共计 1991 个字符，预计需要花费 5 分钟才能阅读完成。
随着人工智能（AI）技术的飞速发展及其展现出的类人能力，关于人类智能本质及大脑运作机制的探讨再次成为科学界的热点话题。
自古以来，人类智力的发展历程中，大脑的运作机制与思维的本质始终是核心议题。从巴鲁赫·斯宾诺莎和勒内·笛卡尔到卡尔·马克思和查尔斯·达尔文，关于“意识”本质的探讨从未停止。然而，正是艾伦·图灵提出的“机器能思考吗？”这一问题，彻底改变了这一领域的讨论方向，开启了通过机械方式解释甚至重现大脑最复杂部分的可能性。如今，随着人工智能的崛起，这一讨论进入了前所未有的激烈阶段，各方观点激烈碰撞，技术的不确定性也随着其指数级进步而日益加剧。
- 
- 
- 
- 
- 
- 
机器能“思考”吗？
“思考”究竟意味着什么？人类对思维本质的探索已有数百年历史，但如今对其定义已基本达成共识：它是大脑内部一系列复杂过程的结果。然而，最具革命性的观点来自艾伦·图灵在 1950 年的开创性论文《计算机器与智能》中提出的“图灵测试”。简而言之，图灵测试旨在证明，如果设计得当，机器可以表现出与人类无法区分的行为。虽然图灵的理论在其时代显得过于抽象，但随着人工智能和聊天机器人的兴起，其重要性愈发凸显。问题随之而来：如果机器可以模仿思考或表现出类人行为，那么人类与机器的本质区别是什么？我们经过数百万年进化形成的生物大脑，与由铜线和电线构成的机械大脑，究竟有何不同？因此，“意识”成为这场辩论的核心。,
什么是“意识”？
对于大多数科学家和学者来说，“意识”一词的定义仍然模糊不清，而这种模糊性正是当前辩论中许多分歧的根源。在后现代科学与技术的背景下，学者们分化为两大阵营：一部分人坚持图灵的计算观点，认为意识只是更深层次的思维；另一部分人则坚信，人类的核心存在某种与计算机截然不同的特质。,
计算还原论
计算观点在当前讨论中占据主导地位，因为它与 21 世纪的技术创新密切相关。其核心论点是：人类行为及其一切活动，都可以归结为一系列基于生物学或心理学规则的精确算法步骤。然而，这一观点很快受到挑战，因为人类并不总是遵循某种固定规则。人类是动态的，与环境中的所见、所闻、所感互动。基于这一认识，以弗兰克·罗森布拉特、大卫·鲁梅尔哈特（被称为“联结主义者”）以及大卫·马尔为代表的一批科学家，提出了强调环境互动与学习重要性的理论。
这一方向的研究不仅催生了计算神经科学和现代机器学习领域，还为人工智能的发展奠定了基础。值得注意的是，这一学派虽然承认人类与计算机的固有差异，但认为某种形式的计算是大脑运作的关键，意识应通过这一框架解释。因此，他们并不完全排除计算机可能具备意识的可能性。此外，由于该领域的理论构建部分受大脑神经网络启发，他们的观点为整合大脑的物理、心理和生物学特性提供了坚实的理论基础。,
对立观点
主要由罗杰·彭罗斯和道格拉斯·霍夫施塔特等数学家、逻辑学家和哲学家领导的对立阵营，从根本上拒绝计算还原论。他们的论点基于数理逻辑，尤其是库尔特·哥德尔的不完备性定理。这些定理指出，任何形式系统都存在无法通过其规则证明的命题。对于计算机而言，这意味着无论其计算能力多么强大，其范围始终有限，总有一些问题是其无法解决的。
这一学派的观点认为，人类思维——尤其是数学领域——能够超越计算的限制，例如数学本身的发展或平铺问题的不可计算性解决方案。因此，意识必须超越计算。他们将大脑视为一个由尚未被完全理解的物理定律运作的系统。例如，彭罗斯认为，意识是非确定性的，源于大脑内部的量子过程，而这些过程尚未被物理学家完全揭示。,
人工智能与意识
人工智能的突破在这场辩论中处于什么位置？乍看之下，它们确实验证了从数据中学习以及与环境的主动互动的重要性。然而，机器学习系统在执行推理和逻辑推断方面存在明显局限，这与人类智能并不完全一致。
聊天机器人和其他高度智能的机器学习系统依赖于极其复杂的神经网络，其规模通常远超人类大脑，但它们依赖于大量的统计数据。尽管人工智能在某些任务上表现出与人类相当甚至更优的能力，但在其他任务上却完全无法胜任。这表明，计算观点虽然有其合理性，但可能并非最终答案。同样，对立观点虽然从严格的数学角度出发，却未能充分考虑到人类行为的动态和演化特性。
或许，我们需要一种新的视角。与其让两大学派在“意识是什么”和“它是否存在”的问题上针锋相对，不如尝试融合两者的观点，承认它们都揭示了人类思维的重要方面。米格尔·尼科莱利斯和罗纳德·西库雷尔提出的相对论大脑理论等新兴理论，虽然尚未完善，但为我们提供了关于大脑不仅仅是计算机的可能线索。这一新视角将大脑视为一个混合系统，观察和解释其在不同层次上的计算性能。
科学史的经验表明，成功往往源于对立观点的融合，从阿尔伯特·爱因斯坦的相对论到量子力学的发展，甚至计算理论本身的发展，无不如此。科学的进步得益于融合常常对立的观点。因此，揭示大脑真正奥秘的挑战，似乎正等待着下一代研究人员和学者去探索。
