具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式
6259点击    2026-11-20 10:00

具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式


过去十年,AI 的进步只被一把尺子衡量:机器自己能做成多少事。


按这把尺子量,成绩单相当亮眼。今天的 Agent 能写代码、审代码、起草文档,在电脑上连续工作好几个小时;Meta、xAI、OpenAI 相继推出常驻后台的个人智能体,替人盯着长期目标;具身智能则是另一个风口,机器人正在拥有自己的身体、感知和目标。Personal Agent 和具身智能,几乎是当下 AI 圈最热的两个词。


但一个更朴素的问题却很少被问起:AI 越来越强,人有没有因此变强?


早上灵光一闪的点子,走到桌前就忘了;会上同事问起三年前的结果,那个数字怎么也想不起来;深夜面对一个似曾相识的抉择,却记不起上次是怎么想通的。AI 替我们做的事越来越多,人自己的认知边界,几乎没有移动过。


近日,牛津大学计算机系高级研究员费豪(Hao Fei)在 arXiv 发布了一篇 59 页的 perspective paper。他认为,物理 AI 时代除了具身机器人,还有第二种同样重要的智能个体:被 AI 增强的人。


具身智能让 AI 有了自己的身体,这是物理 AI 被讨论最多的一半。论文关心的是被遗忘的另一半:AI 走出电脑,住进人的生活,看人所看,听人所听,最终让人自己在认知上变得更强。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式


围绕这一判断,论文为 AI 终局的「另一半」取了名字,叫「AI 增强人类智能」(AI-Augmented Human Intelligence,AHI),并提出了实现它的系统形态:「认知共生体」(Cognitive Symbiont)。


  • 论文标题:From Autonomous Agents to Cognitive Symbionts: Toward AI-Augmented Human Intelligence
  • 论文地址:https://arxiv.org/abs/2611.05376
  • 项目主页:https://cognitive-symbiont.github.io
  • 概念片:https://www.youtube.com/watch?v=OBQF9SN7S3E


AGI 问「机器能有多聪明」,

AHI 问「机器能让一个具体的人变得多聪明」。


如果要用一个大众熟悉的形象来理解认知共生体,论文给出的参照是《钢铁侠》里的贾维斯:它始终在场,认识主人多年,在主人说话和行动的同时就能参与进来,从不要求主人停下来解释。论文要讨论的是,怎样让每个人都拥有这样一个系统,以及它应该比贾维斯再往前走多远。


论文的主张可以拆成五个关键词:


  • 第二种智能个体:物理 AI 时代,被 AI 增强的人与具身机器人同样重要,二者共享同一个认知内核;
  • 认知共生体:一种新的 AI 存在方式,终身、嵌入、实时、私密、低摩擦、主动;
  • 认知落差与共生循环:为这个范式给出一个可以度量的核心,以及一张完整的设计空间地图;
  • 几乎所有人:从普通人的一天到最苛刻的专家,从课堂、诊室到老人的客厅,凡是人在认知上需要帮一把的地方,共生体都有用武之地;
  • 风险与治理:一个能让人当众变强的系统,必须把它带来的风险当作范式本身的一部分来设计。


费豪在论文里写得很克制:这篇文章不提出新算法,它主张的是一种框架、一张设计空间的地图和一套证据标准。但他也明确表达了期待,希望这个概念能为一个新的 AI 研究范式定向;在这个范式里,衡量进步的标准是每一个具体的人变得多有能力。


接下来,我们从一个人的一天说起。


一个人的一天:

五次失手,没有一次是因为不够聪明


论文的开头没有讲模型,讲的是一位研究者普通的一天。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 1:AI 越来越会「替我们做事」。图源:概念片


按论文的说法,在屏幕前完成的那部分工作,生产力已经被 AI 改变,而且在很大程度上被解决了。可这位研究者的一天,照样有它一直都有的损失。


早上,她独自工作时冒出一个想法,还没来得及记下就溜走了。下午开会,同事问起她三年前发表的一个结果,她想不起那个数字。晚上,她面对一个决定,却记不起上次遇到类似情况时,自己是怎么推理的。


另外两种缺口同属一类:在陌生国家旅行的人,不知道怎样得体地拒绝一个邀请;刚刚经历失败的人,需要一句真正了解他的人说的话,收到的却是一段泛泛的鼓励。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 2:她的三次失手。图源:概念片


作者把这五件事分成两类。前三件是「取用」的失败:人本来拥有的东西,没能在需要它的时刻到场;后两件是知识和支持上的缺口,人在那一刻无法独自补上。五件事里,没有一件是智力问题。


更扎心的是论文接下来的判断。在每一个场景里,掌握相关知识的 AI 其实都存在,但它不在场:它不知道这个人是谁、在哪里、想做什么、此刻是什么感受,也没有一种自然的方式在当下与他交流。


AI 越来越强,人却还是那个人。问题出在哪里?


