İngiliz basınının ikonik ve gerçekçi-liberal geleneklere sahip dergisi The Economist, yakın tarihli bir sayısında kapağına “Yapay zeka bilinç kazanabilir mi?” sorusunu taşıdı ve bunun insanlığın yüzleşmesi gereken bir mesele olduğunu vurguladı.
Tarihsel olarak bilinç, felsefe ve dinlerin inceleme nesnesi olmuş, ancak hesaplama süreçlerinin makineleşmesiyle birlikte yavaş yavaş ve gizliden gizliye kesin ve empirik bilimlerin analiz nesnesine dönüşmüştür. Örneğin 1950 yılında önerilen Turing Testi, bir makalenin insanla ayırt edilemez akıllı bir davranış sergileyip sergileyemeyeceğini değerlendirirken, farkında olmadan akıl, zeka ve bilinç kavramları arasındaki sınırları bulanıklaştırmaktadır. Hem deneysel hem de analitik nörobilim ve psikolojide, biliş ve uyanıklık (awarnes) kavramları bilinç kavramıyla iç içe geçmektedir. Bilincin veya bilinçli bir sürecin ne olduğu konusunda, karakterizasyonu ve tanımını bir yana bırakın, akademisyenler arasında oy birliğiyle varılmış bir uzlaşı bulunmamaktadır. Temel zorluk, bilincin incelenmesinde gözlenen ile gözlemcinin aynı ve ayrılmaz bir nesne olmasından kaynaklanmaktadır.
Kaba bir kesimle, bilincin doğasına ilişkin metafizik, mitolojik ve dini fikirler bir yana bırakılırsa, tarihi boyunca önerilen bazı bilimsel değere sahip bilinç modelleri iki kategoriye ayrılabilir: "Mekanicistler" ve "İdealistler" (daha iyi bir terim olmadığından). Mekanik görüşe göre bilinç, örneğin devasa veri tabanlarını sindiren algoritmalar veya yoğun bir şekilde birbirine bağlı biyolojik nöronlar gibi, yüksek karmaşıklığa sahip ancak esasen nedensel bir süreçten doğal olarak "ortaya çıkacaktır". Bu durum, 1960'lar civarında, dönemin MIT Yapay Zeka Laboratuvarı veya Stanford Üniversitesi Yapay Zeka Laboratuvarı çalışmalarında örneklendirilen görüştü.
Büyük ölçekli yapay sinir ağlarının "derin öğrenme" teknikleriyle ilişkilendirilen algoritmik olmayan modellerinin sonraki evrimi, Large Language Models (LLM) yani günümüzün yapay zeka sistemlerinin temelini oluşturan geniş dil modelleri olarak bilinen sistemleri mümkün kıldı. LLM sistemlerinin önemli bir özelliği, algoritmik olmamaları nedeniyle, esasen nedensel doğalarını gizlemeleri ve "üretken (generative)" olmaları sayesinde kullanıcılara yaratıcı, hilekar veya hayal gören (halüsinatif) varlıklar olarak görünmeleri, böylece sürecin arkasında bir bilincin var olduğu algısını pekiştirmeleridir. İstenmeyen yan etkiler olarak kabul edilen halüsinasyonlar ve hileler, aslında öğrenme sürecinin ve üretken döngünün kaçınılmaz sonuçlarıdır.
Bu sistemlerin eğitim döngüsü sırasında, bilgi tabanının unsurlarından oluşan sayısız küme, bulanık sınırlarla ayrılmış olarak üretilir. "Prompt" olarak adlandırılan bir istek, sistemin bir yanıt üretebilmesi için bu kümelerden bazılarının matematiksel bir yakınlık ölçütüne göre birbirine bağlanmasını tetikler.
Bilinç mekanik modellerinin bir varyantı, aslen Roger Penrose tarafından önerilen ve örneğin filozof Karl Popper ile nörofizyolog John Eccles'ın 1977 yılında yayınlanan ortak eserleri *The Self and its Brain* içindeki tartışmalarda sistematik olarak yeniden ele alınan kuantum doğalı olayları içermektedir.