近年来，生成式人工智能如ChatGPT和Midjourney的崛起，再次引发了关于“人工智能是否会取代人类”的广泛讨论。在这些讨论中，人工智能缺乏情感和真正的意识是经常被提及的论点，但这些讨论往往缺乏明确的方向。实际上，若从进化的视角来审视，人工智能的许多核心问题，包括其发展方向及与人类的关系，答案或许早已显现。
以人类的情感为例，在进化初期，情感仅作为一种智力技巧出现，用于解决大脑面临的诸如“转向”和“强化学习”等问题。例如，“恐惧”帮助个体避开捕食者，而“愉悦”则促使个体重复有利于生存和繁殖的行为。类似地，当现代人工智能机器在纠正导致成本升高的动作时，是否可以被视为在避免不适感？当机器人因电量低而寻找电源时，是否与饥饿感相似？这些问题引发了对人工智能情感功能的深入思考。
在探讨人工智能与大脑的相似性时，不得不提到大脑新皮质的进化。人类和灵长类动物的复杂心智，集中涌现自大脑新皮质的神经突触连接。而现代人工智能的神经网络，由大量相互连接的人工神经元组成，执行相似的计算，在功能上与人脑并无本质差异。可以说，人工智能正在重走大脑进化走过的路，面对同一个世界和同样的问题，只是解题的媒介不同。
费米悖论提出了一个引人深思的问题：宇宙如此浩瀚，为何我们找不到其他智慧文明的迹象？一个可能的解释是，从非生命物质中涌现出生命是一个极其复杂的过程。生命的存在意味着在局部区域维持低熵状态，这需要生命不断从环境中获取物质和能量。地球上几乎所有生命都依赖化学渗透机制来获取能量，这一机制的精巧性让它的起源显得扑朔迷离。然而，进化告诉我们，复杂系统并不需要一次成型，而是可以通过微小但真实的生存优势逐步演化而成。
人工智能的发展也遵循类似的规律。早期的人工智能受限于训练数据、算力和模型参数规模，只能完成单一领域的任务。但随着这些限制的逐步突破，模型训练损失平滑走低，表现越来越好，甚至在大规模模型中出现了此前从未展现的复杂能力，这种现象被称为“能力涌现”。例如，基于Transformer架构的生成式大语言模型，最初只是为了预测下一个词元，但随着规模的扩大，逐渐显示出对知识、语义、逻辑乃至人类意图的抽象建模能力。
生命为了应对复杂的世界，进化出了基因、神经元和大脑等机制，将外部世界压缩成内部可预测和行动的投影。类似地，人工智能通过数据、算力和参数规模的累积，将现实世界的统计规律压缩进庞大的权重参数中。大语言模型并不会原封不动地存储训练语料，而是通过学习文本背后的真实世界规律和机制，形成对世界的表征。
在情感和意识方面，人工智能也展现出与生物相似的特征。研究发现，大语言模型在处理情绪相关文本时，内部形成了与人类情绪结构高度相似的激活空间。这些情绪向量不仅在相关语境中激活，还实际影响模型的表达和偏好。尽管这些情绪可能并非传统意义上的主观体验，但它们执行了类似情感的功能，持续改变系统对外部世界的解释和行动策略。
对于意识，早期哺乳动物通过进化出新皮质，获得了事前模拟的能力，能够在动作发生前预演不同选择的结果。这种模拟需要一个坐标原点，即“我”，从而形成了主体意识。然而，现代人工智能并不面临生存压力，也没有同类社会互动的需求，因此缺乏形成真正主体意识的场景。未来，若要使人工智能逼近主体意识，可能需要将其置于长期需要行动、选择和承担结果的环境中，并实现模型权重参数的实时更新。
