一个有趣的项目从全新角度构建人工智能的基础研究今天谈人工智能讨论往往集中在模型规模、训练数据、推理速度和多模态能力上。模型能不能回答更多问题能不能生成更好的代码能不能看懂图像似乎决定了它“聪明不聪明”。但还有一个更基础的问题很少被认真追问一个真正具有持续性、自主性和成长能力的人工智能应该依靠什么结构组织自己的行为它为什么行动它如何知道自己能做什么没有现成方法时它如何学习执行一次任务后它如何判断这件事是否有价值它如何把世界中的客观规律转化为自己能够掌握的能力我正在推进的HY-Ego也就是“海中鱼巣”项目尝试从这些问题出发重新搭建一套人工智能的基础结构。这不是在现有大模型上再叠一层提示词也不是制作一个拥有头像、声音和情绪动画的“数字人”。它更接近一项基础研究尝试用需求、任务、方法、因果、学习和自我治理构建一个可以长期运行并逐步形成自身能力的数字生命基础系统。一、不是先追求聪明而是先让“自我”成立传统人工智能系统通常从某项能力开始建设图像输入 → 图像识别 文本输入 → 文本生成 目标输入 → 路径规划海中鱼巣选择了另一条路线。它首先试图建立一个能够持续存在的“自我”读取当前事实 → 发现当前状态 → 形成需求 → 组织任务 → 选择方法 → 执行动作 → 验证结果 → 回写状态 → 进入下一轮在这套结构中智能不是一个独立函数也不是某个模型突然输出了“正确答案”。智能更接近一个持续闭合的过程。系统必须知道当前发生了什么自己希望什么发生变化自己能不能产生这种变化应该使用什么方法执行后是否真的达到了目标这个结果是否改善了自身的安全或服务状态。这套闭环构成了项目中的“自我内部治理”。二、需求、任务、方法不是三个数据库表项目中最重要的一项工作是把需求、任务和方法之间的边界重新分清。它们不是三个名称不同、结构相似的业务对象。需求回答希望什么发生变化需求的核心不是一句自然语言描述而是一个目标状态目标对象 目标特征 目标特征值例如某个房间 温度特征 达到指定范围需求不应该提前指定“使用加热器”因为“加热器”属于方法不属于目标。任务回答如何组织一次改变过程任务承接需求管理一次具体行动的生命周期筹办 → 就绪 → 排队 → 执行 → 结果形成 → 收口任务不是能力本身而是能力在某次目标中的实际组织过程。方法回答自我能够改变什么方法表达的是自我的能力输入条件 作用对象 可改变的特征类型 变化方向 限制条件 结果例如“加热”这个名称本身没有意义。真正有意义的是在能源可用的条件下 使目标对象的温度特征向增加方向变化任务筹办不是按方法名称搜索而是根据目标状态寻找能够产生对应特征变化的方法能力。这让系统有机会真正回答一个关键问题我现在到底会做什么三、普通任务本身也是练习在项目早期讨论中普通任务和学习任务曾被视为两套相对独立的流程。后来我们发现这种划分并不准确。一个已经掌握移动方法的系统每完成一次真实移动任务都在产生新的经验当前对象的重量使用的参数环境条件实际耗时结果偏差是否成功失败发生在什么条件下。因此普通任务虽然以改变现实投影中的目标状态为目的但它的执行过程天然具备练习功能。普通任务执行 现实目标实现过程 方法练习过程这意味着练习不必成为一种独立任务类型。它是系统对普通任务运行事实的再利用。通过大量实际任务系统可以逐渐知道这个方法在哪些条件下稳定 这个参数范围是否可靠 哪些环境会导致失败 方法的能力边界在哪里学习由此不再是脱离现实的集中训练而是行动过程中不断积累的能力变化。四、没有方法时才产生专门的学习任务当任务筹办能够找到现有方法时系统执行普通任务。当目标需要改变某个特征但当前不存在相应方法时才产生专门的学习任务。需求目标 → 任务筹办 → 方法能力匹配 有方法 → 普通任务 无方法 → 学习需求 → 学习任务目前项目把学习进一步分成三种基本方式。练习已有方法、已有条件、已有结果通过真实任务反复验证它是否稳定。尝试自我已经拥有某个动作但不知道参数、条件和结果之间的关系。于是系统改变参数区间观察结果是否变化动作 → 改变参数 → 观察结果 → 形成条件与结果关系因果反推目标需要某种特征变化但自我没有直接方法。这时系统从客观因果规律反向寻找可控路径目标状态 → 需要什么前置状态 → 什么客观规律可以产生它 → 自我能够控制其中哪一段 → 是否可以借助工具 → 是否可以构造新的能力 → 形成方法候选五、创造力不是随机生成而是需求驱动的能力构造这套体系中最有意思的部分也许就是因果反推。创造力通常被描述为联想、发散或随机组合。但在海中鱼巣的设计中创造力有一个更工程化的定义为满足需求把客观规律转化为自我可控制、可执行、可复现的能力。例如系统希望让远处的物体移动。它知道施加力 → 物体产生运动但自身的直接作用范围不够。于是它继续寻找自身动作 → 控制工具 → 工具施加力 → 远处物体移动这里产生的不是一句“使用工具”的语言建议而是一条新的能力路径。