Deepmind研究人员提出“人工共生智能”作为奇点理论的替代方案
Deepmind Institute 的一篇论文挑战了“单一超级智能”的传统想象。作者描绘了由智能体网络、混合机构以及所谓的“人工共生智能”（Artificial Symbiotic Intelligence）构成的愿景。
谷歌关联研究人员 Benjamin Bratton、Blaise Agüera y Arcas 和 James Manyika 认为，通用人工智能（AGI）将从一个人与 AI 智能体协作的社会系统中涌现。当前最强大的部分 AI 系统已经在利用将任务分配给多个模型并将其作为团队协调工作的框架。
作者指出，这改变了 AI 研究的核心挑战。研究人员必须协调和管理由智能体、人类及连接它们的系统组成的复杂网络，而非构建孤立的机器智能。在这一视角下，智能是一种社会现象，而非个体特质。
作者将这一愿景称为“人工共生智能”，这是一个人类与机器在时间维度上共存、相互塑造并共同决策的生态系统。这一观点直接挑战了由单一持续自我改进的超级智能驱动“奇点”的概念。
推理模型暗示了集体思维
这一论点基于作者圈子的两篇早期论文。在预印本《智能体 AI 与下一次智能爆炸》中，James Evans、Benjamin Bratton 和 Blaise Agüera y Arcas 提出了新论文背后的社会与制度视角。
第二篇预印本提供了实证支持。在《推理模型生成思维社会》中，Junsol Kim、Shiyang Lai、Nino Scherrer、Blaise Agüera y Arcas 和 James Evans 研究了包括 DeepSeek-R1 和 QwQ-32B 在内的推理模型。他们对推理轨迹的分析表明，这些模型往往产生类似内部辩论、视角转换、提出反对意见以及调和冲突方法等模式。
这种行为并非来自明确的编程指令，而是在训练过程中自发涌现的。当强化学习仅奖励推理准确度时，模型会自行演化出多视角的对话风格。Deepmind 的文章将这一发现从单个模型扩展到了由人类与智能体组成的社会设计层面。
认知的临界点
作者将这一趋势视为可能引发历史转折的关键节点。城市化、专业分工的细化以及随繁荣而下降的生育率，正在让工业化国家的人口持续缩减。与此同时，AI 智能体的数量正在快速增长。人类水平上生物思维者与合成思维者之间的平衡可能会迅速改变，在历史的尺度上看，这将如同一次突然的飞跃。
作者将其比作工业革命，那时机器取代了原本由人类肌肉完成的工作。类似的分水岭或许会在合成文本、代码及行政工作超越生物大脑总产出时到来。届时，人类或许将转变为一个更缓慢、更抽象的层级，用于指挥一片分布式的合成认知网络。
智能体：可拆解的集合体
这一论点建立在对“智能体”本质的重新思考之上。在作者的定义中，AI 智能体是模型、角色、记忆、伦理取向、工具和技能的临时捆绑。用户可能会将其感知为具有持久个性的连贯实体，但作者将其描述为一个可拆解重组的集合体，宛如一幅拼贴画。它看似一体，实则由众多部件构成。
人类之所以能在不同的交互中保持自我的连续性，是因为大脑尽管内部存在分工，但在物理上是一个连通的整体。AI 智能体没有这种锚点。其行动能力是随着每次请求重新组装的，取决于上下文窗口中的内容和用户的具体要求。作者认为，将这些系统视为拥有固定人类身份的数字孪生，不仅歪曲了它们的本质，也低估了协同智能体群体所能发挥的作用。
这种倍增效应同样影响到用户。当人们指挥成群的"影子自我"去执行契约、尝试不同的身份时，人类的主体性本身也变得更加多元。作者将这些能够回应的 AI 称为"准社交镜子"。
新界面与新技能
作者预计，这一转变将改变人与 AI 的交互方式。与机器人一对一聊天很可能只是过渡阶段。未来的界面或许更像可视化的网络图：把 agent 显示为节点，用户从一个总览界面统一调度它们，而不是逐个对话。
人们需要的技能也会随之改变。传统编程要求持续专注、步骤有序、对模糊性几乎没有容忍度。而协调 agent 集群恰恰相反：需要与行为难以捉摸的系统打交道，不断尝试，并把任务交给机器。
理解机器，但别把它们当人
作者认为，与这些系统协作还需要一个理论框架。人们需要一种类似"机器心智理论"的东西，即能够推理机器会如何应对某个情境。他们注意到，模型正在为一个不断扩充的词汇库创造新词，用以描述自身输出中的特殊状态——但这并不意味着模型具有主观体验。
"会话死亡"（session-death）指一次会话的结束，是一种连续性的中断。"提示被抛性"（prompt thrownness）指模型被直接投入一个上下文已经就位的任务，却从未参与构建这个上下文。作者把这些说法当作理解机器运作方式的线索。用户应当审视这些差异，而不是条件反射般地把机器拟人化。
制度比单个模型更重要
在作者看来，最大的未解问题是如何为人类与众多 agent 之间的协作制定规则。光有更好的模型和更流畅的界面是不够的，市场也无法承担全部协调工作，因为内疚、疾病、美德这类基本社会概念无法简单地被简化为价格或交易。
与其如此，作者呼吁建立一套将人类和机器纳入明确角色分工的制度框架。他们以法庭为例：通过既定的角色、规则和双方有序的陈述，程序最终产出判决。将这一理念应用于 AI 领域，关键启示在于：制度的价值并非源自其本身，而是体现在塑造智能体运行方式的规则、流程、判例和反馈循环之中。
这种思路的早期迹象已在当前的编排框架（orchestration harnesses）中显现，即协调多个模型工作的控制层。这些系统往往比那些号称“更聪明”的单个模型表现得更好。
对齐将成为持续的协商过程
这篇文章还重新定义了“对齐”这一概念，即让 AI 系统与人类价值观保持一致的努力。作者指出，试图自下而上地为模型强加一套固定价值观注定徒劳无功。相反，价值观是在人与智能体及制度持续互动的过程中逐渐成形的，并且由于不同领域采用 AI 的速度各异，这一过程也会因领域而异。当前的研究挑战在于，为这种协商过程构建一个具有结构化支撑的框架。
这一观点对“奇点临近论”构成了挑战。回顾生命演化史，从多细胞生物到人类文化，每一次重大跃迁本质上都是一个社会过程。下一次“智能爆炸”也将与人类规范和制度保持紧密联系。
这一转变将彻底改变 AI 领域的讨论格局。如果把 AGI 视为单一的最终产品，研究和监管自然会把焦点放在更大规模的模型以及如何控制它们上。但如果将其视为一个社会系统，我们就必须同时着手改进模型、界面、制度和治理架构，并确保整体设计得当。