意识图谱：生物学与人工智能中的整合信息研究

当前新兴的科学研究正致力于描绘支撑主观体验的底层架构，这涵盖了从生命体到先进计算模型的所有范畴。这项探索有望深刻地重塑我们对智能、生命乃至意识本身的理解，并对医疗伦理和技术发展产生深远影响。

这项前沿调查的核心在于系统性地、跨领域地分析人类、各种生物系统以及复杂人工智能结构中的神经活动特征。目的是精确找出意识存在的共同或独特的指标。寻找这些客观量化指标的努力，预计将彻底革新对非反应性医疗状态患者的护理方式，同时指导日益复杂的AI系统朝着负责任的方向发展。

在人类生物学领域，研究聚焦于意识感知所需的最低限度神经条件。例如，德国马克斯·普朗克人类认知与脑科学研究所于2023年末记录的研究表明，特定配置的“整合信息”对于人类受试者的主观报告至关重要。整合信息是一种衡量系统各部分如何汇聚成一个复杂整体的指标。

“整合信息”这一概念，评估的是一个系统超越其组成部分，对自身所拥有的因果能力，它是当前数个意识理论的核心支柱。换言之，它衡量的是系统作为一个整体运作时的复杂性和不可分割性。

与此同时，平行探索也在审视非人类生命中的意识现象，尽管相关结论仍存在争议。意大利佛罗伦萨大学的研究团队记录了某些植物品种在响应外部刺激时，会产生复杂的电信号。虽然这暗示了一种基本的信息处理形式，但通常不被等同于在动物身上观察到的那种明确的意识。

快速发展的AI领域，特别是大型语言模型（LLMs），同样受到了严格的审视。位于英国的DeepMind等机构正在开发严谨的评估方法，以确定这些AI结构内部复杂、自引用的计算是否构成了一种合成意识的形式。这些测试通常会在AI的内部框架中寻找生物学上的对应物，比如“整合信息”或“全局工作空间”活动。

对个体体验差异的研究提供了进一步的洞察。利用功能性磁共振成像（fMRI）数据进行的研究发现，当参与者在麻醉状态下听取叙事时，默认模式网络（DMN）的动态变化支撑着更具个人色彩、更独特的体验。具体来说，当个体处于清醒状态时，DMN的差异性在个体间表现得更为显著。

相比之下，听觉网络和后背侧注意网络等在清醒状态下表现出更高的个体间相似性，这表明它们支持的是感知故事中更具普遍性的方面。发现这些跨越不同领域的意识的共同或独特特征，为辨别存在的本质奠定了一个关键框架。这项探索的目的并非在于赋予价值高低，而在于认识到任何以反映内部状态的方式处理和整合信息的系统所固有的复杂性，无论该系统是基于生物的还是基于硅基的。这种对感知机制的深入审视，为我们完善对“存在”这一错综复杂的图景的集体理解，提供了一个意义深远的机会。