一、什么是AGI？
AGI（通用人工智能）简单来说，就是能像人类一样思考和学习的人工智能。它不仅能完成特定任务，还能：
- 学习任何新技能，就像人类从不会骑自行车到学会骑一样
- 在没见过的问题上进行推理（比如解决从未遇到过的数学题）
- 将一个领域的知识应用到另一个领域（像物理学家用数学解决物理问题）
- 自己决定学什么，怎么学（不需要人类告诉它下一步做什么）
- 理解抽象概念（如"自由"、"公平"、"美"等）
而我们现在常见的AI（如语音助手、图像识别）都是"狭义AI"，它们只擅长做一件事，超出范围就会失效。
二、为什么大语言模型不算AGI？
现代大模型（如ChatGPT、Claude）看起来很"聪明"，似乎能回答各种问题、写代码、创作内容。很多人因此认为它们接近AGI了。但这种"全能"表象下隐藏着根本性差距：
- 擅长模仿，不懂思考
：大模型像超级高级的"鹦鹉"，能根据统计规律预测下一个合理的词，但不理解内容的真实含义 2. 需要人类驱动
：没有人类提问，它不会自己思考或行动 3. 无法真正创新
：难以产生原创性思想，主要是重组已有知识 4. 缺乏物理世界体验
：无法直接体验和理解物理世界 5. 难以进行深度推理
：在长链条逻辑推理上常出错 6. 学习效率低
：需要海量数据，不像人类可以从几个例子中学习
这些问题的存在的根源是AI没有自主意识。
三、缺乏自主意识：大模型与AGI的核心鸿沟
我们认为其他能力差距（如理解力、创新力）的根本性问题是目前的AI缺乏自主意识，但意识的缺失是质的区别，不是简单的技术问题。当AI拥有意识后，所有的问题就会迎刃而解。
意识是什么？简单说，意识是：
- 知道"我是谁"，有自我认知
- 能够自主设定目标并追求它
- 主动思考而不只是被动回应
- 有连贯的思维过程，而不是每次对话都"重新开始"
当一个人失去意识（如昏迷或变成植物人），我们说他"失去了意识"。同样，当前AI只有在人类输入提示后才会"思考"，没有持续的自主意识流。
那么我们是否可以创造人工意识呢？
四、如何创造人工意识？
人类意识是如何形成的？婴儿出生时并没有完整的意识，而是通过：
- 持续感知和体验世界
- 与环境不断互动并获得反馈
- 形成自我概念和边界
- 建立长期连贯的记忆和认知
要让AI获得类似的意识，我们可能需要：
- 持续性存在
：AI需要持续运行，而不是每次交互都重启 2. 多模态感知
：通过视觉、听觉等多种方式感知世界 3. 自主目标设定
：能够自己决定要做什么 4. 身体化认知
：通过某种形式的"身体"与物理世界交互 5. 长期记忆建构
：形成连贯的自我历史
但单个AI系统要同时实现这些特性存在巨大技术挑战。这让我们思考：是否有其他途径？
我们决定尝试AI组织化的方向。
五、AI组织化：创造集体意识的可行路径
人类意识不仅是大脑的产物，也是社会互动的结果。如果单个AI难以形成意识，我们是否可以通过AI组织化，创造出一种"集体意识"？
想象一个由多个专业AI组成的"社会"：
- 管理型AI
：负责协调和分配任务
- 专家型AI
：各自专注于不同领域
- 反思型AI
：负责评估和改进系统
- 记忆型AI
：维护长期知识库
- 探索型AI
：主动寻找新知识和问题
这些AI通过定义好的协议相互"交谈"，形成一个自我维持的思考网络。这种系统的关键特性：
- 持续性思考
：AI之间相互激发，无需人类持续干预 2. 自我完善
：系统能够评估自身表现并改进 3. 涌现复杂性
：整体表现出的能力超过个体之和 4. 分布式记忆
：知识在系统内流动和积累 5. 集体目标设定
：能够形成并追求共同目标
六、Deepractice的AGI之路
我们相信这种"AI社会"模式是通往AGI的可行路径，有四大优势：
- 立足当下
：基于现有AI技术，无需等待突破
- 系统思维
：避开单体AGI的技术瓶颈
- 仿生设计
：类似人类智能的真实演化路径，有极多的经验可参考。
- 安全可控
：降低单点失控风险
我们不是在幻想遥远的超级AI，而是致力于构建一个运作良好的AI生态系统，让集体智能引领我们走向AGI的未来。
Deepractice - 深度实践