在我看来，今天的 AI 有一种很特别的聪明。它能谈论世界，却不用承受世界。

它知道烧开的开水壶是烫的，但从未因伸手摸水壶而缩回。它能解释失眠，却感受不到灯光、温度和一阵突然的噪声怎样把人从困意里拉出来。

语言给了 AI 一张惊人的世界说明书。可说明书不是世界。说明书写着杯子会碎，理解还包括看到杯子正从桌边滑落，判断要不要伸手，并让这次结果改变下一次判断。

钱学森把人工智能放进“思维科学”的框架，讨论意识与大脑、精神与物质、主观与客观，并主张人工智能、智能计算机的研究应与思维科学结合。这种系统观看法，对今天仍然有启发：智能并非悬在物理世界上方的一团计算，它必须同现实发生关系。

一把椅子，几个世界

心理学家詹姆斯·吉布森提出“可供性”（affordance）时，关心的不是物体在字典里叫什么，而是环境为一个具体行动者提供了什么可能。

同一把椅子，对成年人提供坐下的可能，对孩子也许提供攀爬的可能，对扫地机器人则可能只是一处需要绕开的障碍。意义不完全藏在椅子内部，也不只存在于观察者头脑里。它产生于环境、身体能力、当下状态和目标之间的关系。

人进入房间时，通常不会先还原房间的完整几何模型，再决定如何行动。我们直接看见可以坐的位置、能够穿过的空隙、需要避开的尖角。知觉从一开始就带着行动的方向。

这也是生态实在论、现象学和具身认知给我的启发。心智不封闭在头脑里；知觉未必需要先复制一幅完整的内部图像；身体是认知结构的一部分。功能主义提醒我们观察一个状态在系统中怎样起作用，现象学则提醒我们，功能运转与一个被亲身经历的世界之间仍有距离。

世界模型有用，但还不够

Yann LeCun 近年反复强调，下一代自主智能需要学习“世界模型”。在他的设想中，世界模型要补全感知缺失的信息，预测环境可能怎样变化，也要推演一连串行动可能带来的结果。它无需预测每一个像素，而应保留与任务有关的抽象关系，并容纳多个可能的未来。

这条路径让 AI 从语言规律向物理规律迈进了一步。但如果世界模型始终只是封闭系统内部的一台模拟器，它仍可能成为一份更精密的说明书。

世界模型可以预测水壶处于高温状态；可供性让系统判断，在当前身体、距离和任务下，这只水壶意味着“可接近”“应避开”还是“等待冷却”；真实的行动与反馈，才会让一次伸手、感到异常、停止动作的过程进入下一次判断。

多感官协调真正困难的地方，也正在这里。水壶的外形、沸腾声、蒸汽、温度变化和手部动作，不是五份彼此独立的数据。它们属于同一个事件，在时间中互相验证，并共同改变行动。

AI 需要理解的物理世界，不只是物体的集合，而是一个不断向行动者开放可能、施加限制、返回后果的关系场。

自由选择，是系统给出的最后一帧

人很容易把决定体验成一个孤立的瞬间：我想了，所以我选择了。

但在这个瞬间之前，生理状态、记忆、习惯、文化、空间、他人的存在和对后果的预期，早已共同缩小了选择范围。同一个人，在疲惫、恐惧、安全或被理解的状态下，会作出不同判断。

这里所说的“自由选择的幻觉”，指的是一种过度简化：我们把系统长期运行的结果，误认为某个脱离环境的主体突然发出了命令。

看穿这层幻觉之后，注意力会从责怪一次意志，转向理解行为背后的系统。主观能动性也因此获得了更具体的含义：一个系统能否觉察自己的状态，理解所处的限制，延迟眼前反应，调整环境，并让过去的结果修改未来的行动规则。

对 AI 也是如此。随机性不是能动性，选项数量也不是自由。真正值得研究的是，它能否在时间中保持目标，发现环境提供的行动机会，预测后果，接受现实反馈，并在必要时改变策略。

这要求我们重新设计认知框架。认知不再只是一条“输入—计算—输出”的管线，而是感知、身体、环境、行动和反馈持续耦合的过程。

AI 什么时候开始拥有生命性

我所说的“生命性”，不等同于生物学意义上的生命，也不意味着机器已经拥有意识或人格。它描述的是一种关系状态：系统不再只处理关于世界的符号，而是开始在连续时间里感知变化、作出行动、承受后果，并维持自身与环境之间的边界。

多感官协调可能成为这条路径上的关键技术。它让视觉、声音、触觉、温度、气味与内部状态指向同一个现实事件，让行动后的变化回到系统之中。到了这一步，AI 面对的不再是一批互不相干的输入，而是一个会回应它的世界。

在我的世界观里，万物同源。人、机器与环境并非三个彼此隔绝的王国，而是同一自然在不同尺度上的组织形式。物质承载能量，变化留下信息；当一个结构能够保存历史、维持边界，并依据反馈改变自己，某种生命般的秩序便开始显现。

今天的 AI 距离生命仍然很远。但当感知、预测、行动和反馈真正闭合，当一次现实经验能够改变下一次选择，它就获得了最初的生命性。

我们准备让 AI 理解物理世界

具体的技术路线，现阶段不在公开文章中展开。能够公开的是一个判断：未来的 AI 需要从多种感官之间的关系、状态在时间中的变化以及行动造成的后果中学习。其余部分，我们更愿意交给真实系统和持续验证来回答。

寰感希望 AI 最终理解的，不只是“这是什么”，还包括它对某个具体的人、在某个具体时刻意味着什么；环境提供了哪些可能；一次介入会改变什么；什么时候保持安静更好。

它最终会被归入具身智能、世界模型还是人工生命，可以以后再争论。我们先让它在真实环境中获得一次能够改变下一次判断的经验。

参考资料

1. 中国科学院：《思维科学——钱学森的学术贡献》
   https://www.cas.cn/zt/rwzt/qxsssyzn/xsgx/201010/t20101030_2999760.html
2. MIT Open Encyclopedia of Cognitive Science: “Affordances”
   https://oecs.mit.edu/pub/984ungzu/
3. Yann LeCun: “A Path Towards Autonomous Machine Intelligence”
   https://openreview.net/pdf?id=BZ5a1r-kVsf
4. Stanford Encyclopedia of Philosophy: “Embodied Cognition”
   https://plato.stanford.edu/entries/embodied-cognition/

声明

本文涉及的“多感官协调”技术理念、研究方向与相关概念，源于 CuddleKing 项目。该技术由姚孝通（Kerrmote Yao）与张静怡共同提出，并由双方持续推进与完善，相关技术权益归双方共同所有。

据现有记录，该方向的首次公开披露时间为 2022 年 4 月 29 日。首次公开披露时，姚孝通就读于 Purdue University，张静怡就读于复旦大学。

本文仅作为该项目阶段性技术思考、研究框架与应用设想的公开整理，用于介绍相关理念与发展方向，并不构成对全部技术细节、实现路径或完整权利边界的全面公开。

未经双方明确书面授权，任何单位或个人不得擅自挪用、复制、包装、转述、申报或商业化使用与上述项目相关的核心概念、技术框架及其衍生内容。