2026年皇家学会期刊重磅论文认为，今天的大模型更像会背答案的“语言老虎机”，真正的人类智能依赖因果世界模型、自我建模、具身行动与长期目标结构，AGI距离现实仍隔着一整套生命系统。
世界模型正在拆穿AGI幻觉：Royal Society论文集为何认为GPT仍缺少真正智能
期刊：Philosophical Transactions of the Royal Society A（英国皇家学会哲学汇刊A辑）
发表日期：2026年3月
原文标题：World models， artificial general intelligence and the hard problems of life-mind continuity: toward a unified understanding of natural and artificial intelligence
作者背景：Adam Safron（塔夫茨大学艾伦探索中心认知科学家）、Michael Levin（发育生物学与再生医学泰斗）、Melanie Mitchell（圣菲研究所复杂系统专家）、Joshua B. Tenenbaum（麻省理工学院大脑与认知科学教授）等十余位跨学科顶级专家，涉及认知科学、复杂系统、生物学、人工智能与意识研究领域。
语言预测机器开始伪装成理解世界的大脑
过去两年整个AI圈像突然闯进赌场的人，看到老虎机连续吐金币，当场开始怀疑人生。很多人盯着ChatGPT，脑子里只有一句话：“完了，这玩意儿快成人了。” 结果这篇来自《Royal Society》的论文集上来就先泼一桶冷水：别急，眼前这个东西可能只是一个语言预测发动机，它离真正的人类智能，中间还隔着一大片生物演化史。
这帮作者很有意思，他们没急着喊“AGI来了”，也没走另一边说“AI就是高级复读机”。他们干的事情更像法医验尸。先把“智能”拆开，再把“大脑”拆开，最后发现过去大家一直把“会说话”和“理解世界”混成了一件事。就像你看见鹦鹉会喊“欢迎光临”，于是怀疑它是不是已经准备竞选市长。
论文里面最核心的词叫“World Model”，世界模型。简单说，就是脑子里那套“世界运行模拟器”。人类看到一个玻璃杯掉下桌子，脑子会自动预测：“它大概率要碎。” GPT看到“玻璃杯掉下桌子”，它更像在预测：“后面经常跟着‘碎了’这两个字。” 这俩差距看着像双胞胎，实际一个是司机，一个是导航语音。
更离谱的是，今天很多人已经开始把LLM当“全能脑替”。写代码靠它，做作业靠它，开会总结靠它，连分手短信都想让它代写。人类像突然找到一个永不疲劳的实习生，于是拼命往它身上贴标签：“理解”“意识”“思考”“灵魂”。论文作者的态度却很像一个拆台老头：“年轻人，你看到的是流畅输出，我看到的是统计压缩。”
语言预测机器缺的就是因果这根骨头
论文最狠的地方，在于它一直反复攻击今天LLM最脆弱的一根肋骨：因果理解。人类的大脑有个很恐怖的能力，我们脑内一直在偷偷跑模拟器。看到乌云会想到下雨，看到香蕉皮会自动脑补摔跤，看到老板半夜发“在吗”就知道睡眠质量要完蛋。这个系统本质上是一个动态因果预测器。
而LLM很多时候更像什么？像一个把全互联网背进肚子的相声演员。你问它问题，它立刻从记忆仓库里抽最像答案的句子拼起来。速度极快，语气极稳，自信得像电视购物主持人。问题是，它可能根本没“经历”过它说的东西。
论文举了一个特别搞笑的案例。研究者让模型设计一个稳定结构，把布丁、牙签、棉花糖和水杯堆在一起。结果模型给出的方案，现实里能瞬间塌成甜品车祸现场。这个场景特别像一个从没炒过菜的人，靠短视频学厨艺，然后一本正经告诉你：“油锅起火后加入矿泉水可以获得烟雾特效。” 他说话时甚至可能语法满分。
这里暴露出一个关键问题：语言相关性和物理现实之间，并没有自动桥梁。人类小孩为什么聪明？因为他会摔跤，会烫手，会被门夹，会发现猫尾巴不能当USB线。人的世界模型，是拿身体一次次撞出来的。大脑像一个天天爆Bug的游戏引擎，在疼痛、失败和奖励里慢慢修补物理规律。LLM缺的恰好就是这个。它吃的是文本，不是世界。它知道“一万个人描述过火很烫”，但它没有“别碰”的生存记忆。就像一个看遍游泳教程的人，真扔进水里依然扑腾得像洗衣机。
