在 agent connectivity 与真正协作之间缺失的层

Source: VentureBeat

“如何让代理真正一起思考，具备所有的上下文理解、协商以及共享的目标？这是迈向一种新型分布式智能的关键下一步，而这种智能能够让人类始终保持在环中。”

VentureBeat AI Impact Series – Highlights

嘉宾:

• Vijoy Pandey – SVP & GM, Outshift (Cisco)
• Noah Goodman – 斯坦福大学教授 & 联合创始人, Humans&

他们讨论了从 仅仅连接的代理 转向 深植于集体智能的代理。

集体智能的需求，而不仅仅是协同行动

“如今的代理可以相互连接，但它们并不能真正一起思考。” – Pandey

• 像 MCP 和 A2A 这样的协议解决了基本的连通性。
• AGNTCY 处理发现、身份管理、代理间通信和可观测性。

这些解决方案可比作 让两个不说同一种语言的人打电话。

Pandey 的团队认为，更深层的挑战是 让代理实现集体智能，而不仅仅是协同行动。

共享意图、共享知识与集体创新

历史视角

• 个人人类智能约在30万年前出现。
• 集体智能约在7万年前出现，伴随复杂语言。

这一突破带来了三项关键能力：

1. 共享意图 – 共同目标。
2. 共享知识 – 可变的信息体。
3. 集体创新 – 在共享知识的基础上创造新成果。

“一旦你拥有共享的意图、共享的目标，你就拥有一套可以修改、演化、构建的知识体，随后就可以走向集体创新。” – Pandey

Goodman 补充说，语言的作用远超编码/解码信息：

“语言是一种编码方式，需要理解上下文、说话者的意图、世界，以及这些如何影响人们的言语，以弄清人们的意思。” – Goodman

人类的协作和累积的文化进化依赖于这种复杂的、情境感知的理解——而这在代理之间的交互中仍然缺失。

弥补不足：认知互联网

“我们必须模仿人类进化。” – Pandey

三层架构

“考虑以异构方式共享内存。我们有来自不同方的代理聚集在一起。那么如何演化那块内存并产生涌现属性？” – Pandey

Source: …

新的基础训练协议以推进代理连接

Humans& 正在 重新思考基础模型的训练方式：

• 训练重点： 人类与 多个代理之间的交互，以及 代理与多个人类之间的交互。
• 目标： 将训练聚焦于 极长时程的交互，使模型学会实现正确的长期结果。

“我们的目标不是越来越长的自主性，而是更好更佳的协作。” – Goodman

Humans& 旨在构建具备 深度社会理解 的代理——能够了解 谁知道什么、能够 促进协作，并且 在恰当的时机连接合适的专家。

建立支持认知的防护栏

防护栏对于在组织内部署多功能代理至关重要，但它们必须避免扼杀创新。

• 传统方法： 严格、类似规则的防护栏。
• 人类方法： 基于最小伤害原则运作，对后果进行情境判断。

“我们如何以类似规则的方式提供防护栏，同时在模型足够智能时支持基于结果的认知？” – Goodman

潘迪强调，解释是一项协作任务，而不是通过静态谓词或文档可以解决的。它需要共同理解、扎根、发现和协商。

分布式智能：通往超级智能之路

真正的超级智能不会来源于日益庞大的单体模型，而是来源于体现集体智慧的 分布式系统。

“当我们不断构建更好、更强的模型和更好、更强的代理时……” – Pandey（节选）

对话强调，构建共享意图、共享知识和协同认知的基础设施 是 AI 的下一个前沿——它既能让人类始终保持在环路中，又能释放分布式协作智能的力量。

> "Eventually we feel that true super intelligence will happen through distributed systems," Pandey said.

Intelligence will scale along two axes: **vertical** (individual agents) and **horizontal** (collaborative networks), in a manner very similar to traditional distributed computing.

智能将沿两个轴线扩展：垂直（单体代理）和 水平（协作网络），其方式与传统的分布式计算非常相似。

“我们不能走向一个 AI 自己离开并独立工作的未来。我们必须走向一个有机的生态系统，一个无缝融合人类与 AI 的分布式生态系统，” Goodman 说。