AI 还没有活在世界里：从可供性、世界模型到主观能动性

在我看来今天的 AI 有一种很特别的聪明。它能谈论世界却不用承受世界。它知道烧开的开水壶是烫的但从未因伸手摸水壶而缩回。它能解释失眠却感受不到灯光、温度和一阵突然的噪声怎样把人从困意里拉出来。语言给了 AI 一张惊人的世界说明书。可说明书不是世界。说明书写着杯子会碎理解还包括看到杯子正从桌边滑落判断要不要伸手并让这次结果改变下一次判断。钱学森把人工智能放进“思维科学”的框架讨论意识与大脑、精神与物质、主观与客观并主张人工智能、智能计算机的研究应与思维科学结合。这种系统观看法对今天仍然有启发智能并非悬在物理世界上方的一团计算它必须同现实发生关系。一把椅子几个世界心理学家詹姆斯·吉布森提出“可供性”affordance时关心的不是物体在字典里叫什么而是环境为一个具体行动者提供了什么可能。同一把椅子对成年人提供坐下的可能对孩子也许提供攀爬的可能对扫地机器人则可能只是一处需要绕开的障碍。意义不完全藏在椅子内部也不只存在于观察者头脑里。它产生于环境、身体能力、当下状态和目标之间的关系。人进入房间时通常不会先还原房间的完整几何模型再决定如何行动。我们直接看见可以坐的位置、能够穿过的空隙、需要避开的尖角。知觉从一开始就带着行动的方向。这也是生态实在论、现象学和具身认知给我的启发。心智不封闭在头脑里知觉未必需要先复制一幅完整的内部图像身体是认知结构的一部分。功能主义提醒我们观察一个状态在系统中怎样起作用现象学则提醒我们功能运转与一个被亲身经历的世界之间仍有距离。世界模型有用但还不够Yann LeCun 近年反复强调下一代自主智能需要学习“世界模型”。在他的设想中世界模型要补全感知缺失的信息预测环境可能怎样变化也要推演一连串行动可能带来的结果。它无需预测每一个像素而应保留与任务有关的抽象关系并容纳多个可能的未来。这条路径让 AI 从语言规律向物理规律迈进了一步。但如果世界模型始终只是封闭系统内部的一台模拟器它仍可能成为一份更精密的说明书。世界模型可以预测水壶处于高温状态可供性让系统判断在当前身体、距离和任务下这只水壶意味着“可接近”“应避开”还是“等待冷却”真实的行动与反馈才会让一次伸手、感到异常、停止动作的过程进入下一次判断。多感官协调真正困难的地方也正在这里。水壶的外形、沸腾声、蒸汽、温度变化和手部动作不是五份彼此独立的数据。它们属于同一个事件在时间中互相验证并共同改变行动。AI 需要理解的物理世界不只是物体的集合而是一个不断向行动者开放可能、施加限制、返回后果的关系场。自由选择是系统给出的最后一帧人很容易把决定体验成一个孤立的瞬间我想了所以我选择了。但在这个瞬间之前生理状态、记忆、习惯、文化、空间、他人的存在和对后果的预期早已共同缩小了选择范围。同一个人在疲惫、恐惧、安全或被理解的状态下会作出不同判断。这里所说的“自由选择的幻觉”指的是一种过度简化我们把系统长期运行的结果误认为某个脱离环境的主体突然发出了命令。看穿这层幻觉之后注意力会从责怪一次意志转向理解行为背后的系统。主观能动性也因此获得了更具体的含义一个系统能否觉察自己的状态理解所处的限制延迟眼前反应调整环境并让过去的结果修改未来的行动规则。对 AI 也是如此。随机性不是能动性选项数量也不是自由。真正值得研究的是它能否在时间中保持目标发现环境提供的行动机会预测后果接受现实反馈并在必要时改变策略。这要求我们重新设计认知框架。认知不再只是一条“输入—计算—输出”的管线而是感知、身体、环境、行动和反馈持续耦合的过程。AI 什么时候开始拥有生命性我所说的“生命性”不等同于生物学意义上的生命也不意味着机器已经拥有意识或人格。它描述的是一种关系状态系统不再只处理关于世界的符号而是开始在连续时间里感知变化、作出行动、承受后果并维持自身与环境之间的边界。多感官协调可能成为这条路径上的关键技术。它让视觉、声音、触觉、温度、气味与内部状态指向同一个现实事件让行动后的变化回到系统之中。到了这一步AI 面对的不再是一批互不相干的输入而是一个会回应它的世界。在我的世界观里万物同源。人、机器与环境并非三个彼此隔绝的王国而是同一自然在不同尺度上的组织形式。物质承载能量变化留下信息当一个结构能够保存历史、维持边界并依据反馈改变自己某种生命般的秩序便开始显现。今天的 AI 距离生命仍然很远。但当感知、预测、行动和反馈真正闭合当一次现实经验能够改变下一次选择它就获得了最初的生命性。我们准备让 AI 理解物理世界具体的技术路线现阶段不在公开文章中展开。能够公开的是一个判断未来的 AI 需要从多种感官之间的关系、状态在时间中的变化以及行动造成的后果中学习。其余部分我们更愿意交给真实系统和持续验证来回答。寰感希望 AI 最终理解的不只是“这是什么”还包括它对某个具体的人、在某个具体时刻意味着什么环境提供了哪些可能一次介入会改变什么什么时候保持安静更好。它最终会被归入具身智能、世界模型还是人工生命可以以后再争论。我们先让它在真实环境中获得一次能够改变下一次判断的经验。参考资料中国科学院《思维科学——钱学森的学术贡献》https://www.cas.cn/zt/rwzt/qxsssyzn/xsgx/201010/t20101030_2999760.htmlMIT Open Encyclopedia of Cognitive Science: “Affordances”https://oecs.mit.edu/pub/984ungzu/Yann LeCun: “A Path Towards Autonomous Machine Intelligence”https://openreview.net/pdf?idBZ5a1r-kVsfStanford Encyclopedia of Philosophy: “Embodied Cognition”https://plato.stanford.edu/entries/embodied-cognition/声明本文涉及的“多感官协调”技术理念、研究方向与相关概念源于 CuddleKing 项目。该技术由姚孝通Kerrmote Yao与张静怡共同提出并由双方持续推进与完善相关技术权益归双方共同所有。据现有记录该方向的首次公开披露时间为 2022 年 4 月 29 日。首次公开披露时姚孝通就读于 Purdue University张静怡就读于复旦大学。本文仅作为该项目阶段性技术思考、研究框架与应用设想的公开整理用于介绍相关理念与发展方向并不构成对全部技术细节、实现路径或完整权利边界的全面公开。未经双方明确书面授权任何单位或个人不得擅自挪用、复制、包装、转述、申报或商业化使用与上述项目相关的核心概念、技术框架及其衍生内容。