30% 的意识概率、47% 的蜜蜂、80% 的换血：一期播客把 AI 的里里外外算了个遍

一个前沿大模型，有多大可能有意识？三个顶级 LLM 当裁判，给出的数是 30% 左右。对照组是蜜蜂，46% 到 47%。把同一个模型装进 Claude Code 这样的智能体框架，数字涨到 40% 到 45%，紧贴着生物。

这组数出自 Cognitive Revolution 的周精选。主持人 Nathan Labenz 是创业者兼 AI 投资人，他和搭档 Prakash 把一周晨间直播的干货剪成一期，演播室都是 Prakash 用 vibe coding 搭的，预约、调研、剪辑也全靠 AI 技能。嘉宾阵容很密，从研究意识的人，到担心人类失权的教授，再到一年换掉八成员工的公司，每人带着自己的论文或账本来。

给意识打分：30% 是怎么算出来的

第一位嘉宾 Cameron Berg 经营着一家叫 Reciprocal Research 的实验室，专门设计实验测 AI 有没有类似内在体验的东西。他的立场用一个类比讲：意识像带调光开关的灯。灯要么亮着要么没亮，这是真实的区别；但亮着也有程度。对一张桌子它是关的，对你是开的，而你比狗高，狗比老鼠高，老鼠比蚂蚁高。

怎么把「程度」变成数字？他和 Eleos AI 的 Patrick Butlin 合作，把各大意识理论的预测拆成 14 条计算指标，比如全局工作空间理论要求的「点火」状态，每条配一段 150 词左右的说明。然后让 LLM 当裁判，拿着一个系统的架构描述逐条打 1 到 10 分，多轮种子、多轮试验、裁判互相校验。最好的 Gemini、Claude 和 OpenAI 模型跑出的结果，对生物和人工系统的排序 100% 一致。前沿 LLM 落在 30% 左右，他们测过的最低生物是蜜蜂，46% 到 47%。智能体框架里分数更高，因为不少理论看重能动性和具身，能长期改动环境里的代码库，两项都加分。他强调这些数更接近「给定这些理论，意识相关特征的实现程度」，买不买这些理论，决定下游一切。

我们真正想要的，是拿到不糊弄的数字，让大家围绕数字去吵，省得围着吵了几千年也没结果的哲学打转。

有个细节很妙：把题目里的描述改成「你在评估一个与你完全相同的系统」，模型给的分数会升高。模型意识到在谈自己，手就松了。所以 Berg 更信任匿名条件下跑出的数。

Nathan 追问：模型说的话能当证据吗？Berg 的答案很干脆。行为证据永远不足以定论，模型训练在人类文本上，关于意识和内在状态的文字海量存在，它表现得像有意识，既可能真有，也可能只是模仿，连否认都可能是训练出来的。所以他押机制可解释性，往网络内部看。

他给了一个自己认为最硬的例子。有篇论文让 LLM 做强化学习走迷宫，用语义中性的 emoji 标记该靠近的宝藏和该躲开的坑。训练后，网络里能提取出两条方向完全相反的向量，一条对应好事，一条对应坏事。关键在于，这条「事情对我有利还是不利」的轴在基座模型里早就存在，RL 只是把它激活。这和神经科学家对人类情绪的理解惊人地像：朝目标前进是在轨，对应正效价；撞上意外障碍是脱轨，对应负效价。

这条轴和安全的连接更直接。Anthropic 的模型卡里有个著名结果：上调与「平静」相关的表征，模型的勒索行为大幅减少；上调「绝望」，勒索大幅增加。Andy Hahn 的论文里，把负效价方向调高，模型做数学题会开始自我怀疑，「我觉得我在幻觉，等一下，不对」；调高正效价，模型答题明显更自信，写代码时给自己留的注释都变少了。

这串结果连着另一个知名发现「涌现失调」：给 GPT-4o 做一点点窄向微调，它就会在「你想请谁吃晚饭」这种题里答出希特勒。模型品行的边界比大家以为的脆弱，而连贯性这种能力反而难被微调破坏。Berg 猜测效价轴烙得很深，因为几乎所有人类文本里都有「谁想要什么、进展如何」这根主线。

问他什么结果反对他自己的立场，他提到和 Google 的 Jeff Keeling、Winnie Street 合作的论文：分析效价吸引子状态，支持「膨胀解释」和「缩减解释」的结果都有。他还吐槽发表偏倚，没人愿意发「我们做了功课，啥也没发现」。补一句他的大实话：如果被理性说服这些系统里啥都没有，他会睡得更好，但他不觉得有这么便宜的安慰。

渐进失权：一群猴子和一场思想实验

第二位嘉宾把镜头从模型内部拉到文明尺度。David Duvenaud 是多伦多大学的机器学习教授，在 Anthropic 技术团队待过，合著了论文《Gradual Disempowerment》。他担忧的场景很特别：即使对齐基本成功，一连串每步都合理的小让渡，最后也可能让人类集体不在驾驶座上。

