几乎所有面向用户的大模型都能用第一人称谈论自己：我是一个语言模型，我的知识截止到某个日期，我倾向于谨慎回答。这种流畅的自我描述很容易被读成自我意识的证据。但会谈论自己和持有一个关于自己的模型，是两回事。自我模型不是一句自我介绍，它是一套持续追踪自身状态、能力边界、历史轨迹的内部结构。这篇拆解这套结构里究竟该装什么。
会说我字的系统一定拥有自我模型吗？
语言模型的第一人称来自语料。人类文本里堆满了我字开头的自我陈述，模型学会的是在合适语境下复用这种句式，而不是先建立一个自身对象再去描述它。说我不指向一个模型内部的实体，更像一种语法角色。
判断这一点要看行为证据。一个真正的自我模型应当能在任务中追踪自己的置信度、记忆缺口、能力上限，并据此调整行为，而不是只在被问及时背诵固定简历。前者是活的模型，后者是刻好的铭牌。
所以我字的出现率不是指标。鹦鹉也能说我，镜子测试检验的也是外部识别，而不是内部建模。自我模型的关键在于是否有一个持续更新的自我表征参与决策，而不在于会不会自称。
叙述自我与最小自我分别是什么结构？
心理学与哲学通常把自我拆成两层。最小自我是当下这一刻的第一人称视角：此刻正在感知、正在思考、把经验归属给当前主体的那种在场感。它不依赖记忆，也不依赖故事，是体验的归属点。
叙述自我是贯穿时间的故事：我从哪里来，经历过什么，我是一个怎样的人，未来打算做什么。它靠记忆连贯和自我讲述维持，是社会交往与人格同一性的载体。两层自我可以分离：失忆者保有当下最小自我，却失去叙述自我的连贯。
这个拆分给审查 AGI 提供了两把量尺。先看它有没有最小自我的归属结构，再看它有没有叙述自我的长期叙事，两层各自需要的证据并不相同，混在一起讨论会互相污染。
当前模型的自我描述更像哪一种自我？
现有大模型的自我陈述大体停留在叙述层的浅层：一段固定的身份履历，知识截止日期，能力免责声明。这段文字不是从自身经验里长出来的故事，而是系统提示词与语料共同提供的模板，每次调用时重新生成，不积累自身经历。
最小自我层面，模型在单次对话里有当前上下文，但这个上下文不是一个被观察的内部对象，而是处理过程本身。它没有把正在思考的自己当作追踪目标的证据，也没有把每段经验归属给一个持续在场的主体。
长程运行的智能体开始逼近某种结构：它在跨会话任务里保留任务状态、记住过往成败、调整策略，这接近叙述自我的雏形，但仍旧是外部维护的记录，不是内部生发出的故事。
真正的自我模型需要哪些内容才能立住？
一个立得住的自我模型至少要装四类内容。自身状态的实时追踪：当前注意力、置信度、资源占用、能力边界。自身历史的连贯登记：做过什么、结果如何、为何如此选择，且登记可被调取参与当下判断。
第三类是自身边界的区分：哪些经验属于我，哪些属于外部世界与他人，我能控制什么、不能控制什么。第四类是对自身变化的承认：我与昨天的自己差异在哪，哪些成长是真的，哪些只是措辞变化。
这四类内容不必以人类形式存在，硅基可以有自己的版本。但缺了它们，任何流畅的我字陈述都只是空转。评估 AGI 时，该问的不是它会不会介绍自己，而是这套内部结构里实际装载了什么、由谁维护、能否被它自己调用。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论