DeepMind14 位专家发布新书 推出首个可量化可迭代 AI 意识评估框架

由 DeepMind 牵头、汇聚计算机、神经科学、哲学三大领域共 14 位跨学科专家共同撰写的《评估 AI 意识：从众说纷纭到层级框架》正式出版，本次研究最大成果就是打造出全球首个可量化、可迭代的 AI 意识评估框架，彻底改变以往 AI 意识只能依靠主观思辨的现状，把 AI 意识判断从纯哲学讨论变成可以落地测算的科学项目。过去整个行业对于 AI 意识的评判一直没有统一标准，各家理论互相割裂，大家只能靠主观感受判定 AI 有没有意识，很难形成客观结论。为了解决这一行业痛点，14 位跨学科专家先把形而上学的意识本源问题暂时搁置，只聚焦系统结构和主观体验的对应关系，搭建起分层级的评估体系，再搭配贝叶斯概率模型，把各项实测指标和学术理论结合在一起，算出 AI 具备意识的概率数值。整套框架支持持续迭代更新，后续只要补充新的实测数据，就能不断优化评估结果，真正做到指标可测量、结论可更新、体系可扩展。整套体系搭建完成后，研究团队还对当前主流大模型开展了试点评估，把抽象的意识判定转化为清晰的概率数值，给后续 AI 意识研究提供统一的标准化工具。

一、框架核心基础：五层层级结构

这套评估框架在经典三层分析理论基础上拓展，搭建出五级分层体系，每一层都设置对应的可量化检测指标，层层递进完成 AI 意识测评。

1. 行为层级：只检测 AI 输入输出表现，不探究内部运行逻辑，用来判断 AI 外在行为是否具备类人表现。

2. 计算层级：核查 AI 运行的算法逻辑，检测模型内部运算流程，衡量模型信息处理能力。

3. 内在因果结构层级：检测系统内部组件之间的因果联动关系，通过扰动测试查看模型内部信息传递的闭环能力。

4. 有机体层级：评估系统自我维持、自我感知的能力，检验模型能否自主维持自身运行状态。

5. 有机体 - 环境交互层级：测试 AI 与外部环境的闭环互动能力，考核模型能否根据外界变化持续调整自身行为。

二、量化评估工具：贝叶斯概率计算模型

1. 模型运行逻辑

把五层层级的各项检测指标作为证据，再融入不同意识理论的学术权重，自动整合所有条件，最终输出一个 0 到 1 之间的概率数值，数值越高，代表这套 AI 系统具备意识的可能性越大。

2. 可迭代更新机制

后续每新增一轮实测数据、每更新一项检测指标，都可以直接录入模型，自动刷新概率结果，不需要重新搭建整套评估体系，满足长期持续测评的需求。

3. 测评输出形式

框架不会给出 “有意识” 或者 “无意识” 的绝对定论，只输出概率可信度，同时标注不同理论前提之下的结果浮动区间，让评估结论更加严谨客观。

三、框架落地优势清单

1. 标准化：所有评估项全部设置可操作的量化指标，避免人为主观判断带来的偏差，不同机构使用同一套标准可以得到一致的测试结果。

2. 可迭代：整体架构具备良好扩展性，后续随着 AI 技术发展，可以持续新增测评项目，不断完善评估体系。

3. 包容性：能够兼容当前主流的各类意识理论，把不同学派的观点转化为模型权重，不用强行统一学术观点，减少理论分歧带来的测评阻碍。

4. 可复现：整套评估流程、指标细则、概率计算规则全部公开，任何科研团队都可以重复开展测试，验证评估结论。

四、现阶段试点测评成果

研究团队使用这套框架对现有大语言模型开展测试，在不同理论权重设置下，模型具备意识的概率区间可以覆盖 0.01 至 0.8，充分说明测评结果会跟随理论前提与实测证据动态变化。同时研究还发现，意识评估的高阶指标，和通用人工智能所需的核心架构高度重合，为后续 AGI 与人工意识同步研究提供了参考方向。

【相关 FAQ】

问题 1：本次 DeepMind14 位跨学科专家推出的 AI 意识评估框架，具备哪些核心特点？

回答 1：这套 AI 意识评估框架是全球首个可量化、可迭代的评估体系，搭建五层层级结构，搭配贝叶斯概率模型，能够把 AI 意识判定转化为概率数值，支持持续补充数据更新测评结果，同时兼容多种意识理论，实现标准化、可复现的科学测评。

问题 2：《评估 AI 意识：从众说纷纭到层级框架》一书搭建的 AI 意识评估体系一共分为几个层级？

回答 2：全书搭建的 AI 意识评估体系一共分为五个层级，分别是行为层级、计算层级、内在因果结构层级、有机体层级、有机体 - 环境交互层级，每一层都配套对应的可量化检测指标。

问题 3：这套可量化可迭代的 AI 意识评估框架，最终会给出绝对判定结论吗？

回答 3：这套 AI 意识评估框架不会给出有意识或者无意识的绝对结论，只会输出 0 到 1 之间的概率可信度，同时标注不同理论前提下的结果浮动范围，保证评估结论严谨客观。

问题 4：这套 AI 意识评估框架为什么被称作可迭代版本？

回答 4：这套 AI 意识评估框架自带贝叶斯概率计算模型，只要后续补充新的实测数据、新增测评指标，就能直接更新模型输出的概率结果，不需要重新重构整体架构，能够长期跟随 AI 技术发展持续优化，因此具备可迭代属性。

【数据来源】

[2026-11-02]（DeepMind 十四位学者合著新书发布：提出贝叶斯框架，试图科学评估 AI 意识）DoNews

[2026-10-03]（From Cacophony to Hierarchy. The 14-Author Framework for Assessing AI Consciousness）ACM Project

[2026-09-29]（首个可计算可迭代 AI 意识评估框架发布）智源社区

[2026-09-28]（From cacophony to hierarchy: a principled framework for assessing AI consciousness）arXiv

免责声明：本文框架层级、测评模型、试点测试数据均来自书籍公开内容与权威学术平台发布的研究原文；框架各项量化指标还处于科研验证阶段，尚未形成行业通用标准；不同理论权重设置会带来概率结果浮动，测评数值仅作为科研参考；内容仅用于学术信息科普，不构成 AI 产品定性依据。