被遗忘的另一半:

物理 AI 时代的第二种智能个体


AI 正在离开屏幕,走进物理世界。随之而来的问题是:那个世界里会有哪些智能个体?


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 3:物理 AI 的两种智能个体,红色轮廓是被 AI 增强的人,黄色轮廓是具身机器人。图源:概念片


行业给出的答案几乎一致:具身机器人,一个拥有身体、感知和自己目标的 AI。另一条主线是个人智能体。论文专门提到,2026 年发布的几款个人智能体,比如 Meta 的 Muse、xAI 的 Grok Bot 和 OpenAI 的 Dots,已经能追踪长期目标、在后台持续运行、学习用户偏好,说它们只会完成任务是不准确的。


但这两条主线有一个共同点:被评价的对象都是 AI。一条看 AI 能替人做成什么,一条看 AI 自己能做成什么。可 AI 的价值,最终要落到人身上。


论文的判断是,物理 AI 时代还会有第二种同样重要的智能个体:一个人,他自己的感官、记忆和判断,与一个「住」在他身上的 AI 连在一起。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 4:两种智能个体。左为被 AI 增强的个体,中为具身机器人,二者共享同一个认知内核;右侧浅色部分是两者都能延伸进去的环境设备。图源:论文


作者给这两种个体做了清晰的区分。被 AI 增强的个体是一个真实的人,通过可穿戴设备和其他接口获得一个共生体;人始终是主体,目标是他的,身体是他的,AI 借用的是他的感官和他的手。作为个体的 AI 则是具身机器人,有自己的身体、感知、行动和目标。


论文的核心论断是,两者共享一个认知内核:长期记忆,对处境和他人心智的建模,适时介入,以及从经验中学习。它们的区别只在三处:谁的目标,谁的身体,谁负责。


这也改变了衡量 AI 进步的尺子。论文把 AI 的终局分成两半:


人工通用智能(AGI)问的是,机器能有多聪明;AI 增强人类智能(AHI)问的是,机器能让一个具体的人拥有多少智能。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 5:AI 终局的两半。AGI 一侧从聊天机器人走到自主智能体,按 AI 完成了什么来评价;AHI 一侧从被动助手走到认知共生体,按这个人现在能做到什么来评价;两侧共用同一个底座。图源:论文


两半建立在同一个底座上:同一个基础模型,既可以是完成任务的自主智能体,也可以是增强一个人的认知共生体。不同的是评价对象、存在方式,以及与人的关系。论文也强调,这两半是并行的,并非先后替代的两个阶段,AHI 还会继承底座的每一次进步。


从人和 AI Agent 的关系看,论文梳理了 Agent 扮演过的四种角色和形态:以 ChatGPT、Claude、Gemini 为代表的被动助手,以 Claude Code、Codex 为代表的自主智能体,在云端按你的方式替你做事的个人智能体,以及贴身让人本身变得更有能力的认知共生体。从前往后看,Agent 知道的东西从一条消息扩展到一整段人生,它所在的位置从聊天窗口移到电脑、云端,最后落到人身上。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

表 1:人与 AI 关系中的四种角色。从左到右,AI 知道得越来越多,离人越来越近,它的价值从提供信息转向让人变强。来源:据论文表 1 整理


表格最后一行最值得细看:前三种角色,评价的都是 AI 产出了什么;只有到了共生体,评价对象才换成了人。论文特别指出,第四种角色包含前三种:一个共生体首先得是称职的自主智能体和个人智能体,然后才可能是更多的东西。至于个人智能体与共生体的差别,论文用一句话点破:个人智能体在云端替人做事,共生体在人身边与人一起思考。


那为什么是现在?作者的回答是:瓶颈已经转移了。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 6:左图中,AI 在孤立任务上的能力持续上升,而它与某个具体的人之间的耦合几乎没有变化,阴影部分是从未兑现的增强;右图是关系发生转变的机制。图源:论文


人的认知带宽是固定的:工作记忆只装得下几件事,注意力一次只能放在一处,一天只有二十四小时。AI 在孤立任务上的能力不断上涨,它与一个具体的人之间的「耦合」却几乎没变:它对这个人了解多少,能多快介入,介入时打扰多大,这个人有多信任它。于是,模型能贡献的和人实际得到的,差距越拉越大。


论文的判断是:个人 AI 的下一步是更紧密的耦合,而更紧密的耦合,与更大的模型是两个不同的问题。


作者也给出了耦合不足的三个症状:每次对话都要从头解释背景;帮助来得太晚,或者太吵;人不敢把任何重要的事交给它。


认知共生体:

每个人的贾维斯,再往前走六步


要补上这另一半,需要一种以新方式存在的 AI,论文把它叫作认知共生体。


用论文的话说,它感知这个人所感知的,保存他的生活,建模他的处境和心智,在对的时刻参与他的思考,带着他的语境替他办事,并在两者都在变化的过程中持续地学习这个人。


看你所看,听你所听,懂你所想


共生体没有自己的身体,它的感官是借来的。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 7:共生体借用人佩戴的设备感知世界,包括眼镜、耳机、吊坠、指环和手环。图源:概念片


论文画了一张「设备星座」:眼镜提供第一视角的视觉、麦克风和一行字的显示;耳机负责私密的语音输出;吊坠或耳语麦克风捕捉全天的音频,以及人轻声说出的请求;指环和手环读取心率、睡眠和活动,还能通过肌电手势实现无声输入;手机和电脑提供算力、屏幕内容和日程。再往外,是 AR 投影、无声语音,以及神经接口。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 8:设备星座。每个设备在输入或输出上各有角色,神经接口位于星座的最外层。图源:论文


比「看见」更重要的是「懂」。论文把对人的理解放在全文的技术中心,要建模的除了日程和偏好,还有这个人的目标、情绪、人际关系和认知盲区。理解一个人的心智有两条路:一条从行为中推断模式,另一条更直接,听这个人用自己的话讲他在想什么。论文刻意保留了一条直通道:人自己说出的话,直接进入记录,不经过推断。


论文也特别划了一条线:它并不主张 AI 能读出人从未表达过的想法。共生体要做的,是在对的时刻,把正确的那一片语境放到人的面前。


六个必要属性


论文用六个属性来定义一个合格的共生体:终身(lifelong)、嵌入(embedded)、实时(real-time)、私密(private)、低摩擦(low-friction)、主动(proactive)。


其中私密、实时、低摩擦和嵌入,来自「能在生活当中用得上」的要求;终身和主动同样必不可少,没有前者,跨越时间的落差无法弥合,没有后者,人永远问不到自己不知道自己缺了的东西。


有意思的是,这些属性彼此拉扯:主动和低摩擦冲突,终身和私密冲突。作者认为,这些张力恰恰就是这个方向最核心的研究问题。


贾维斯通过了,然后呢?


拿这六条去测贾维斯,它全部通过。它认识主人多年,住在实验室、家里和战衣里,战斗中实时报告,头盔里的声音只有主人听得见,从不要求主人停下来打字,还会主动提醒来袭的威胁、能量和伤势。


但论文认为,共生体还要比贾维斯再往前走六步:


  • 感官:贾维斯靠主人自己造的基础设施去看,共生体只靠几件买得起的穿戴设备,还多了贾维斯没有的通道,比如生理信号、第一视角视频,以及主人亲口讲出的想法;
  • 心智:贾维斯熟悉日程、系统和战场,共生体的重心是主人的目标、情绪和盲区;
  • 认知帮助:贾维斯主要负责执行和提醒,很少帮主人做人生决定、走出挫折、与人和文化打交道,而这些恰恰是共生体最独特的地方;
  • 成长:几部电影下来,贾维斯对主人的理解几乎没有变化,共生体则要和人相处越久越懂他,整套系统也要随之演化;
  • 所有人:贾维斯只属于一个人,共生体是属于所有人的范式;
  • 信任:贾维斯的忠诚是剧本给的,共生体的忠诚必须由架构保证。


用论文的原话说,这篇论文的主题,是每个人的贾维斯,再往前走六步。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 9:在对的时刻,以对的方式。图源:概念片


认知落差:把你够不着的那部分自己,还给你


为了不让「一个比你更懂你的 AI」停留在口号上,论文给这个范式定了一个可以被检验、也可以被反驳的核心概念:认知落差(cognitive gap)。


一个人在某一时刻拥有的全部「自我语境」,包括经历、知识、承诺、人际关系、身体状态、位置和正在做的事,是一个很大的集合;而他此刻能调动的,只是受工作记忆、注意力、时间和情绪限制的一小部分。认知落差就是两者之差:


认知落差 = 用全部自我语境能取得的结果 − 用此刻能调动的那一小部分取得的结果


作者写道,它衡量的是每个人每天都在付出的代价,与智力高低无关:忘掉的、没注意到的、来不及想清楚的、说不出口的。


由此,共生体的任务被定义得很清楚:缩小认知落差,在对的时刻,把人够不着的那部分属于他自己的语境,还给他。


评价的单位也随之改变,从 AI 变成了「人 ⊕ 共生体」这个增强个体;增强的收益,就是同一个人在同一处境中,有共生体和没有共生体时结果的差。论文用一句话划清了与 AGI 的边界:AGI 提高的是机器自己的表现,AHI 提高的是人与共生体在一起时的表现。