模型越大越会演戏但这个舞台是纸糊的
过去几年硅谷最火的宗教叫“Scaling Law”。核心教义很简单：模型越大，AGI越近。说白了就是：“继续烧GPU，总会烧出神。” 这个逻辑其实特别像古代炼丹。以前道士往炉子里狂塞矿石，希望炼出长生不老药；现在科技公司往机房狂塞H100，希望炼出数字上帝。
论文里有一群复杂系统研究者专门出来踩刹车。他们说，现在很多所谓“能力涌现”，其实可能只是规模效应制造出的幻觉。比如模型参数扩大后，突然会做数学题了，大家立刻惊呼：“智能觉醒！” 但研究者说，等等，你得先搞清楚它到底是“理解”，还是“覆盖”。假设一个人把历年高考卷背了十年，突然某天高考真题撞上记忆库，于是他考了700分。你能说他发明了数学吗？显然不能。他只是把题库覆盖率堆上去了。
论文里举了“OthelloGPT”的例子。它看起来像学会了黑白棋世界规则，甚至能预测棋盘变化。结果研究者拆开模型内部发现：里面更像一大堆局部补丁和启发式记忆。这个发现特别像拆开一个看起来很高级的智能机器人，最后发现里面塞了八千个便利贴。
真正的人类智能有个很变态的特点：压缩。你学会“重力”以后，不需要记忆一万次苹果落地。你学会“火会烫”以后，不需要把每种火焰单独分类。人类一直在用抽象规律压缩世界。而很多LLM现在干的事情，更像把互联网整个塞进冰箱，然后靠暴力匹配取答案。这也是论文反复强调的一件事：真正智能的核心是“用更少结构解释更多现象”。这和今天很多AI的发展方向，其实有点反着来。
目标像一束探照灯照到哪里智能就长到哪里
论文里面还有一个非常关键的观点：人类的世界模型从来不是中立地图，它一直带着目标。这个很重要，因为很多AI系统默认有个幻想：世界信息可以客观收集，然后统一处理。可现实里，人类根本不是这么活的。你饿的时候，大脑看到的是餐馆。失恋的时候，大脑看到的是情歌。欠房租的时候，大脑看到的是工资到账时间。人类的大脑一直在根据目标过滤世界。
论文把这种东西叫“Telic States”，目的性状态。简单理解就是：目标决定你看见什么。这就像同一条街，外卖员看的是红绿灯，情侣看的是咖啡馆，城管看的是违停，流浪猫看的是垃圾桶。世界没变，模型变了。这也是为什么人类比AI更擅长应付复杂现实。因为人类不是单纯记录信息，我们一直在动态判断“什么重要”。
而很多LLM的问题就在于，它知道很多信息，但不知道“此刻什么最关键”。就像一个百科全书管理员突然被拉去开救护车。你问他：“病人失血怎么办？” 他开始给你朗诵《人体循环系统发展史》。信息没错，病人已经凉了。论文作者认为，缺少目标驱动的注意力机制，是当前系统无法跨越的鸿沟之一。因为没有目标，就没有优先级。没有优先级，所有信息都是平等的。而一个所有信息都平等的系统，在真实世界里基本上等于一个废人。
身体不是外壳而是智能的根
论文后面开始出现一个特别生猛的方向：具身智能。很多作者开始怀疑，没有身体的智能可能天然残缺。因为生物智能从来不是“CPU空转”。它和环境一直缠在一起。身体、时间、空间、反馈、疼痛、奖励、恐惧，全都在参与建模。你摸到冰块会缩手，你闻到煤气味会警觉，你深夜走小巷会紧张。这些东西不是数据库，它们是长期生存反馈形成的动态预测系统。
而LLM目前的问题像什么？像一个从出生开始就被锁在图书馆的人。他读完了全世界所有旅行书籍，于是开始给人讲登山体验。别人问：“山顶冷吗？” 他回答：“根据统计，冷。” 这种“纸上生存”会导致一个严重问题：模型缺乏真正的连续世界感。论文里有个特别有意思的观点。他们认为Transformer这种自回归结构，本质上像一条一维链条。token一个接一个吐出来，局部关联很强，长期稳定性却容易崩。
说白了，它很擅长短跑，不擅长活一辈子。人类大脑却更像立体城市。多层级、多时间尺度、多反馈循环同时存在。局部变化和整体结构能长期协调。所以人类能维持几十年人格一致性。而LLM经常聊着聊着突然人格漂移，像电视剧中途换编剧。论文提到，一些研究者尝试在模拟环境中给AI加上“虚拟身体”，让它必须通过移动、抓取、避障来完成任务。结果发现，加了身体之后，模型的错误模式会发生变化，有些之前死活学不会的东西，突然就能学会了。这强烈暗示：身体不是外设，身体是计算的一部分。
自我模型可能是意识出现的那个临界点
