从“会说话”到“有用”：Amazon AGI谈通用智能的真实门槛

Amazon AGI实验室的认知科学家Danielle Perszyk，用一场并不炫技的演讲，重新定义了“有用的通用人工智能”。她从幻觉、自动化失灵、人机对齐到计算机使用代理，解释了为什么今天的模型还不够通用，以及真正的突破可能来自哪些被忽视的方向。

为什么“像人一样聪明”，才是AGI真正的野心

理解AGI的分歧，决定了我们会把力气用在什么地方。演讲一开始，Danielle Perszyk就明确了Amazon AGI实验室的立场：他们并不满足于让模型在更多基准上得高分，而是“把目标放在构建更接近人类智能的AI上”。这不是一句口号，而是一条会显著改变技术路线的判断。

她指出，当下主流的大模型更像是“被优化过的工具集合”，在语言、代码、检索等单一能力上表现惊人，但缺乏真正的通用性。通用，不只是“会很多事”，而是能在新情境中迁移已有能力，像人一样理解目标、约束和环境。这也是她反复强调“useful general intelligence”中“useful”的原因：如果不能在真实世界中稳定地发挥作用，再聪明的模型也只是演示品。

在这个背景下，她抛出了一个容易引起争议的观点：我们之所以对当前系统感到失望，不是因为进展太慢，而是因为我们一开始就用错了衡量标准。与其问模型能否生成更长的文本，不如问它能否在陌生界面中完成一个简单但完整的任务。这一转向，为后面关于幻觉、自动化和代理的讨论埋下了伏笔。

幻觉不是Bug，而是通用智能的代价

为什么大模型会“胡说八道”？在很多产品语境中，幻觉被视为必须消除的缺陷。但Perszyk提出了一个更具认知科学色彩的解释：“我们知道的一件事是，幻觉是必要的。”这句话在现场显然带着一点挑衅意味。

她的逻辑并不是为错误开脱，而是指出：人类的泛化能力，本就建立在不完全确定的信息之上。当我们面对新问题时，会基于有限线索做出假设、填补空白，这些推断在事后看来同样可能是“幻觉”。区别在于，人类拥有世界模型和感知反馈，可以迅速修正错误，而当前模型缺乏这种闭环。

这也是她提出的关键问题：“我们现在的系统，更接近哪一种？”是纯粹的统计补全，还是正在形成某种可更新的内部表示？如果无法让模型在行动中校正自己的判断，那么简单地压制幻觉，反而可能削弱它在陌生场景中的探索能力。这个观点为后文引出“计算机使用代理”提供了认知层面的支撑：只有能行动、能失败、能修正的系统，才有资格谈通用。

自动化的幻觉：为什么替你做事，反而让你更被动

在谈到现实应用时，Perszyk刻意拉开了技术与人的距离。“这不是关于我们，而是关于技术。”她提醒观众，问题不在于人类是否懒惰，而在于我们设计的自动化系统，是否真的在增强人的能力。

她回顾了多个历史视角：有些技术确实解放了注意力，让人可以专注于更高层次的思考；但也有不少自动化，悄然剥夺了人的控制权。问题在于，自动化并不必然等于增强（augmentation）。当系统替你做决定，却不给你理解和干预的空间，人类反而被“去技能化”。

因此，她提出“unhobble humans”这个颇具画面感的说法——AI的目标不应是接管，而是解除束缚。这一判断直接影响了他们对AGI路径的选择：与其追求全自动的黑箱，不如构建能与人共享表征、共享上下文的系统。这也是为什么后面她会花大量时间，介绍一种看似笨拙、却更贴近人类操作方式的代理形态。

计算机使用代理：通往对齐的一条不性感路径

在演讲后半段，Perszyk展示了一个由同事Carolyn演示的demo：一个通过“看屏幕、点鼠标、敲键盘”来完成任务的计算机使用代理。她坦言，现实是“模型还不能可靠地点击、输入或滚动”，这远不如生成文本来得优雅。

但正是在这种不完美中，她看到了希望。这类代理不需要抽象API，而是直接在与人类相同的界面中行动。这意味着，它们必须理解按钮的意义、状态的变化，以及操作顺序带来的后果。与纯语言交互相比，这是一种更贴近世界的学习方式。

Perszyk将其上升到对齐层面来理解：当代理和人类共享同一套表示——同一个屏幕、同一个任务流程——对齐不再只是价值层面的约束，而是认知层面的重合。她提到，这种方式甚至可能支持更复杂的状态，比如专注与心流。虽然这条路径进展缓慢、工程挑战巨大，但在她看来，这是少数真正可能让AGI“有用”的方向之一。

总结

这场演讲的价值，不在于给出了一个明确的AGI时间表，而在于校准了我们对“进步”的期待。Perszyk反复强调：通用性来自行动、反馈和共享表征，而不是参数规模。幻觉、自动化和对齐，在这个框架下不再是孤立问题，而是同一认知系统的不同侧面。对从业者而言，这提醒我们把目光从炫目的能力展示，移向那些真正能在现实中站得住的设计选择。

关键词： 通用人工智能， Amazon AGI， 幻觉， AI对齐， 计算机使用代理

事实核查备注： Danielle Perszyk：Amazon AGI实验室的认知科学家；核心概念：Useful General Intelligence、幻觉是必要的、automation不等于augmentation、unhobble humans、computer use agents；演示涉及通过屏幕操作的代理demo；未提及具体产品名称或模型参数。