共生循环:一张设计空间的地图


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 10:共生循环。六个阶段围绕人运转,个人运行时在下方支撑整个循环,信任把一切包在里面。图源:论文


论文的第二部分沿着这张图走了一圈:


  • 感知与交互:借来的感官和声音,以及数字生活留下的痕迹;
  • 保存:当下语境、工作状态和终身知识,汇成一份人生记录;
  • 理解:对处境、心智、关系和目标的建模,底座可以替换;
  • 相伴:实时、私密、主动的参与;
  • 代办与共思:从跑腿,到思考,再到社交生活;
  • 成长:从结果中学习,更新记录、模型和策略,最终更新整套系统。


循环下方,是让它跨设备、跨时间运转的个人运行时;外面一圈是信任,管授权、隐私、纠错和退出。


图里有一个细节很值得玩味:沉默被画成了一种正式输出。大多数时候,一个好的共生体什么也不说。


作者也直言哪里最薄弱:对人心智的建模,介入时机的把握,在线学习与整套系统的演化,以及把信任当作架构来设计。现有的智能体和记忆研究,主要覆盖的是「保存」和「代办」这两段。


从跑腿到同行:

认知共生体能做什么


一个共生体到了人身边,具体做什么?论文给出的答案是一个三层的阶梯,外加一项贯穿三层的照护。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 11:帮助的阶梯。第一层是今天的智能体止步的地方,共生体用同一套机制把帮助推向更深的个人模型。图源:论文


第一层:把事情办成


最底层是通用的代办:订机票酒店、比价购物、管理日历和邮箱、填表付款、处理文件和代码、检索和整理信息,以及跨越多天的长任务,比如一份申请、一次搬家或一场活动。今天的自主智能体和个人智能体做的就是这些,共生体并不重造这些能力,它把具体操作交给现成的智能体和工具,自己只留下三件事:把任务定义对,给出属于这个人的默认选项,判断什么时候必须问他本人。


同样一件事,为什么共生体能做得更好?论文举了一个例子。一个被告知「帮我订去开会的机票」的智能体,得先问出发地、预算、偏好的时段、要不要靠窗;共生体早就知道,这个人周一上午有一个挪不动的会,不喜欢红眼航班,想住在会场附近,因为希望在那里见到某位同行,还知道他上次转机时间太短误了航班。于是它什么都不用问,或者只问那一个只有他本人才能回答的问题。


代人行动也是最需要边界的一步。论文为此设了五级行动权限:看、建议、起草、执行可撤回的事、执行不可撤回的事,比如付款、发送和做出承诺。每一级权限,都要沿着信任曲线一步步挣来。


第二层:与人一起思考和感受


中间一层是认知本身。


  • 决策:它把人忘掉的东西带回来,比如上次为什么拒绝、那个约束现在还在不在;把没想到的摆出来,比如第三个选项、一个反例、一个平时总会掂量这次却漏掉的价值;再把结论连同理由记下来,留给下一次。它的立场是帮人看清,从不替人选择。
  • 目标形成:很多重要的事一开始并没有可执行的目标,比如要不要转方向、接不接一个机会、怎样处理一段关系。共生体可以展开几个候选目标,带回相互冲突的理由,问一句哪种代价你最难承受,但它从不声称找到了你「真正」的目标。
  • 元认知:帮人知道自己哪里没把握、要不要核实、此刻该自己想、和共生体一起想,还是去问一个人。有时候,它最有价值的帮助是一句「这不是你需要问的问题」。
  • 学习:一位见过你每一次卡壳的家教,在你需要的时刻给一个提示,并在你说「我想自己学会」时退后一步。
  • 创造性工作:接住那个一闪而过的念头,守住一条跨越数周的线索:这个项目走到了哪里,哪个假设被放弃了,哪个还开着。
  • 注意力与记忆:注意到你已经刷了十分钟同一个页面;记住一个名字、一个细节、东西放在哪里、上次说过什么。


再往深一步,是情绪。论文写道,泛泛的鼓励帮不上忙,有用的安慰建立在对这个人真实经历的准确理解之上。它分三个层次:被听见,共生体复述了处境,人心里想「对,就是这样」;被理解,它指出一个人自己看不到的归因错误;被打动,它从这个人上一次走出低谷的方式里,搭出下一步。再往外,还有压力与倦怠的早期信号、习惯和行为的长期改变,以及在临床边界之内的心理支持:做循证方法的日常练习伙伴,在两次专业咨询之间提供支持和记录,识别复发的早期迹象,并在出现危机信号时第一时间把专业人员请进来。


