人工智能领域最近掀起了一场关于通用人工智能（AGI）的激烈争论，焦点集中在语言模型内部是否出现了类似人类意识的机制。Anthropic公司近期发表的论文《语言模型中的全局工作空间》引发了广泛关注，其研究团队在Claude模型中发现了一个名为J-space的特殊区域，这个区域在模型推理过程中扮演着关键角色。
研究人员发现，J-space并非人为设计，而是在模型训练过程中自然形成的。它类似于人类大脑中的"可访问意识"区域，能够集中处理需要多步推理的复杂任务。当Claude被问及能结网的动物有几条腿时，J-space会先激活"spider"（蜘蛛）这个概念，随后模型根据这个概念推导出正确答案"8条腿"。更引人注目的是，当研究人员人为修改J-space中的概念时，Claude的回答会随之改变——将"spider"替换为"ant"（蚂蚁）后，答案立即变为"6条腿"。
这个发现之所以重要，是因为J-space展现出五个与人类意识相似的特征：模型能够报告J-space中的内容；可以在要求下主动调用该区域；使用它进行内部推理；其中的概念能服务于多种任务；且具有选择性，只处理特定类型的复杂问题。实验表明，当关闭J-space后，Claude仍能回答简单问题，但在需要多步推理的任务中表现大幅下降，这表明J-space起着类似"草稿纸"的关键作用。
然而，就在Anthropic公布这项研究成果前不久，图灵奖得主杨立昆在社交平台X上公开质疑AGI概念，称"AGI中的'G'（通用）是胡扯"。他多次在公开场合表示，当前的语言模型虽然能通过各类考试，但这并不等同于真正的智能。杨立昆认为，真正的智能应该包括感知能力、物理直觉和因果理解等常识性能力，而这些恰恰是现有模型所缺乏的。
杨立昆以一个简单实验为例：当把一支笔竖立在笔尖上时，人类能立即知道笔会倒下，但无法预测具体方向，因为这取决于复杂的物理细节。相比之下，语言模型只能根据训练数据中的统计模式给出看似合理的预测，而这种预测往往是错误的，因为它没有真正理解物理现实，只是在完成统计补全。
这位深度学习领域的权威专家指出，智能体应该通过观察世界来学习其变化规律，然后在内部进行预测和规划，最终采取行动。虽然大语言模型掌握了大量语言和知识模式，但这仅仅是一个交互界面，而非对世界的真正理解。他特别强调，单纯依靠增加算力和模型规模（scaling）不会自动导致AGI的出现，因为语言数据无法承载真实世界的全部信息，自回归预测也不是高效的推理方法。
杨立昆的这些观点与他批评的"AGI末日论"形成鲜明对比。他经常公开反驳马斯克等人关于AI威胁人类的观点，认为当前系统离真正自主的智能还差得很远。在他看来，将现有语言模型描述为即将失控的AGI，不仅夸大了AI的能力，还可能导致AI泡沫的破裂。这种立场与Anthropic发现J-space所引发的AGI即将实现的猜测形成了有趣的对立。
