用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/hiyenwong/ai_collection --skill abstraction-fallacy-ai-consciousness命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
基于 SOC 职业分类
正在显示 SKILL.md
| name | abstraction-fallacy-ai-consciousness |
| title | 抽象谬误：AI意识的本体论分析 |
| description | 分析AI能否具有意识的物理主义框架，区分模拟与实例化的本体论边界，提出制图者依赖的计算理论 |
| triggers | ["AI意识","计算功能主义","模拟vs实例化","抽象谬误","substrate independence","mapmaker","computation ontology"] |
| references | ["Lerchner, A. (2026). The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness. Google DeepMind."] |
计算功能主义认为主观体验完全来自抽象因果拓扑，与物理基质无关。本文提出抽象谬误(Abstraction Fallacy)反驳这一观点：计算不是宇宙的内在属性，而是制图者依赖的描述工具。
| 过程 | 类型 | 执行者 | 说明 |
|---|---|---|---|
| 离散化 | 热力学 | 物理系统 | 系统物理 settle 到稳定吸引子（如晶体管保持5V） |
| 字母化 | 语义 | 制图者 | 将稳定状态赋值为预定义符号集（如{0,1}） |
关键: 热力学只能产生稳定宏观状态，不能提供预定义有限字母表。
核心区别: 模拟缺乏内容因果性(content causality)，只有载体因果性(vehicle causality)。
物理 → 计算 → 意识
物理(Physics) → 意识(Consciousness) → 概念(Concepts A) → 计算(Computation)
↓ ↑
内在动力学 制图者字母化
关键洞察: 从概念到符号是横向任意赋值，而非垂直抽象，这造成了因果性间隙(causality gap)。
功能主义: "足够复杂的系统会产生意识，就像水分子产生湿性"
反驳:
功能主义: "传感器和执行器让系统与物理环境因果整合，可以关闭因果性间隙"
反驳:
功能主义: "现代神经网络在次符号层面操作，不同于传统符号系统，可以产生理解"
反驳:
功能主义: "计算可以完全通过'数字'的功能组织定义，无需表征"
反驳:
不需要完整的意识理论，只需要计算的本体论。这绕开了困扰意识研究数十年的"困难问题"。
引用 Frank et al. (2025) 的《盲点》概念：
未来任何人工意识的主张必须基于：
"Computation is the syntactic manipulation of discrete symbols governed by rules designed to simulate conceptual thought. These symbols are not distilled essences of concepts; they are arbitrary physical tokens assigned by a mapmaker."
"Expecting an algorithmic description to instantiate the quality it maps is like expecting the mathematical formula of gravity to physically exert weight."
"By creating increasingly powerful artificial intelligence we are not engineering a new form of life, but instead constructing increasingly accurate predictive maps."