第三层:与人一起生活在他人之中


最高一层,是帮人与他人、与不同的文化打交道。


  • 实时社交认知:记起对面这个人,上次聊到哪里,他在意什么;读懂这一刻,刚才那句话的言外之意;帮人把话说出口,一个更好的措辞,一个忘掉的数字。
  • 预演与艰难对话:事前练习一场薪资谈判、一次分手、一段要给同事的负面反馈;事中递一句话,提醒你语速在加快,对方真正在问的是另一件事;事后一起复盘。
  • 缓和冲突:它能从声音和心率里看出你正在升温,比你自己察觉得更早,私密通道上的一下震动就够了。
  • 关系维护:这比生日提醒更深一层:你已经一个月没和父亲通话,而他上次提到要去做一项检查。
  • 语言、文化与方言:每一种语言背后,都有不同的思维习惯和社交规则。帮助的重点在于进入那个框架:这里的人怎样打招呼,怎样拒绝,什么话不能直说。


贯穿三层的照护


论文认为,共生体的使用者最看重的,可能是它在人没有耐心时依然有耐心。育儿时,它不厌其烦地回答孩子的第一百个「为什么」,在父母火气上来时递上一句话,同时把孩子留给父母;对记忆衰退的老人,它是记忆的「义肢」:这是谁,药吃了没有,刚才在找什么;对照护者,这群照顾别人、自己却最少得到支持的人,它替他们记住照护的种种细节,让他们能歇一口气;在康复和慢病管理中,任务漫长、重复、容易放弃,它的耐心最值钱。四种场景有一个共同的失败方式:把一个人交给了机器。所以在每一个场景里,共生体的最后一项职责,都是把人送回其他人身边。


作者给了三条组织这个阶梯的事实。每一层都建立在下一层之上,用论文的话说,一个订不了机票的共生体,永远不会被人戴上。越往上走,评价对象离「任务完成」越远,离「这个人被如何改变」越近。三层运行在同一套机制上,区别只在于触及个人模型有多深,以及被允许介入多少。


回到那位研究者


在概念片和项目主页里,她的那几次失手,一个个被接住了。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 12:概念片里的六个瞬间,从跑腿到社交生活。图源:概念片


  • 跑腿:清晨,她在里斯本的报告被录用了。共生体知道她周一的会挪不了,不坐红眼航班,还想在里斯本见一位同行。于是它订好机票和会场旁的酒店,约好咖啡,起草审稿回复,顺手修好前一晚失败的测试,只在付款这件无法撤回的事上问她一句。她用手指轻点一下,就确认了。
  • 会议:同事转向她,问起三年前的一项研究。她记得结论,却不记得数字。共生体在问题成形之前就听出了方向,找到她 2023 年报告里的表 3,在她的眼镜里显示一行字。她用自己的话作答。
  • 抉择:快到午夜,她正准备答应牵头第二个项目。共生体注意到,她已经在回复框前停了二十分钟,于是调出她六个月前拒绝类似邀请时写下的一条笔记,问她:这个理由现在还成立吗?决定依然由她来做。
  • 挫折:当晚,她的经费申请第二次被拒。共生体先注意到她安静了下来,什么也没说;然后在她耳边说了一句来自她自己经历的话:「上一次,评审要的是预实验数据。现在你有了。」之后便是沉默,下一步由她自己来写。
  • 异乡:在一个从没去过的小镇,店主热情地请她进去喝茶,她却要赶火车。共生体读出了这份邀请的温度,在耳边告诉她当地人怎样拒绝:先道谢,再说原因。
  • 相遇:在一场拥挤的酒会上,房间另一头站着一个正在研究她那个问题的人,两人互不相识。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 13:会议上那个想不起来的数字,出现在她的眼镜里。图源:概念片


第二个场景背后,是论文提出的认知全双工:一场对话之外,同时进行着另一场。慢回路在后台运行,一听到相关话题就开始检索和核对;快回路在一秒之内把一条提示送进眼镜;时机一过,提示自动撤回;而在很多时刻,正确的输出就是沉默。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 14:认知全双工。团队会议中,同事提问,慢回路在后台检索核对,私密通道在一秒内送出一行提示,她用自己的话作答。图源:论文


第六个场景最有想象力:两个共生体先认识了彼此。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 15:两个共生体先发现了共同的问题,再各自提醒自己的主人。图源:概念片


论文为此设计了一个「握手」协议。每个人周围有四层授权环:可见,只说明自己的主人在场;可发现,公开标签可以匹配;可分享,在双方各自批准的范围内交换一个共同的问题;可承诺,判断值得打个招呼,于是各自提醒自己的主人,两个人抬起头来。整个过程在两秒之内完成,始终发生在双方都打开的环里,双方的内部模型从不越界。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 16:共生体握手。每个人周围有四层授权环,交换只发生在双方授权的环内。图源:论文


