主动推理与自我先验：AI模型在镜像标记任务中自发展现自我意识行为
镜像测试的AI新解：无需外部奖励，自我先验驱动自主行为
在认知科学领域，镜像自我识别测试（mirror self-recognition test）一直被视为衡量自我意识的重要标尺。这项经典测试要求受试者（通常是动物或幼儿）通过镜子发现自己身体上原本看不见的标记（如贴纸），并尝试触摸或移除它。传统上，这种行为被解释为具备“自我概念”的证据。
如今，一项来自东京大学等机构的研究为这一现象提供了全新的计算视角。研究人员开发了一个基于主动推理（active inference）的计算模型，让模拟的“婴儿”在没有任何外部奖励或指令的情况下，自发地发现了镜子中自己脸上的贴纸，并在约70%的案例中成功将其移除。
核心机制：自我先验与Transformer
这项研究的突破在于引入了**“自我先验”（self-prior）这一单一机制。该机制通过Transformer架构实现，其核心任务是学习熟悉的多感官体验（如视觉与本体感觉的关联）的概率密度分布。简单来说，模型通过日常观察和身体运动，建立了一个关于“自我”的概率化身体图式（probabilistic body schema）**。
当一个新的、不熟悉的标记（如脸上的贴纸）出现在镜子中时，它会与模型已学习的“自我”分布产生显著差异。这种预测误差（prediction error） 触发了主动推理过程：模型为了最小化未来预期的不确定性（即降低预期自由能，expected free energy），会自主产生指向标记的行为（如伸手触摸或移除贴纸）。
实验设计与关键发现
- 模拟环境：研究构建了一个模拟婴儿，仅依赖视觉和本体感觉，没有触觉输入。这更贴近婴儿早期发育的感官条件。
- 行为表现：在镜像场景中，模拟婴儿无需任何明确指令，便自发地“发现”了脸上的贴纸，并在约70%的试验中成功移除。移除后，预期自由能显著下降，验证了行为的内在驱动性。
- 跨模态验证：通过交叉模态采样，研究证实自我先验确实捕捉到了视觉-本体感觉的强关联，这构成了区分“自我”与“非我”的内部标准。
理论意义与行业启示
这项研究不仅为镜像测试中的关键行为提供了简洁的计算解释，更将自由能原理（free energy principle） 推向了自我意识研究的前沿。该原理认为，智能体通过主动感知和行动来最小化预测误差，从而维持自身在环境中的生存边界。
对AI行业的潜在影响：
- 无监督学习的新范式：模型完全依靠内部生成的“自我先验”驱动行为，无需外部奖励信号，这为开发更自主、更通用的AI系统提供了新思路。
- 具身AI与机器人学：研究强调了多感官融合与身体图式在智能行为中的核心作用，将推动具身AI（embodied AI）在复杂物理交互中的发展。
- 认知架构的启发：将Transformer用于学习动态、多模态的自我模型，展示了现代深度学习模型与经典认知理论（如主动推理）结合的巨大潜力。
未来展望与开放问题
尽管模型在简化环境中取得了令人瞩目的成果，但距离真正的“自我意识”仍有很长的路。例如，模型目前仅处理视觉和本体感觉，未来需要整合更丰富的感官模态（如触觉、听觉）和社会交互维度。此外，如何将这种机制扩展到更复杂的长期规划和抽象推理，也是值得探索的方向。
代码已开源，为社区进一步研究和复现提供了基础。这项研究或许只是冰山一角，但它无疑为用计算模型探索自我意识的发育起源打开了一扇新的大门。
