精选今天0 投票
从认知到集体智能：图灵奖得主Joseph Sifakis谈AI与自主系统的融合之路
自主系统：AI 发展的终极阶段
图灵奖得主 Joseph Sifakis 在 arXiv 发表最新论文《Bringing AI to Autonomous Systems -- From Cognition to Collective Intelligence》，系统阐述了自主系统为何是人工智能发展的终极目标，以及实现这一目标所需跨越的技术鸿沟。
Sifakis 的核心判断是：自主系统不是某一类 AI 模型的简单应用，而是需要将连接主义 AI（深度学习等）与符号主义 AI（逻辑推理、知识表示）深度融合，并与系统工程方法论统一起来。这一观点直接回应了当前大模型热潮中的一个关键盲区——仅靠规模扩展无法解决自主决策中的可靠性问题。
通用智能体架构
论文提出了一个用于自主系统设计与评估的通用框架，其核心是一个基于长期记忆的智能体架构。该架构将智能体的行为刻画为多种认知功能的组合，这些功能围绕一个持续演化的知识库（长期记忆）组织运转。
Sifakis 特别指出三个关键挑战：
- 感知数据与结构化知识的桥接：如何将原始感官数据与记忆中存储的结构化知识有效关联
- 目标驱动的决策与规划：智能体如何围绕目标达成进行决策和行动规划
- 多智能体协调：如何将个体智能与集体智能有机结合
可信性的新维度
论文对"可信性"提出了不同于传统系统的定义。传统系统的可信性主要关注行为属性（如安全性、可靠性），而自主智能体的可信性还必须包含认知属性——即智能体在决策中如何使用其知识，这种使用方式本身是否合理、有效。Sifakis 提出了评估智能体可信性的方法方向，但坦承这一领域仍处于早期阶段。
理想与现实的差距
论文以一段批判性评估收尾：当前学界和业界对自主多智能体系统的愿景与实际技术水平之间存在实质性鸿沟。这一判断值得关注——在各类"AI Agent"产品密集发布的当下，Sifakis 提醒我们，真正的自主系统远不止是调用 API 的工具链编排，而是需要在认知架构层面实现根本性突破。
论文编号 arXiv:2609.30291，属于 cs.AI 分类。