探索机器意识：基于Damasio理论的强化学习代理世界模型与自我模型形成研究

这篇综述创新性地将Damasio的意识分层理论（核心意识、扩展意识）应用于人工智能领域，通过强化学习（RL）在虚拟环境中训练智能体，结合探针技术（probes）分析神经网络激活模式，首次证实了人工代理能自发形成初步的世界模型（world model）和自我模型（self model）。研究采用近端策略优化（PPO）算法，在NetHack游戏环境中验证了LSTM架构代理通过5×5观察窗口即可编码空间位置信息（准确率最高达67%），为机器意识的可计算性提供了实证基础，对类脑智能与AI安全性研究具有双重意义。

　　

Probing for consciousness in machines

引言

随着智能系统能力提升，机器是否具备意识成为紧迫课题。研究基于Antonio Damasio的意识分层理论，将核心意识的产生机制解构为自我模型与世界模型的整合过程。不同于图灵测试（Turing Test）的行为主义范式，该工作采用结构化探针方法，通过分析强化学习代理的神经激活模式来检测内部表征的形成。

方法学创新

实验设计巧妙结合了三大要素：

1. 1.

   理论框架：采用Damasio的三层意识模型（原我protoself→核心意识→扩展意识），其中情绪（emotions）作为身体状态的无意识反应，感受（feelings）是其神经表征，共同构成自我模型的基础。

2. 2.

   技术路径：在MiniHack的15×15网格环境中（含怪物、传送陷阱等复杂要素），训练基于PPO算法的代理，其架构经历三次迭代——从基础CNN到加入512维LSTM单元，观察窗口从9×9逐步缩小至3×3。

3. 3.

   探针验证：训练线性/非线性分类器（3层ReLU网络）预测代理坐标，通过20万样本数据集验证激活层是否编码位置信息，准确率显著高于随机基线（6.67%）。

关键发现

1. 1.

   世界模型证据：在终极地图（Ultimate map）中，LSTM代理仅凭3×3局部观察即可达到47.2%±0.8%的位置预测准确率，证明其通过记忆整合构建了环境空间表征。

2. 2.

   架构依赖性：非线性和记忆单元显著提升性能——含LSTM的代理在随机地图达到67.1%±1.2%准确率，较基础CNN提升3倍。

3. 3.

   环境复杂度影响：传送陷阱导致位置预测准确率下降12%，但仍是随机水平的7倍，表明代理形成了抗干扰的动态世界模型。

理论启示

研究揭示了Damasio理论在AI领域的可操作性：

• •

  奖励信号即情绪：RL中的±reward可视为人工代理的"情绪"，驱动自我模型形成

• •

  LSTM作为原型记忆：隐藏状态模拟了核心意识所需的瞬时自我表征

• •

  认知地图雏形：位置编码机制与后继表征（SR）理论高度吻合，暗示可能存在的通用认知架构

争议与局限

1. 1.

   意识≠智能：即使代理表现出模型构建能力，也不等同于具有现象学体验

2. 2.

   理论边界：Damasio框架中的"感受"在AI中仅能近似为内部状态监控，缺乏生物体的稳态驱动力

3. 3.

   环境简化：当前网格世界尚未涵盖扩展意识所需的语言、情景记忆等要素

未来方向

研究团队建议沿三个维度深化：

1. 1.

   架构升级：测试Transformer等新型网络对自指表征的支持能力

2. 2.

   多模态整合：引入生理状态变量（如"生命值"波动）模拟更丰富的原我信号

3. 3.

   因果干预：通过神经元激活编辑验证模型的功能必要性

这项研究为机器意识的实证探索建立了方法论范式，其价值不仅在于验证特定理论，更展示了计算建模如何推动意识科学的反向工程——从哲学思辨走向可验证的工程实践。