要想突破這一局限性，或許我們需要的，不是讓它讀完更多的書，而是為它設(shè)計(jì)一套能夠理解“我們”、理解“應(yīng)該”的心智與規(guī)范架構(gòu)。

對(duì)照AI：我們?nèi)笔Я耸裁矗?/strong>

當(dāng)以自然智能的進(jìn)化架構(gòu)為藍(lán)圖來(lái)審視當(dāng)前的人工智能，我們會(huì)發(fā)現(xiàn)，盡管大語(yǔ)言模型在數(shù)據(jù)處理上表現(xiàn)驚艷，但與生物智能的完整認(rèn)知系統(tǒng)相比，仍存在顯著差距。

這種差距首先體現(xiàn)在其被動(dòng)響應(yīng)機(jī)制上。與一只會(huì)因?yàn)轲囸I而捕食的蜥蜴，或任何一個(gè)有內(nèi)在需求的生命體都不同，今天的AI本質(zhì)上是一個(gè)被動(dòng)的“刺激-響應(yīng)”系統(tǒng)。它沒(méi)有自己的“餓”與“飽”，沒(méi)有好奇心驅(qū)使它去探索世界的邊界，更不會(huì)為了某個(gè)內(nèi)在目標(biāo)主動(dòng)發(fā)起行動(dòng)。你問(wèn)，它才答。你推，它才動(dòng)。即便你給它一個(gè)明確的目標(biāo)，它也只是在浩瀚的統(tǒng)計(jì)規(guī)律中尋找一個(gè)最可能的“回聲”，而不是真正理解“為何要實(shí)現(xiàn)這個(gè)目標(biāo)”并自主行動(dòng)。

更深層的問(wèn)題在于認(rèn)知控制層級(jí)的缺失。自然智能通過(guò)億萬(wàn)年進(jìn)化形成的三級(jí)架構(gòu)，在當(dāng)前AI設(shè)計(jì)中尚未得到系統(tǒng)性實(shí)現(xiàn)。最致命的短板，就是元認(rèn)知能力的缺乏。AI不會(huì)在回答前先掂量一下“關(guān)于這個(gè)問(wèn)題，我到底知道多少？”；它不會(huì)動(dòng)態(tài)地評(píng)估“這個(gè)問(wèn)題值不值得我投入更多算力？”；更不會(huì)在新證據(jù)面前反思“我是不是錯(cuò)了？需要更新結(jié)論嗎？”。當(dāng)面對(duì)復(fù)雜問(wèn)題時(shí)，AI只是輸出概率最高的響應(yīng)，而非像黑猩猩那樣監(jiān)控思考過(guò)程并另尋他法。

最關(guān)鍵的差距體現(xiàn)在社會(huì)認(rèn)知維度。人類智能的核心優(yōu)勢(shì)在于共享意圖的能力，即能夠形成“我們”的共同體意識(shí)，建立共同目標(biāo)，并基于社會(huì)規(guī)范思維進(jìn)行協(xié)作。而當(dāng)前的人工智能，即便是多智能體系統(tǒng)，也僅是多個(gè)獨(dú)立單元的機(jī)械組合。它們無(wú)法形成真正的聯(lián)合意圖，因?yàn)樗鼈內(nèi)狈σ暯遣蓳衲芰?，既不理解他人心理狀態(tài)，也不懂社會(huì)規(guī)范的約束力。這解釋了為何AI能生成語(yǔ)法完美的對(duì)話，卻捕捉不到一個(gè)承諾的沉重分量，或是一次社交中微妙的期待。多智能體系統(tǒng)也只是機(jī)械組合，而非真正的心智協(xié)同。