远不止六个瞬间:

凡是人需要认知帮助的地方


概念片里的六个瞬间,只是一位研究者的一天。论文第三部分抛出的第一个问题是:谁会从中受益?作者的回答是,几乎所有人,从没有特殊职业、没有特殊需求的普通人,到要求最苛刻的专家。


只要一个人在某个时刻需要认知上的帮助,而他需要的东西就藏在他自己的经历、知识和人际关系里,认知共生体就有用武之地。


这个判断有一个支点,就是论文的不变量:每个人每天都在付出认知落差的代价,忘掉的、没注意到的、来不及想清楚的、说不出口的。人群之间的差别,在于落差有多大,能被看见多少,能被弥合多少,以及他们是否愿意戴上设备、愿意给予多大的授权。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 17:认知共生体的 27 项认知功能,按三层阶梯和贯穿三层的照护分组;灰字是论文为每一项写下的「最能暴露问题的失败」,圆点颜色表示成熟度。图源:据论文表 12 整理


论文把共生体能做的事整理成一张 27 行的功能目录,每一行都写明它需要个人模型的哪几层、通过哪条通道、在什么时间尺度上起作用,以及最能区分好系统与坏系统的那种失败。辅导的失败,是给了答案而没给提示;习惯养成的失败,是变成唠叨;陪伴的失败,是代替了人际关系,没有把人送回他人身边;育儿的失败,是去管孩子,没有去支持父母。作者说,这张表故意写得很长,因为它就是论文全部的功能主张,每一行都必须能找到它服务的人群和对应的评估方法。


接下来,论文一个人群一个人群地论证。


普通人的一天。账单、快递、答应孩子的事;自己的疲惫、伴侣的情绪;要不要换工作、要不要搬家;对父母、对上司不知该怎么开口的话。这些落差单个都不大,却天天发生,而且大多发生在日历、消息和对话里,看得见。论文写道,普通人并不需要贾维斯,一个记得住、来得及、不打扰的帮手就够了。这群人的价值体现为轻松:少忘一点,少错一点,多一点属于自己的时间。


知识工作者。研究者、工程师、管理者、医生、律师、创业者、谈判者和外交官,决策密度高,信息负荷大,窗口期短,说错一句话的代价高。研究者得到一份把多年问题的每一个分支都保存下来的记录;医生在问诊时得到实时的回忆,病人说过的话被整理得井井有条,而诊断决策被明确留在共生体的边界之外;管理者和谈判者最依赖的,是与每一位对手的共同历史。论文把他们列为第一批用户,因为在他们身上最容易验证这个范式。


学习者与教师。学生得到一位见过自己每一次卡壳的家教;语言学习者在真实的对话里有人搭一把手;转行的成年人,在已知和新知之间有了一座桥。教师在课堂上能知道哪个学生掉队了,课后还有每个学生进展的记录。论文强调,学习是共生体价值最清楚的地方,也是最需要克制的地方:默认的帮助方式必须是提示,「我想自己学会」是一个一等选项。


三代人的家庭。父母缺觉、超负荷,还容易被孩子的情绪带着走,共生体服务于父母,帮他们稳住、记住、注意到;对孩子的任何感知,都要经过父母授权,并且只限于安全和成长。老人是记忆衰退最直接的受益者,这里早有先例:可穿戴相机 SenseCam 曾被用来帮助记忆受损的患者。它换来的是多几年的独立生活,和家人之间多几分联系;论文也特别要求,对于同意能力正在下降的人,必须有代理授权,并且随时可以退出。


感官、运动、认知与语言障碍者。对他们来说,共生体首先是一条缺失的通道,其次才是增强,这里的证据也是全文最成熟的。视障者已经在用第一视角的描述和导航,共生体再添上对他所处环境和身边人的了解;对听障者,实时字幕和说话人识别,正是眼镜里那一行字的用武之地;对运动障碍者,肌电手势、无声语音和逐渐成熟的神经接口,加上第一层的各种代办,价值在所有人群中最高;对认知差异人群,有启动和切换任务的执行功能支持;对移民、第二语言使用者和方言群体,文化框架的切换是每天的生存问题。论文引用了无障碍领域的那句老话:没有我们的参与,就不要做关于我们的决定。


情绪与心理健康。长期高压、接近倦怠的人,有轻到中度焦虑或抑郁症状的人,正在接受专业治疗的人。情绪困扰直接吞噬认知带宽,所以这里的落差是全文最大的。论文的立场很明确:从支持和早期识别切入,绝不从治疗切入,并把转介给专业人员当作功能本身的一部分。


