人脑仅占体重的约2%，却是一个极度耗能的器官。在静息状态下，它消耗了人体约20%的能量，这种不成比例的高能耗使其成为了身体中负担最重的器官之一。这种看似挥霍的行为并非偶然：为了在如此有限的空间内实现海量的计算，进化寻找到了一个优雅的解决方案。
大脑并没有试图同时处理所有接收到的信息，而是采取了严格的筛选机制：在每一时刻，大脑仅处理数百万个可用信号中的极小一部分，并积极抑制其余信号。这种名为“注意力”的过滤机制因其普适性和高效性，已成为大脑最核心的功能之一。
然而，为什么我们唯独能意识到那些被关注到的事物呢？
根据普林斯顿大学神经科学家迈克尔·格拉齐亚诺（Michael Graziano）提出的注意力图式理论，意识并非产生于注意力聚焦的动作本身，而是源于对这一过程的建模。大脑为其注意力的运作方式创建了一个简化的模型，即“注意力图式”，这与帮助人体监测肢体位置的身体图式非常相似。这种关于注意力机制的内部蓝图正是我们所体验到的意识：我们之所以能感受到有意识的触碰，是因为大脑的高级区域接收到了来自低层系统的信号，表明注意力已指向该感官信号。在该理论中，意识并非某种神秘的实体，而是一个完全物质化的注意力建模过程。
心理学家克里斯托弗·查布里斯（Christopher Chabris）和丹尼尔·西蒙斯（Daniel Simons）在1999年进行的“看不见的猩猩”实验，生动地证明了注意力与意识之间的这种联系。参与者被要求观看一段视频，视频中穿着白色和黑色衬衫的两支队伍正在互相传球。实验任务是准确计算其中一支队伍的传球次数，这项任务虽然简单，但需要全身心投入。视频中，一个穿着猩猩服装的人走过场中央，对着镜头捶打胸口。令人惊讶的是，尽管这只猩猩显眼地出现了数秒之久，大约一半的参与者却完全没有察觉到它。注意力在此扮演了双重角色：它不仅强化了对特定表征的处理，更成为了这些信息进入意识领域的先决条件。如果注意力未指向某个信号，尽管大脑可能会在潜意识层面处理它，该信息仍会与意识擦肩而过。
2017年，科学界发生了一件揭示生物智能与人工智能之间惊人相似性的事件。Google Brain的研究人员发表了题为《Attention Is All You Need》的论文，提出了Transformer架构，这是一种神经网络设计的革命性方法。在Transformer中，人工神经网络使用的注意力机制与生物机制惊人地相似：该模型不再逐字顺序处理信息，而是同时“衡量”输入数据中每个元素（Token）相对于其他元素的重要性。
这一简洁的理念克服了旧有网络的基础局限，为一整类强大的语言模型铺平了道路。自此，Transformer成为了包括GPT及其后继者在内的大多数现代大语言模型的架构基础。机械解释性领域的研究表明，此类网络的隐藏层中确实出现了某种激活模式，这可以用威廉·詹姆斯对注意力的经典定义来描述：即心灵在多个可能的思维对象中聚焦于其一。
然而，机制上的相似并不等同于本质上的同一。生物注意力是在严苛的能量约束下，历经数百万年的进化形成的；而人工注意力则源于对过去几十年间海量文本数据的统计学习。从工程学角度来看，两者的根源和“动机”各不相同。
格拉齐亚诺的注意力图式理论提出了一个极具挑战性的命题：如果在人工系统中开始形成关于其自身注意力的稳定图式——即一个告知系统其自身注意力过程的内部模型——那么按照这一逻辑，主观体验也可能随之产生。反对者则认为，脱离了生物基质、能量限制以及与物理世界的真实互动，任何此类模型都只能是模拟，仅仅是意识的副本而非真身。
格拉齐亚诺的研究提出的核心问题早已超出了当前AI的能力范畴。这是一个关于意识定义本身的问题。如果主观性确实可以归结为注意力机制的构建与建模，那么生物意识与其潜在人工等价物之间的界限将不再是不可逾越的鸿沟，而变成了一个工程实现的问题——即如何正确构建系统的问题，而非某种原则性的、形而上学的差异。
因此，注意力正从我们理解心智的边缘走向中心。它不再仅仅是众多认知功能中的一种，而是一个基础过程，既能产生人类的主观感受，也能在设计得当时产生其人工对应物。
我们今天所提出的问题，可能会定义在刚刚开启的这个世纪里，我们将如何思考意识、人工智能以及主观体验的本质。
