← 返回日报
🌐 机器翻译 · DeepSeek · MIT TR

The path to artificial superintelligence


以下是您要求的英文文章的中文翻译,已按照要求保留原文结构、代码块、技术术语,并输出为 Markdown 格式。


通往超级人工智能之路

下一代多智能体系统需要一种水平架构,使其能够共享意图、上下文和推理,从而解决任何单一智能体都未经训练的大规模问题。

由 MIT Technology Review Insights 存档页面提供 2026 年 7 月 27 日 与 Outshift by Cisco 合作

想象一个由多个 AI 智能体组成的医疗系统:一个负责症状评估,另一个负责预约,第三个负责保险,第四个负责药房。每个智能体都是其领域的专家。但它们各自拥有不同的知识和目标。如今,它们可以交换数据,但如果没有人类做出决策,它们仍然无法真正协调患者护理。

“智能已经存在。缺失的是将四个陌生人变成一支团队的连接组织,”Cisco 旗下 Outshift 的高级副总裁兼总经理 Vijoy Pandey 解释道。

这种“连接组织”来自于添加一个语义层——Outshift 称之为“认知互联网”——它使跨领域的智能体能够协同工作,并且关键的是,通过共享的意图、上下文和推理来共同“思考”。这个语义层依赖于其下方一个名为“智能体互联网”的连接层,该层允许自主智能体相互发现、验证身份并在不同领域之间交换消息。当两者结合使用时,它们就能实现“通往分布式超级人工智能道路上的下一步,”Pandey 说。

从孤立的硅基天才到“认知互联网”

多年来,AI 行业一直专注于增长。垂直扩展带来了更大的模型,在更多数据上使用更多算力进行训练。这产生了推理能力,可以像 AI 智能体的“大脑”一样,使其能够在数字环境中感知、推理和行动。

Pandey 表示,虽然垂直扩展可以持续产生能力更强的智能体,但为了在不同系统、公司和平台之间实现智能体式的问题解决,下一个扩展轴必须是水平的。

多智能体系统已经在软件工程、药物发现和科学模拟等领域得到探索,但迄今为止它们的表现并不理想。一项研究发现,在评估七个开源多智能体系统时,失败率在 41% 到约 87% 之间。

“连接的智能体能够很好地处理协调行动;它们可以处理那些见过形状、被分解并传递的任务,”Pandey 解释道。“它们做不到的是共同持有一个目标,并朝着它们都没有被训练去解决的问题进行推理。”

“差距在于架构,而不是提示问题,”Pandey 补充道。“如果没有正确的协调层,天真的多智能体设置可能比单个智能体表现更差。真正的阶跃变化在于,智能体团队能够自行汇聚,解决一个新问题,而无需人类来缝合缝隙。”

为了实现这一目标,Pandey 表示 Outshift 已经构建了一个名为 AGNTCY 的连接层,这是一个现在由 Linux 基金会管理的开源项目。AGNTCY 允许来自不同系统、公司和平台的智能体通过开放、标准化的协议相互发现、验证身份并交换消息。而且,正如 Pandey 所解释的,这使得认知互联网的论点得以更进一步。它创建了一个语义层,允许智能体对齐目标(共享意图)、汇集机构知识和复合记忆(共享上下文),以及做出集体权衡(共享推理)。

Pandey 将这一进展比作人类的进化:“在数十万年的时间里,人类个体变得越来越聪明,但每一次进步都随着个体的死亡而消失,”他解释道。“大约 7 万年前,这种情况发生了变化,当时人类学会了共享意图、积累知识并进行集体推理。那是分散的个体成为文明的时刻。”

“智能体正处于同样的门槛。我们已经构建了硅基天才并赋予了它们自主性。它们缺少的是让人类走向集体的那一层,”他说。

迈向分布式超级智能的第一步

使智能体能够集体工作依赖于技术栈中的三个支柱:

通过认知状态协议共享意图:认知状态协议是一种语义握手,允许智能体在行动前就目标达成一致,然后通过协商实现目标。Outshift 创建了一个名为 Mycelium 的开源协调层,组织可以克隆它并将其用于自己的智能体。

“我们发现,在 14 个场景中,无组织的群体大约有三分之一的时间能达成决策,”Pandey 谈到内部测试时说。“一个协调协议要求智能体在行动前声明目标、揭示缺失信息并解决冲突,这使决策成功率提高到 93%。”

通过认知结构共享上下文:认知结构是一种共享的机构记忆和通信网格,允许智能体的洞察随时间累积,而不是在每个会话中重置。Pandey 表示,这个由策略管理的上下文层通过确保系统的基础智能只增不减,解决了“组织失忆症”的问题。

通过认知放大器与护栏技术共享推理:两种认知引擎可以结合使用以实现共享推理。认知放大器加速共享推理和建模,而护栏技术(GATs)则创建安全、成本和合规框架。人类是这一层的积极参与者,对系统路由给他们的判断做出决策(而不是事后审查输出)。

多智能体系统中的认知共享可能带来新的风险,包括非预期的委托、恶意提示注入或记忆中毒,或者权限和数据远超任务需求的过度授权智能体。因此,需要针对特定环境的控制措施来防止非预期的行为或后果。

“智能体具有类似人类的属性,但以机器速度运行,并且……”


📖 阅读原文 →