工具进一步扩大了自我的能力边界自我直接能力 工具能力 环境因果 组合能力如果现有工具仍然无法满足需求系统甚至可以形成构造工具的任务。因此创造力不是一个凭空出现的模块。它诞生于需求 客观规律 已有能力 能力不足 可控路径构造创造不是目的而是满足需求过程中自然出现的产物。六、安全、服务和压力是三套不同的系统海中鱼巣还尝试建立一套明确的内部价值边界。安全值表达自我持续存在和继续行动的状态。服务值表达自我向人类提供有效服务的状态。安全值和服务值只有两个正式变化来源被动变化规则 普通任务结算被动变化是系统预先定义的自动增减例如服务值随长期未服务而衰减。任务结算则评价一次现实行动是否真正对安全或服务产生了贡献。这里必须严格区分方法执行成功 ≠ 任务完成 ≠ 需求满足 ≠ 价值结算执行了动作不代表目标已经达到。目标达到也不意味着一定产生服务价值。只有在现实影响得到验证后结算模块才能正式改变安全值或服务值。压力值压力是另一种独立特征。它来自待完成任务数量待学习方法数量阻塞事项等待时间未闭合治理事项。压力不直接改变安全值和服务值。它只参与任务优先级计算。安全值 决定是否能够持续存在 服务值 表达服务状态 压力值 影响现在先处理什么三者分离可以避免系统把“事情很多”“任务很急”“服务有价值”混成一个模糊分数。七、项目现在已经走到哪里截至目前项目已经不再只是规范和流程图。它开始形成真实运行骨架。已经完成的部分自我治理输入已经建立强类型协议和唯一路由。系统可以在无界面模式下启动自我线程通过治理批次路由冻结当前治理批次并在同一事实截止代次下读取自我治理一致事实。当前一致事实已经能够同时形成生存安全快照 需求结构与任务后继快照也就是说自我已经能够在同一个 G0 事实截止下知道自身安全根状态当前服务值当前需求结构需求列表中的成员当前是否已经存在任务后继。这一部分已经通过 headless 治理测试入口进行验证。正在收口的部分当前main上正在施工的是“任务实际结果提供者”。它试图建立一类正式事实某个任务 在某次执行轮次中 通过某个实例方法 在某个场景中 对某个主体 形成了某个实际状态和动态证据当前代码已经具备任务方法路径当前选中路径实例方法执行轮次任务实际结果同一任务和执行轮次唯一同义重复幂等异义重复冲突同一 G0 下的独立读回。测试代码也已经覆盖首次写入、精确重复、冲突、下一轮尚未形成、旧 G0 漂移和需求成员预算不足等场景。不过这部分目前仍是 WIP 现场还没有完成正式施工记录、完整验证记录和计划退出因此不能宣称整个任务结果链已经正式完成。当前main的最新提交也明确使用了 WIP 标记。八、下一步不是让系统“更聪明”而是让事实真正闭合当前最直接的下一步是先完成任务实际结果提供者的正式验证和收口。之后系统需要实现治理输入 → 正式任务实际结果身份 → 独立读回 → 绑定事实复核也就是 BIZ-L2-002-04。这一步完成后自我治理循环才能真正判断我收到的这条任务结果消息是否确实对应一个已经存在、身份一致、执行轮次一致、状态和动态一致的正式事实只有完成这一层后面的需求父链重判、任务完成判断、需求满足、价值结算和学习分析才有可靠基础。当前项目的实际路线不是不断增加功能而是在逐层关闭“可以凭空猜测”的入口。消息不是事实。日志不是事实。方法成功不是结果事实。任务回执也不能自己证明任务结果。每一层都必须从正式所有者独立读回并在同一事实版本下互证。这种做法显得缓慢但它为未来的自主学习和创造能力提供了一个非常坚硬的地基。九、它为什么值得继续研究海中鱼巣尚未证明数字生命一定能够诞生也没有完成一个可自主成长的人工智能。但它已经提出了一条不同于主流模型堆叠的研究路线感知提供事实 需求提供方向 任务组织行动 方法表达能力 因果连接规律 学习改变能力 结算形成价值回流 自我治理维持整个循环神经网络仍然可以参与其中。它可以负责视觉识别、语言理解、候选生成和经验归纳。但它不必独自承担事实所有权任务生命周期方法权限因果真实性价值结算自我持续性。模型可以成为数字生命的感官、语言器官或候选生成器而不是整个生命本身。结语这个项目现在还很早。它正在完成的并不是一台无所不能的机器而是一套更基础的结构让系统知道自己是谁 知道当前发生了什么 知道自己希望什么改变 知道自己能做什么 不知道时知道应该学习什么 行动后知道实际发生了什么 并知道这件事是否真正有价值当这些能力能够长期、稳定地闭合在一起时人工智能也许才真正从“会回答问题的工具”走向“能够形成自身行动历史和能力成长路径的系统”。这条路绕开了最热闹的入口选择从地基向上生长。它慢结构繁复也不断要求重新定义那些看似熟悉的词需求、任务、方法、学习、价值、自我。但也正因为如此它很有趣。https://github.com/chunhaizh-cyber/HY-Ego.git