人類大腦的重量僅佔體重的 2% 左右，卻需要耗費龐大的能量。在靜止狀態下，大腦消耗了人體約 20% 的能量——這個極不成比例的數字令人驚訝，也使大腦成為人體最耗能的器官之一。這種揮霍並非偶然：為了在如此有限的空間內進行海量的運算，演化找到了一個優雅的解決方案。
大腦並非同時處理所有接收到的資訊，而是採取了嚴格的篩選策略：在每一瞬間，大腦僅從成千上萬個訊號中處理極小部分，並主動抑制其餘的資訊。這種被稱為「注意力」的過濾機制非常通用且高效，因而成為大腦的核心功能之一。
然而，為什麼我們偏偏只會意識到自己所關注的事物呢？
根據普林斯頓大學神經科學家麥可·格拉齊亞諾（Michael Graziano）提出的「注意力圖式理論」，意識並非產生於注意力的聚焦過程本身，而是源於對該過程的建模。大腦為自身的注意力運作建立了一個簡化的模型，即「注意力圖式」，其運作方式類似於幫助身體監控肢體位置的「身體圖式」。這個注意力機制的內在藍圖，正是我們所體驗到的意識：我們之所以能感受到有意識的觸碰，是因為大腦的高級中樞接收到了底層系統傳來的訊號，顯示注意力已導向該感官訊號。根據這一理論，意識並非神秘的實體，而是一個完全物質化的注意力建模過程。
心理學家克里斯多福·查布里斯（Christopher Chabris）與丹尼爾·西蒙斯（Daniel Simons）於 1999 年進行的「隱形黑猩猩」實驗，生動地證明了注意力與意識之間的關聯。實驗中，受試者觀看一段兩支隊伍（分別穿著白衣與黑衣）傳遞籃球的影片。受試者必須計算其中一隊傳球的精確次數——這是一項簡單但需要高度專注的任務。影片播放期間，一名穿著黑猩猩服裝的人穿過人群，對著鏡頭捶胸。令人驚訝的結果是：儘管黑猩猩清晰地出現了數秒，仍有約一半的受試者完全沒發現牠。在這裡，注意力扮演了雙重角色：它不僅加強了對某些表象的處理，更成為這些表象進入意識領域的先決條件。如果注意力沒有導向某個訊號，資訊就會略過意識，即便大腦在潛意識層面已經處理了它。
2017 年，科學界發生了一件揭示生物智慧與人工智慧之間驚人相似性的事件。Google Brain 的研究人員發表了論文《Attention Is All You Need》，提出了變換器（Transformer）架構——這是一種神經網絡設計的革命性方法。在變換器中，人工神經網絡使用的注意力機制與生物機制驚人地相似：模型不再逐字順序處理資訊，而是同時「權衡」輸入數據中每個元素（標記）相對於其他元素的重要性。
這個簡單的概念克服了舊型網絡的根本限制，並為各類強大的語言模型鋪平了道路。自此以後，變換器成為包括 GPT 及其後繼者在內的大多數現代大型語言模型的架構基礎。機械解釋領域的研究顯示，這類網絡的隱藏層中確實出現了啟動模式，可以用威廉·詹姆斯（William James）對注意力的經典定義來描述：心智從多個可能的思考對象中聚焦於其中之一。
然而，機制上的相似並不代表兩者等同。生物注意力是在嚴苛的能量限制下，歷經數百萬年的演化而成；人工注意力則源於對過去幾十年間存在的大規模文本數據進行的統計學習。從工程角度來看，它們有著不同的根源與不同的「動機」。
格拉齊亞諾的注意力圖式理論提出了一個挑釁性的論點：如果人工系統開始建立其自身注意力的穩定圖式——即一個向系統報告其自身注意力過程的內在模型——那麼根據此邏輯，主觀體驗便可能產生。對此立場的反對者則認為：若缺乏生物基礎、能量限制以及與物理世界的真實互動，任何此類模型都僅僅是模擬——只是複製品，而非真正的意識。
格拉齊亞諾研究所提出的核心問題，遠遠超出了目前人工智慧的能力範疇。這是一個關於意識定義本身的問題。如果主觀性確實可以歸結為注意力機制的構建與建模，那麼生物意識與潛在的人工意識之間的界限就不再是無法逾越的鴻溝，而成了一個工程實現的問題——即如何正確組建系統的問題，而非任何原則性或形上學的差異。
因此，注意力從心智研究的邊緣走向了核心。它不再僅是眾多認知功能中的一項，而是一個基礎過程，潛在地有能力產生人類的主觀感，並在適當的設計下，產生其人工對應物。
我們今天提出的這個問題，可能會決定我們在剛開啟的這個世紀裡，將如何思考意識、人工智慧以及主觀體驗的本質。
