即使能被广泛使用，也不是“通用智能”。因此，“通用模型”不是“通用智能”。科学上没有“通用理论”，哥德尔不完全性定理已经证明，任何理论都是不完备的（不存在“万能理论”）。AI理论也不例外。“未来心智”这种超级智能也一定不是“万能”的。而且，“统一智能”也不是“通用智能”，“统一”是为AI找一个基点，如信息熵、自由能、量子纠缠，是理论意义上的；“通用”是相对于感知而言的，是行动（实践）意义上的。更重要的是，“蛮力”（算力、推理）不是“灵力”（智慧、灵感）。认知心理学表明，大脑的认知是“吝啬的”（能省力就省力），而计算机不仅不省力，反而耗能耗时耗财。因此，大脑的运作机制与AI可能完全不同。大脑在认知上“吝啬”是基于身体的大量自主运行的系统（血液循环、消化和内分泌系统等），这些无意识的自主身体系统是AI所缺失的。这就是AI能够执行抽象的符号运算，却不能执行低级的身体运动的原因。前者易编程（写出算法），后者难编程。这蕴含了一个道理：认知（思维）的抽象符号操作是可以离身的，即体外执行；具象的身体行动则不能离身，即必须是具身的。

　　法国AI专家杨立昆认为LLM是死路一条，只有“世界模型”（与世界交互的智能系统）才是出路。诺贝尔物理学奖得主彭罗斯认为，AI压根没有真正的智能，因为它没有意识，AI概念误导了人们。或者说，人们所理解的智能，其实是“计算”“推理”或“感知—行动”循环。这些行为可以“体外”执行，即不需要“身体”。因此，AI本质上是“功能性智能”或“模拟性智能”，缺乏生物智能特有的“认知能力”（理解力）。这样看来，GAI要有智能，“感知—行动”循环要提升为“感知—认知—行动”循环，前者是“无表征的”，后者是“有表征的”。但乐观者认为，GAI已经初步有了意识（涌现行为），AGI的实现只是时间问题，进而引发人类文明史上最深远的生存危机。

　　说GAI已经初步有了意识，有点言过其实。就目前的AI水平来说，其智能只是模拟大脑功能意义上的“假装”或“好像”智能。因此，与生物智能相比，AI没有真正的智能。这意味着，不是基于身体的智能不能称为“智能”，而且AI系统不可能自主产生“意识”。“机器意识”只是借用了“意识”所呈现的功能。因此，所谓“机器意识”实质上是“意识功能”的机器实现。这种观点势必会引起人类中心主义与反人类中心主义的争论。客观地看，我们既不能以人为中心拒绝承认人之外的实体无意识或无智能，也不能排斥以人的立场看待其他事物或系统。这本身就是矛盾的。因为我们无法排除自己是人类，即以人类视角观察世界是不可改变的。

　　如果我们承认人类智能不是通用的，更不是“万能的”，就必须承认AI也不是通用的。“通用”只是“自适应”意义上的，即实体或系统在任何情境下（确定和不确定）都可自主地适应环境，灵活地应对环境变化，从而解决问题或达到目标。AI的“通用”可能只是“专用”的集合，或多智能体的协同。这样一来，AGI的含义需要澄清。据我的考证，AGI是定位于感知层的，“感知—行动”循环是其内在机制。如果AGI要实现“通用”，认知成分是少不了的，要建构“感知—认知—行动”循环，即具身的“认知智能”。

　　就智能系统（人类和智能体）而言，它们必须与世界（环境）交互，这是一个实体或系统有智能的前提。生物（动物、植物、人类）不能与世界（环境）隔离，隔离意味着“死亡”或“智力白板”，狼孩的发现就是例子。“交互”是指一个实体或系统与另一个实体或系统发生接触和联系，而接触或联系意味着一个实体或系统适应另一个实体或系统，如动物与环境的适应。在这个意义上，交互意味着适应，适应蕴含了身体的存在，即身体对环境的适应。在生存的意义上，适应意味着智能，即生存智能。因此，生命本身就是智能的存在方式。

　　从具身认知来看，若要实现AGI，“具身性”可能是必需的。“具身”意味着“感知”，“认知”意味着“理解”。由此看来，在AI领域，目前的“计算智能”和“感知智能”不足以达到“通用”。要通用，就要走向“认知智能”：一种高级的“具身智能”。然而，如何让机器系统成为“具身智能”本身就是个难题，我称之为AGI的“认知难题”。

　　要消解这个难题，需要在研究理念或范式上有所突破。我认为，AGI的实现可立足“适应性表征认知理论”，采用具身的“认知智能”形式。运用适应性表征的理由是：“适应”是最基本的智能，任何自组织系统都有；“表征”（对属性呈现的解释和中介呈现）是高级智能，只有人类（可能还有灵长类）才有。“适应”和“表征”的组合既包含了基本智能（适应作为本能），也包含了高级智能（表征作为认知）。根据适应性表征策略，AGI的实现就是让其拥有适应和表征能力，适应就是与环境交互，表征就是要呈现世界。因此，“适应性表征”意味着系统与环境持续交互，直到达成目标。

　　这里特别强调几点：其一，“适应性表征”是有条件、有限制的自组织系统，不是万能的。其二，它是可操作的、可编程的，如适应性可通过“遗传算法”编程，表征则有各种方式，如语言描述、数学表达、逻辑刻画、模型呈现。目前流行的LLM如ChatGPT、DeepSeek等，都是可操作的适应性表征系统。其三，适应性表征不同于“涌现”。“涌现”是指大量低级成分（如原子、分子、神经元）以某种方式组合产生的、且不能还原为低级成分本身的属性，如意识。目前尚不清楚“意识涌现”的具体机制是什么，因而难以编程。如此一来，“涌现”就可能成为复杂现象研究者回避问题的“挡箭牌”。这就好比古人对不理解的自然现象（如打雷、闪电）用“神灵”解释一样。

　　最后，适应性表征也不同于“主体性”。目前哲学界对GAI的主体性问题的探讨不少，但我认为谈论GAI的主体性尚且过早，这与谈论AI的道德主体地位是一个道理。主体性和道德性是两个基于意识的高级属性，目前只有人类才配得上。GAI没有意识，更没有伦理观念，所谓的“意识对齐”“情感对齐”“伦理对齐”只是强AI研究者的“执念”或“一厢情愿”。

　　（本文系国家社科基金重大项目“人工认知对自然认知挑战的哲学研究”（21&ZD061）阶段性成果）

　　（作者系山西大学哲学学院教授）