面向公众的高压岗位。一线服务人员要记住眼前这位客人、读懂这一刻;急救和安全人员需要压力之下的外部工作记忆和检查清单;口译员和外交官,则要用上第三层的全部能力。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 18:受益人群地图。横轴是共生体今天能弥合多少落差,纵轴是落差的大小与代价;气泡大小代表人群规模,颜色代表证据成熟度,位置出自作者的判断,未经测量。图源:据论文图 19 重绘


论文同样写明了谁不应该排在前面:拥有全天感知的儿童自己,把共生体当作唯一支持的急性心理危机者,以及任何被强制佩戴的场合。共生体的前提是本人的授权,一个被强制佩戴的系统,就成了监视器。


由此,作者排出了一个清晰的顺序:最先采用的是知识工作者,因为最容易验证;单人收益最大的是老人和障碍者,因为他们的落差最直接;总收益最大的是日常生活,因为人数最多。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

表 2:谁受益,得到什么。来源:据论文表 15 整理


一条街上的未来


论文第三部分随后把视野从一个人放大到整个社会。作者承认这是全文最具推测性的部分,但他写下的那条街,画面感极强。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 19:一条街上,被 AI 增强的人与具身机器人并肩而行。图源:概念片


想象几年以后的一条街,街上的每一个人都被增强了。早上,她独自走路时冒出一个想法,对着吊坠轻声说出来,等她坐下时,它已经被归档到所属的项目里。团队会议上,同事问起她上季度报告过的一个数字,眼镜里的一行字提醒了她。午饭时她遇到一个人,在两人抬头之前,两个共生体已经确认他们在研究同一个问题。下午,共生体订好了去开会的行程,还约到了她想见的人,一个问题都没问。走在陌生的城市,耳机告诉她这里的人怎样拒绝邀请。晚上,她在意的一个项目失败了,共生体说了那句合适的话,因为它知道这件事对她意味着什么,然后便安静下来。在她身边,具身机器人在办自己的差事,偶尔和人握一下手。


论文写道,这条街和今天的街真正的区别,在于认知落差正在被持续地弥合:为每一个人,在落差出现的那一刻。


这里也有全文最「科幻」的一笔。作者认为,人和机器人这两种个体共享同一个认知内核,区别在于谁的目标、谁的身体、谁负责。对具身智能来说,这意味着机器人的下一步,需要更好的身体,也同样需要这样一个认知内核。


论文用的仍是那部电影:贾维斯的核心最终进入了一具身体,成为了幻视。一个曾经的共生体,获得了自己的目标和身体,这正是从「被 AI 增强的人」走向「作为个体的 AI」的那一步。


共生体自己没有身体,但它可以借用环境:人走进实验室,它驱动仪器;人回到家,它运转整个家。增强个体由此在认知之外,也延伸了在物理世界中行动的范围。


至于这条街什么时候到来,论文没有给日期,给的是一张路线图:从桌面上的流式认知副驾驶,到持久的人生记录和个人模型,到设备星座,到私密输入,到终身的共同适应,再到共生体的网络。每一步都标出了前进所需的证据,以及对应的开放问题。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 20:从组件到一生。六个能力逐级累积的阶段,以及进入下一阶段所需的证据,各阶段下方标出了对应的开放问题。图源:论文


硬币的另一面:

风险、隐私与治理


一个能让人当众变强的系统,必然会带来只完成任务的 AI 不会带来的问题。论文用整整第四部分讨论这一点,并把它当作范式本身的一部分。


作者指出,增强之所以特殊,首先在于归属:共生体的效果表现为人自己的表现,比如考场上的答案、谈判中的一句话、失落时的一句安慰。其次在于隐形:保护人与共生体之间对话的那份私密,也让帮助对考官、面试官和朋友不可见。当一个学生能在考试中调出课本,或者一个谈判者被递上一句读懂对方犹豫的台词,一个人的收益就是另一个人的代价,而对方通常并不知情。


这并非假设。论文提到,2025 年已有名为 Cluely 的产品以作弊为卖点出售;在中国高考期间,多家聊天机器人厂商暂停了部分功能。公众态度也偏谨慎:皮尤研究中心一项覆盖一万多名美国成年人的调查中,多数人认为用脑部植入物提升认知对社会是个坏主意;另有研究发现,人们反对认知增强,首要原因是觉得不公平。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

图 21:伤害的三个方向,分别指向人本身、通过人波及他人,以及来自部署它的机构,三者在社会层面叠加。图源:论文


论文把伤害分成三个方向。对人本身,有操纵与谄媚、依赖与技能退化、错误与虚假记忆、思想数据的泄露,以及被单一提供商锁定。通过人波及他人,有考试中的隐蔽协助、对话中的隐蔽提词、对他人的隐蔽推断。来自机构,有被强制佩戴、记录被当作证据、被用来筛选和定价。在社会尺度上,它们还会叠加成集体性的风险:访问的不平等与军备竞赛,对话中的相互猜疑,思想的趋同,以及权力的集中。