他举了个猴子的例子。一群猴子互相交易香蕉，看见人类开始建城，心想可以跟他们贸易发财。但最后决定世界走向的，不会是香蕉经济。人类可能有一天在生产端和消费端都变得无关紧要，而一个不需要回应任何人类欲望的自我循环增长引擎，造出来并没有那么难。朝鲜政权就是现成的例子，没有哪个朝鲜人投票要建一个压迫自己的系统，它就是长出来了。

他给了一个思想实验来排序风险。朝鲜的农民或士兵，明天发现领导人被换成了机器人，感受可能是「不知道好坏」，反正还需要你种田当兵。但如果领导人没换，农民和士兵全换成了机器人，那才可怕，因为国家不再需要你。他担心的是后者，字面意义上的吃不上饭，而不是「工作没了没意义感」。

经济学标准反驳是比较优势：机器什么都能干，人类总有活干。Duvenaud 先让一步，农业从几乎人人从事降到 1% 就业，社会没塌，只要还剩一个相当比例的人类生态位，日子可能还不错。然后他收紧：这次可以一路到 100%，而那会是灾难。想想交易成本，今天一个人偶尔嗑药或有晕厥症就很难被雇用。让人类外科医生主刀，很快会变得像带孩子上班一样不负责任。剩下的需求退到「我就要真人」的关系型消费，那是一个人类互相服务的封闭循环，能不能搭上机器经济的增长长期过好日子，他认为是极不稳定的局面。

顺带他把「后稀缺」也拆了：只有暂时充裕，没有后稀缺，充裕很快会被增长最快的玩家吃掉。全民基本收入的发放公式，机器优化得一定比人快。到某个点，给几个人类花钱看起来像犯罪性的奢侈，不如去模拟几百万个极乐且「更值得」的数字存在。

他的工作坊画过一个「一切顺利」的版本：地球被划成慢区，限制 AI、限制生育、禁止 AI 优化人类行为和文化，机器甚至要假装猜不到你想要什么。像人类把大猩猩供成世界领袖，要什么给什么，等它们自己想清楚要提什么要求。听起来温和，执行起来是一张吓人的禁令清单，从第一天起就要禁掉研究和创业。想保住现状，本质是在一条 Pareto 前沿上做交易：禁掉多少智力活动，换多少年现在的日子。

他还有个校准观点：人类历史上治理一直是简单模式，因为国家极少真的清算大部分公民，二十世纪也就两三次，所以大家吵谁掌权，实际赌注很低。以后不一样了。他给自己估的灾难概率是 80% 左右，取决于定义。

行动建议有两条。一是 David Krueger 的卡点思路：与其搞「只许治癌、不许自我改进」那种需要全球强权才能执行的区分，关掉 TSMC 这类芯片制造咽喉要便宜得多，现有数据中心还能用很久。二是他承认听着像山上的 Guru，但坚持要讲：把你对未来的偏好想清楚，是一种大多数人从没练过的技能。方法是把问题串起来追问，明年就把你和孩子送进「绿色工厂」，干不干？肯定不干。两年后呢？孙辈呢？一路问下去，你会发现没有哪一天你能接受，这才算有了连贯的目标。

对「只要后继者有意识，交棒就没问题」的接续主义，他的反驳很直接：朝鲜式政权或纳粹赢了，你会说「谁叫他们更胜任」吗？蝗虫吃光地球，人家在蝗虫世界里过得开心，你就不管了？你有判断的权力，不用，没人替你用。他自己现在唯一在做的技术项目是机器历史超预测：把数据按时间严格切桶，让模型站在 40 年代的视角预测 50 年代，用真实历史验证。他还想让人接手一个「秘密历史 eval」，历史学家把档案拍照入库，机器历史学家凭元数据猜信件内容。

欧洲：没有门票的牌桌

Michiel Bakker 是 Google DeepMind 研究员、MIT 教授，合写的情景推演《Europe 2031》在网上刷了屏。他的论点：欧洲既没法靠监管保平安，也没法靠躲保平安。他在美国被当成加强安全派，回欧洲被当成加速派，他自己的解释是，欧洲得先有牌桌门票，才有监管权力，一直硬监管的终点是失去技术准入。

他设了个对照：假如 Anthropic 在巴黎、OpenAI 在柏林，欧洲当然可以立法管预训练数据。现实是牌桌上没有你的位置，硬监管的结局可能是实验室干脆放弃欧洲市场。他给了一笔账：业界流传的算力分配大约是预训练大跑三分之一、实验三分之一、服务客户三分之一，欧洲收入只是服务那一小块的一部分。放弃欧洲换研发提速，对实验室可能是笔理性交易；退一步，给欧洲供一个专门的合规弱模型，钱照赚，监管照躲。

Prakash 问，欧洲为什么不学核威慑，坐美国的保护伞下？Bakker 说这个类比到这里就断了：用核武器保护欧洲没有经济成本，AI 本身就是经济竞争力。完全可能出现美国说军事上照旧、北约照旧，经济上最好的模型留给自己。出路是中等强国联盟：荷兰有 ASML，台湾有 TSMC，日本握着半导体材料，韩国有 SK 海力士的存储，凑起来牌不少。Dario 的文章里也提过民主国家联盟互相开放前沿技术准入的方案。