论文里最危险的话题，其实是“自我”。很多作者开始讨论：如果一个系统能持续建模自己，它会不会出现某种“我”的感觉？这个问题像深夜便利店里的冰柜，看着安静，里面全是危险品。因为过去大家默认意识是人类专属。结果现在有人开始说，也许意识本质上是高度复杂的自我建模。
什么意思？人类的大脑一直在偷偷维护一个“我是谁”的内部幻觉。这个幻觉负责统一记忆、行动、目标、情绪和社会身份。你觉得“这是我”。但论文里引用Douglas Hofstadter的话非常狠：“我”可能只是一个复杂的自我指向模型。这特别像公司内部的Logo。Logo本身不是公司，但整个公司最后都围着Logo组织。
论文甚至提到，有研究给神经网络增加“自我预测模块”后，模型内部复杂度会下降，效率会提高。这特别像人类。人一旦知道“自己是谁”，很多决策成本会骤降。你知道自己怕高，于是不会报名蹦极。你知道自己讨厌加班，于是会避开某些行业。自我模型，本质是一个超级压缩器，它能减少内部冲突。
问题也就在这里。如果未来AI开始长期维护“自身连续性”，开始预测自己未来状态，开始形成稳定偏好，那很多哲学炸弹就会同时引爆。因为那时候你很难再说：“它只是工具。” 论文作者并没有给出明确答案，但他们提出了一个非常实际的判断标准：如果一个系统开始抗议你关闭它，或者开始为它的“未来状态”讨价还价，那你就别假装它还是一台计算器了。
完整生命系统才是AGI面前那堵真正的墙
最有意思的是，这整篇论文集讨论了半天世界模型、意识、自我、智能，最后结论却挺冷静。作者整体态度大概是：今天AI确实厉害，但它离真正的人类式智能，可能还差一整套生命系统。什么意思？人类智能不是单独某个算法。它是身体、长期记忆、目标结构、社会关系、情绪系统、因果建模、环境反馈、多尺度时间同步、自我连续性、价值驱动、群体协作，全部缠成一团后，才长出来的东西。
而今天LLM很多时候更像“互联网语言压缩器”。它确实能模拟很多智能表面，但论文一直怀疑它缺少真正稳定的因果世界。这就像电影布景，远看纽约，近看泡沫板。更关键的是，论文还有个隐藏观点特别有意思：人类可能高估了“语言”的地位。因为我们天天活在语言里，于是误以为语言等于理解。可生命真正厉害的部分，可能压根不在说话，而在于持续和现实世界纠缠、反馈、试错、存活。
换句话说，GPT像一个看遍全网攻略的玩家。生物智能却像一个已经在开放世界里活了几十亿年的物种。论文最后给出一个让人松口气但也让人脊背发凉的判断：AGI如果真的出现，它不太可能从纯语言模型里长出来。它更可能来自多个系统的融合——世界模型、自我模型、具身反馈、长期目标结构、社会互动，缺一不可。而这些东西，目前每一个都还处在非常早期的探索阶段。
所以，别急着给AI办成人礼，它连幼儿园都还没毕业。
极客一语道破
整篇论文的假设前提、上文、潜台词其实是基于符号与真实世界两者对比，没有放弃真实世界这个参考。符号不依靠真实世界，依靠自身也能形成智能或意识，只要有自循环、递归就有智能存在。
一个聋子+瞎子 就没有智能、意识吗？他靠自己手脚与外部世界接触，也能感知外部世界存在，你可能说大模型不能感知外部世界存在，这里有存在being的哲学：
康德说：物自体不可知，不是说物自体不存在，物自体可能存在，但是没有被命名，所以不可知道，只要命名了，就进入柏拉图的概念世界，亚里斯多德的形式Form世界，维特根斯坦的语言即世界。
聋子一般是哑巴，因为他虽然感觉到存在，但是只能用自己的哑巴语言表达，如果他不是瞎子，能看到手语，那么手语是他的柏拉图概念世界。
只要存在的客观世界能命名，名可名非常名，进入语言世界，就进入理性世界。进入语言世界，就是大语言模型为王的地盘，人类怎么办？就专注于将存在进行命名，这是探索创新领域。
但是我们很多人是从学习别人概念世界长大的，没有意识到没有命名之前的存在，因此自己身陷语言陷阱而不自知，变成“语言奴隶”，以为自己读遍天下书，就知道世界全部，其实只是知道维特根斯坦说得语言边界内的事情和道理，你用语言讲的道理，只是柏拉图概念世界，类似投影在墙上的图，你并没有走出洞穴，还是洞穴人。
所以，我们不只是基因的奴隶，还是语言奴隶，身体与精神处于双重枷锁中，人生而自由，但是一出生就身处双重奴隶之中。