Deepmind 研究人员提出“人工共生智能”，作为奇点的替代方案

2026-10-03

一篇为 Deepmind 研究所撰写的文章挑战了人们熟悉的孤独超级智能形象。作者设想由智能体、混合制度以及他们所称的“人工共生智能”组成的网络。与谷歌有关的研究人员本杰明·布拉顿、布莱斯·阿圭拉·伊·阿尔卡斯和詹姆斯·曼尼卡认为，通用人工智能（AGI）将从一个社会系统中涌现，在这个系统中，人和 AI 智能体协同工作。当今一些能力最强的 AI 系统已经使用在多个模型之间分工并将它们作为团队协调的框架。作者说，这改变了 AI 研究的核心挑战。研究人员必须协调和治理一个由智能体、人以及连接它们的系统组成的复杂网络，而不是构建一个孤立的机器智能。在这种观点中，智能是一种社会现象，而不是个体特征。作者把他们的愿景称为“人工共生智能”，即一个人类与机器随时间共存、相互塑造并共同决策的生态系统。这一想法直接挑战了由单一超级智能驱动的“奇点”概念，这种超级智能会不断自我改进。

该论点建立在作者圈此前的两篇论文之上。在预印本《智能体 AI 与下一次智能爆炸》中，詹姆斯·埃文斯、本杰明·布拉顿和布莱斯·阿圭拉·伊·阿尔卡斯发展了这篇新文章背后的社会和制度视角。第二篇预印本提供了实证支持。在《推理模型生成思想社会》中，金俊率、赖世阳、尼诺·谢雷尔、布莱斯·阿圭拉·伊·阿尔卡斯和詹姆斯·埃文斯研究了 DeepSeek-R1 和 QwQ-32B 等推理模型。他们对推理痕迹的分析表明，这些模型经常产生类似内部辩论、转换视角、提出异议和调和冲突方法的模式。这种行为在训练期间出现，而不是被明确编程。当强化学习仅因推理准确性奖励模型时，它们会自行发展出多视角、对话式行为。Deepmind 的这篇文章将这一发现从单个模型扩展到由人和智能体组成的社会可能的设计。

作者将这一发展描述为可能的历史断裂。城市化、专业职业的增长以及与繁荣上升相关的出生率下降，正在使工业化国家的人口减少。与此同时，AI 智能体实例的数量正在快速增长。在人类层面上，生物思考者与合成思考者之间的平衡可能变化得如此之快，以至于在历史尺度上看起来像一次突然跳跃。他们将其与工业革命相比，当时机器接管了曾经由人类肌肉完成的工作。当合成文本、代码和行政工作超过生物大脑的总产出时，一个类似的临界点可能到来。人们届时可能充当一个更慢、更抽象的分层，指挥一个分布式合成认知场。

该论点依赖于重新思考智能体究竟是什么。在作者的用法中，AI 智能体是模型、角色、记忆、伦理取向、工具和技能的临时组合。用户可能将其体验为一个具有持久人格的一致实体，但作者将其描述为一个可以拆解和重新组合的集合体，很像一幅拼贴画。它可能看起来像一个东西，但它由许多部分组成。一个人在不同互动中仍是一个连续的自我，因为大脑尽管内部有分工，却形成一个物理上连接的整体。AI 智能体没有这样的锚点。它的行动能力会随着每次请求重新组装，取决于上下文窗口中有什么以及用户要求什么。作者认为，把这些系统当作具有固定人类身份的数字孪生，会错误地表征它们的本质，并低估协调的智能体集群能做到什么。

Deepmind 研究人员在一篇文章中提出“人工共生智能”，认为 AGI 将从人、AI 智能体和混合制度组成的社会系统中涌现，而非来自单一超级智能。文章还引用推理模型研究，指出模型在训练中会自发出现多视角辩论行为，并强调协调与治理复杂智能体网络将成为核心挑战。

这是什么信号：这不是又一轮“AGI 何时到来”的预测，而是一次叙事框架的切换。Deepmind 相关研究人员把 AGI 从“单个超级智能持续自我改进”的奇点叙事，转向“人工共生智能”：由人、AI 智能体、混合制度和连接系统组成的网络。文中还把智能体定义为模型、角色、记忆、伦理取向、工具和技能的临时组合，强调它更像可拆解重组的拼贴，而不是有固定身份的“数字孪生”。

为什么重要：它把 AI 研究的中心问题从“造出更强的孤立机器”改成“协调和治理复杂的人机智能体网络”。这会影响技术路线、组织设计和政策讨论：如果推理模型在只奖励准确率的强化学习中自发出现内部辩论、换视角、提异议和调和冲突，那么多智能体协作就不只是工程外挂，而可能是模型能力形成的一部分。文章还用城市化、专业分工、低出生率与 AI 智能体数量增长对比，提醒人类与合成认知的平衡可能快速变化，治理窗口不会很长。

对谁有价值：对 AI 平台和基础设施团队，价值在于把多智能体编排、上下文管理、权限与审计当作核心产品能力；对企业管理者，价值在于重新设计“人+智能体”的流程，而不是只买一个聊天工具；对政策与机构设计者，价值在于把混合制度、责任归属和冲突解决机制提前纳入；对个人，价值在于理解自己未来更像分布式合成认知的“慢层”指挥者，需要提升提问、分解、验证和治理能力。

可以怎么行动：第一，把智能体当成可组合角色而非固定员工身份，围绕任务临时装配模型、记忆、工具和权限。第二，为多智能体协作建立可观测性：谁提议、谁反对、谁拍板、如何留痕。第三，在训练和评估中加入协作质量、视角多样性和冲突调和指标，而不只看单点准确率。第四，在组织中试点“人机混合小组”，明确人类保留的抽象目标设定、价值判断和最终责任。第五，提前讨论智能体数量膨胀后的身份、安全、版权和责任边界。

风险或限制：“人工共生智能”目前仍是概念框架和早期实证线索，不是已经落地的完整方案。推理痕迹中出现内部辩论，不等于模型具备真正的社会意识或稳定人格。把智能体视为临时组合，也可能给责任追溯、安全对齐和用户信任带来新难题。人类人口与智能体数量的对比是长期宏观判断，受经济、政策和技术瓶颈影响，不能当作短期预测。企业在采用时，最大的限制往往不是模型能力，而是流程、数据和治理成熟度。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Deepmind 研究人员提出“人工共生智能”，作为奇点的替代方案》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。