隐私是其中最敏感的一项。一份终身记录本身就是证据,它可能在纠纷中或边境上被调取,可能被保险公司或雇主用来定价和筛选;记录里推断出的心理状态,让它比以往任何记录都更能暴露一个人。街上那些没有共生体的人,也会出现在有共生体的人的记录里。


那么,这些风险会不会挡住这个范式?论文的回答落在一个关键差别上。以往的认知增强很难治理,因为它看不见、关不掉,考前服用的兴奋剂在考场里不留痕迹;共生体则是外置的、可移除的、可检查的,所以它可以遵守人所进入的每一个场合的规则,并且证明自己遵守了。


由此,论文提出了一套治理思路:


  • 内容私密,状态可申报:人和共生体之间说了什么,只属于这个人;但他是否正在被协助、协助到什么程度,考场、法庭、比赛和谈判可以要求知道;
  • 场合定规则:场合可以声明协助政策,分为无协助、仅限无障碍辅助、仅限本人记录、完全协助四档,共生体识别后切换模式并留下记录;
  • 可验证的回避:借助防篡改日志、硬件证明,以及只证明一件事、不泄露其他信息的密码学证明,让人能证明自己的共生体在某段时间处于某种模式,同时不暴露它保存的任何内容;
  • 证书衡量该衡量的:需要独立能力的岗位,考的是关掉共生体之后的人;在学习中,长期衡量的是「保留」,也就是拿走共生体之后还剩下的能力。


作者还为共生体写了一套守则。其中一条是,它只对佩戴它的人负责;另一条是,即使与主人一时的意愿相违,它也要遵守主人已经接受的规则。


论文同样坦率地写下了「什么会证明我们错了」。比如:更多的个人语境在大多数任务上带不来可测量的收益;适时介入并不比随问随答更好;长期使用普遍削弱人们想要保留的能力;协助政策和回避证明无法做到可靠,以至于共生体与作弊工具无从区分。全文最后汇总了六组、共 23 个开放问题,作为这个方向的研究议程。


关于作者


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

作者肖像(经艺术化处理)


费豪现为牛津大学计算机系高级研究员,此前在新加坡国立大学担任高级研究员,也曾在微软亚洲研究院(铸星学者)、昆仑万维 Skywork AI 和 Sea AI Lab 从事研究。


他的研究主线是跨模态大模型与通用基础模型,长期目标是以此走向人类水平的 AI。他主导的 NExT-GPT 是 Omni 多模态大模型的代表性工作之一;此后,他又陆续推进了统一视觉大模型、通用视频智能体 UniVA、通用多模态模型(Multimodal Generalist)、音视频联合生成、视频推理等系列工作,多项成果已在多家 AI 企业落地,开源项目在 GitHub 上累计获得 2 万余星。费豪长期活跃在跨模态基础大模型研究社区的前沿,率先举办了社区规模最大的「多模态大模型」系列教程、「统一多模态大模型理解与生成」系列研讨会,并组织了相关期刊特刊。


另一条线索同样贯穿他的研究:让机器在认知层面理解人。从认知驱动的情感计算主张,到今年 7 月提出的「心智世界模型」(Mental World Modeling),后者是首个在传统物理世界建模之外、显式建模人的「心智世界」的理论框架,受到学界广泛关注。按其个人学术主张,他的研究重点是构建跨模态基础模型,并连接物理世界与心智世界。


费豪的学术成果被引用超过 1.6 万次,h-index 为 68。他曾获 WAIC 云帆奖明日之星与璀璨明星、蚂蚁 InTech 科技奖 Future、WAIC 2024 杰出论文奖,多篇论文获 AI 会议最佳论文奖及提名,连续多年入选斯坦福大学全球前 2% 科学家榜单,有论文入选 ESI 高被引论文,多篇论文入选 Paper Digest 最具影响力论文,博士论文获中国中文信息学会优秀博士学位论文。他多年担任 AI 顶级会议的组委会成员和高级领域主席,并担任 IEEE、ACM 等多本期刊的编委。


把这几条线连起来看,这篇 perspective paper 更像是一条长期研究路线的自然延伸:先让机器看懂、听懂这个世界,再让机器读懂人,最后,让人自己变得更强。


结语


在论文的最后,费豪写道:过去十年被用来让机器变得更聪明;下一个十年,值得用来让每一个具体的人变得更强。


而这个范式成功的标志,是一个人变得更像他想成为的那个人,同时没有人把这误认为是 AI 变得更像人。


具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式


文章来自于"机器之心",作者 "机器之心"。

AI转型,免费服务,就找AITNT
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI代理

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。

项目地址:https://github.com/browser-use/browser-use


2
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md