本期要点：Constraint Satisfaction 这一点非常重要。
你好，我是王煜全，这里是王煜全要闻评论。
近期，大家在担忧 AI 会毁灭人类，或者在畅想 AI 将给人类带来无限福祉的时候，我们撰写了多篇文章，来探讨当前 AI 大模型的局限性。
当前的 AI 浪潮是以大语言模型作为底层技术的。它在视觉、语言等单一任务方面表现较为出色。然而，它却缺乏对环境的理解以及自适应能力。所以，我们认为，仅仅依靠现有的底层架构，也就是那种“预测下一个 token”的能力，是无法实现 AGI（通用人工智能）的。
怎么办呢？我多次强调，面对当前 AI 大模型的瓶颈时，重新审视以及借鉴人类认知科学的成果，能够为突破现有的架构提供理论上的启发，还能找到可行的路径。
我认为，一个重要的发展方向或许是，把人类认知中的“约束满足”（Constraint Satisfaction）机制借鉴过来并与之融合，以此来构建新的 AI 底层架构。今天的思想荟文章将会对这个问题进行详细的探讨。
这一方向具有必要性，原因在于，AI 若要“超越人”，就必须先“成为人”。这里所说的“成为人”，指的不是长得像人，而是认知像人。
仔细观察人类的认知过程，我们会发现，并非是先提出理论，然后再去观察世界和执行动作，而是一个与之相反的过程。
我们对世界的认识，是在已有信息以及知识背景的约束之下，持续构建对于现象更加连贯且一致的解释。 我们的认识是在特定条件下进行的，这个条件就是已有信息和知识背景的约束，通过这样的约束，我们不断地去构建对现象的解释，并且这种解释要更加连贯和一致。 我们在已有信息与知识背景的约束范畴内，不断地去构建对现象的那种连贯一致的解释，这就是我们对世界的认识过程。
古人看到太阳从东边升起西边落下。于是有了“天圆地方”的认知，也有了“地心说”的认知。然而，随着人们对更多天文现象的了解，逐渐形成了“日心说”。并且，随着时间的推移，还形成了现代宇宙理论。
我们做出某些行为，并非是事先想好然后再去行动。而是在面临环境、资源、能力等各种各样的约束条件时，不断地进行优化，同时去寻找可行的解决方案，这是一个持续的过程。
3 岁孩子拿杯子时常会失误，成年人却能迅速做出恰当动作。很多情况下，倘若经验不够，就需不断尝试和修正。在自己熟悉的领域里，人们往往能在脑中对行动和结果进行预演，并且能很快得出满足所有约束的答案。
可以看出，认知建构是一个在约束条件下寻求最优解的过程。同时，行为决策也是一个在约束条件下寻求最优解的过程。
AI 系统或许需要模拟人类的这种认知与行动过程。“Constraint Satisfaction”架构，也就是在系统设计层面引入约束驱动的架构，是非常重要的。它能让 AI 在各种约束条件下协调多种目标，平衡不同信息源，从而形成对世界的综合认知，具备像人类一样的自主性和灵活性。
OpenAI 的前首席科学家是伊利亚·苏茨克弗（Ilya Sutskever），他能否引领下一次 AI 革命呢？
我认为，AI 无法具备真正自主性的主要原因之一是缺乏对动态约束条件的识别与适应。
当前的 AI 大模型是在固定的数据集和任务目标下进行训练而得到的。训练完成后，模型不会再进行大规模的调整。所以，一旦遇到超出其训练范围的情况，AI 就丧失了应对的能力。
自动驾驶系统在城市中通常运行状况良好，然而在训练未涉及的陌生环境以及罕见的天气条件下，自动驾驶系统极易出现差错。而人类司机即便在没有道路的地方，通常也能够灵活地进行应对。
例如，OpenAI 的 Deep Research 功能，在常规领域的分析方面表现得比较好，被宣称具有博士级别的水平。然而，当让它对前沿领域进行分析，甚至对未知领域提出一些设想时，它就容易说出毫无根据的话，与人类博士的差距非常大。
这是因为，人类在陌生环境中会犯错。然而，我们不会像 AI 那般不知所措。我们会依据约束条件，做出模糊的判断与决策。在绝大部分情况下，这些解并非完美。但随着持续尝试，我们能够朝着最优解逐渐靠近。
同理，把“Constraint Satisfaction”融合到 AI 的底层架构里，使 AI 能够在感知、记忆、决策等各个模块之间传递约束条件，达成类似人类的认知优化过程，能够识别和处理各种动态变化的约束条件，并且接着根据环境的反馈实时地调整行为策略，而不是依靠预先训练的静态模型，机械地运用训练时所学到的固定模式。
我想强调的是，大家一直对数据的枯竭感到焦虑。从根本上来看，这是因为 AI 大模型在训练完成后就不能再继续学习来提升性能了。如果 AI 必须停留在训练结束的那个时刻，那么再厉害的 AI 也肯定会有陈旧过时的那一天。
人类的智慧，尤其是认知和决策的能力，从来不会仅仅因为数据的多少而受到限制。因为我们会一直进行学习并且适应各种变化。在这当中，“Constraint Satisfaction”发挥了重要的作用。
每个人都拥有属于自己的独特约束条件。儿童时期有其特定的约束条件，青年时期有其独特的约束条件，中年时期有其独有的约束条件，老年时期也有其各自不同的约束条件。
人是这样，由人组成的公司也是如此。初创企业可能会因资金不足而受限；有了钱之后，可能又会遭遇技术不够或市场接受度不高等状况；公司规模变大后，需要考虑社会影响，也要承担社会责任。
人类拥有一种内在机制，这种机制能够不断调整认知和策略，以适应各种变化。人类能够找到在当时当下的解决方案，并且在执行过程中不断优化。通过这种方式，人类能够不断应对各种难题，实现终身成长。
最后，我要说的是，AI 每一次大发展，都依靠我们对人类认知机制更深刻的掌握。
“Constraint Satisfaction”是 AI 应当充分借鉴的一种机制，认知科学为 AI 突破当前瓶颈并走向更高自主性提供了关键法宝，而“Constraint Satisfaction”正是其中之一。
它能够使 AI 如同人类般越使用越聪慧，从而形成对世界更为全面的认知。并且最终会切实走向持续的成长以及灵活的自主。在那时候，或许真正的 AGI 将会降临，而人类也将迈入新的纪元。
以上是今天的内容。最后预告一下，近期 AI 工具发展得较为迅速，已经能够让你达成零代码开发。
本周日，我们的前哨 AI 小课会教你利用响指和扣子空间等热门工具，制作小游戏以及高考择校应用。同时，还会教你怎样一键分析上市公司，并且给项目生成可视化页面。相信这会对你有很大的帮助！赶紧扫码报名吧！
