想象一台在野外工作的机器人。任务还没完成，但电量正在下降，关节温度也越来越高。普通智能体可能仍只盯着外部目标继续行动；更理想的系统则会把“我还能撑多久”纳入判断，决定继续、休息、求助，还是更换计划。
Choong-Wan Woo 在 Nature Machine Intelligence 发表的 Perspective（观点与框架文章）提出，“内感知 AI”（interoceptive AI）或许能为这种能力提供一条路线。它不是让机器获得自我意识，而是让智能体显式监测和调节自身状态。现有材料只有论文摘要和订阅预览，以下内容因此主要是对其理论主张的解释，不代表方案已经通过实验验证。
不只问“外面怎样”
智能体（agent）是能够观察环境、选择行动，并根据结果继续调整的系统。今天常见的设计重点是外部环境：目标在哪里、障碍是什么、采取哪个动作能得到更高奖励。
论文建议把问题拆成两部分：一部分变量描述外部环境，另一部分明确描述系统内部环境。后者可以包括能量、温度、损伤或资源余量。作者进一步主张，用数学形式描述这些内部状态如何变化，以及它们如何影响学习和行为。
这借用了生物学中的“内感知”（interoception）。在人和动物身上，它指对心跳、饥饿、疲劳等身体内部状态的感知。放到 AI 中则是一种功能类比：系统读取并调节自己的运行条件。这里的“察觉自身”不等于机器拥有主观感受，也不意味着它像人一样“感觉到”疲惫。
给行动加一条内部标尺
这套框架的关键，不只是增加几个传感器，而是改变智能体判断行动好坏的参照系。
生命体不会只追逐外部收益，也会维持“稳态”（homeostasis）——把体温、血糖等控制在可生存的范围内。对应到人工系统，就是让保护关键内部状态也成为行动目标。机器人即使看见一条更短的路线，也可能因为剩余能量不足而选择更稳妥的方案。
Woo 认为，内部状态始终伴随智能体，相比不断变化的外部环境，可以成为较稳定的参照信号。它们还能为系统提供具有“内在价值”的情境：某个动作是否合适，不只取决于外面发生了什么，也取决于系统此刻处于什么状态。
论文还提出，可以借鉴神经调质机制等生物过程。神经调质可以粗略理解为：生物系统会随整体状态改变信息处理和行为倾向。映射到 AI，目标是让同一个智能体在不同内部条件下采用不同策略，从而形成依赖情境的适应行为。
为什么这条路线值得看
过去谈提升 AI，注意力常落在扩大模型或增强外部感知上。这篇文章换了一个角度：自主性可能也来自系统持续回答“我现在怎么样”。自主性指无需人逐步指挥也能持续追求目标；适应性则指外界或自身条件变化后仍能调整策略。
作者尝试把控制论、生命理论、强化学习和神经科学放进同一框架。其价值首先在于提出一套共同语言：把内部与外部状态分开表示，再研究内部状态如何调节学习和行为。如果这条思路能够落地，智能体或许不再只会追逐眼前奖励，还能判断何时继续、暂停、求助或改换计划。
局限与未知
- 这是一篇 Perspective，而非实证研究。摘要没有提供实验、基准、样本量、效果数字或真实系统验证，不能据此断言内感知已经提升了 AI 性能。
- “普遍可用”“具有内在价值”“稳定参照信号”等表述属于作者的理论主张。订阅预览不足以核查具体机制、适用条件和证据强度。
- 框架中的内感知是对人工系统内部状态的监测与调节，不等于自我意识、主观感受，也不等同于生物意义上的身体感觉。