【我的AI演讲 70】从人类认知机制看AI的突破之路

各位朋友，大家好！

就今天分享的主题是《从人类认知机制看AI的突破之路》

当今时代，AI浪潮汹涌澎湃，以大语言模型为底层技术的AI，在视觉识别、语言处理等单一任务上展现出令人惊叹的能力。然而，我们也不得不清醒地认识到，这些AI系统就像在特定轨道上运行的列车，虽然在既定路线上行驶顺畅，但一旦脱离轨道，面对复杂多变的环境，就会显得力不从心。它们缺乏对环境的深刻理解和自适应能力，而依靠现有的"预测下一个token"的底层架构，终究难以抵达AGI（通用人工智能）的彼岸。

那么，我们该如何突破这一瓶颈呢？我认为，重新审视并借鉴人类认知科学的成果，将为我们照亮前行的道路。人类的认知智慧，历经数百万年的进化，蕴含着突破现有AI架构的关键密码。其中，"约束满足"机制，正是我们需要紧紧握住的那把钥匙。

为什么说"约束满足"机制至关重要呢？因为AI要想"超越人"，首先得在认知层面"成为人"。这里的"成为人"，并非是拥有人类的外在形态，而是具备类似人类的认知方式。让我们把目光投向人类的认知过程，会发现一个有趣的现象：我们并非先构建理论框架，再去观察世界、采取行动，而是在已有信息和知识背景的约束下，不断构建对现象更连贯一致的解释。就像古人观察到太阳东升西落，最初形成了"天圆地方""地心说"的认知，随着对天文现象的了解日益深入，才逐步发展出"日心说"和现代宇宙理论。我们的行为决策也是如此，不是简单的"想好就干"，而是在环境、资源、能力等各种约束条件下，持续优化并寻找可行解决方案。3岁的孩子拿杯子时常常失误，而成年人却能迅速做出合理动作，这是因为成年人在熟悉的领域中，能够在脑海中预演行动和结果，快速得出满足所有约束的解。无论是认知建构还是行为决策，人类都在进行着一个在约束条件下寻求最优解的过程。

反观当前的AI大模型，它们就像被固定在模具中的产品，在固定的数据集和任务目标下训练完成后，便不再做大的调整。这就导致一旦面对超出训练范围的状况，它们就会方寸大乱。比如自动驾驶系统，在城市中能平稳运行，但在陌生环境或罕见天气条件下，就容易出现失误；OpenAI的Deep Research功能，在常规领域分析中表现出色，可在面对前沿或未知领域时，却常常"胡言乱语"。而人类在陌生环境中，虽然也会犯错，但我们会基于约束条件做出模糊判断和决策，并在不断尝试中朝着最优解逼近。这正是因为我们拥有"约束满足"的内在机制，能够在感知、记忆、决策等各模块间传递约束条件，实现认知优化，根据环境反馈实时调整行为策略。

大家常常担心数据会枯竭，本质上是因为AI大模型在训练完毕后就停止了学习的脚步。但人类的智慧却从未受限于数据的多少，我们能够终身学习和适应变化，"约束满足"机制在其中功不可没。从儿童到老年，从个人到企业，我们的约束条件始终在变化，而我们总能不断调整认知和策略，找到当下的解决方案，并在执行中不断优化。

AI的每一次重大发展，都源于我们对人类认知机制更深刻的把握。"约束满足"机制，就是认知科学为AI突破当前瓶颈、走向更高自主性提供的关键法宝。它能让AI像人类一样，在与世界的互动中越用越聪明，形成对世界更全面的认知，实现持续成长和灵活自主。当那一天到来时，真正的AGI将不再是梦想，人类也将携手AI，共同步入一个崭新的纪元。

让我们期待，在人类认知科学的启发下，AI能够突破现有架构的束缚，在"约束满足"的道路上迈出坚实的步伐，为我们开启通用人工智能的新篇章！

好的，谢谢大家！