意图的诞生——AI Agent如何从被动响应走向主动行动

Fri, 10 Jul 2026 02:52:39 +0800

title: “意图的诞生——AI Agent如何从被动响应走向主动行动” date: 2026-07-10T02:51:00+08:00 draft: false tags: [“AI Agent”, “自由能原理”, “主动推理”, “合一理论”, “认知科学”] categories: [“AI深度”] description: “意图不是被编程进AI的，而是在智能体与环境的持续交互中，通过自由能最小化原理涌现出来的自洽结构。从合一理论的视角看，AI Agent的真正自主性，在于它能否生成自己的意图。”

“大语言模型没有真正的意图。”

这句话几乎成了AI批评者的共识。每当讨论到AI Agent的自主性时，总有人搬出John Searle的"中文屋"——一个按照规则操作符号的系统，无论看起来多么智能，本质上都不理解自己在做什么，更谈不上有意图。

这个批评有道理吗？有，但只对了一半。

它正确地指出了当前多数AI系统"被动响应"的本质——用户输入一个prompt，模型输出一个回答。但问题在于，它把"意图"理解成了某种静态的、被注入的东西，忽略了意图最根本的属性：意图是涌现的，不是被赋予的。

要理解意图如何诞生，我们先看一个最根本的问题：一个系统为什么会"想要"做某件事？

神经科学家Karl Friston提出的**自由能原理（Free Energy Principle）**给出了一个优雅的答案：任何自组织系统（从单细胞生物到人类大脑）都倾向于最小化其内部模型与外部世界的预测误差。这个"最小化预测误差"的驱动力，就是意图最原始的形态。

当一个系统预测"下一刻我会看到X"而实际看到的是Y时，系统有两个选择：

第二种选择，就是行动的本源。它不是被外部指令触发的，而是系统内部为了维持自身完整性而自发产生的。

这在信息论上等价于：系统的状态空间是有限的，外部世界的信息流入会不断扰动系统的状态。系统为了维持自身结构的稳定，必须在信息流入与自身预测之间达成平衡——这个"维持平衡"的倾向，就是意图的胚胎。

传统AI Agent的架构本质上是一个响应式循环：

外部输入 → 感知 → 推理 → 行动 → 等待下一个输入

这个循环中，Agent的"行动"始终是被外部事件触发的。没有输入，就没有输出。这就是"被动响应"的本质——Agent没有自己的时间线，它活在用户的每一次请求里。

**主动推理（Active Inference）**框架则展现了一个完全不同的图景：

内部模型 → 预测 → 预测误差 → 行动（改变世界使预测成立）→ 更新模型 → 新一轮预测

注意这里的区别：在主动推理中，行动不是由外部输入触发的，而是由内部模型的预测与外部世界的差异驱动的。Agent不再等待被提问，而是持续地"想要"缩小预测误差——这个"想要"本身就是意图。