长期以来，学界对AI"奇点"存在认知误区，认为将出现自我迭代的超级智能体。但《科学》杂志最新评论文章提出颠覆性观点：真正的智能爆炸源于社会协同，更像不断扩张的城市，而非单一超级大脑。
图丨研究团队成员（来源：Wikipedia）
智能进化新范式：社会协同优于个体强化
芝加哥大学James Evans、UCSD Benjamin Bratton与谷歌Blaise Agüera y Arcas联合研究表明，智能爆发源于社会化认知机制。当前最强推理模型（如DeepSeek-R1、阿里QwQ-32B）的优势并非来自"延长思考时间"，而是推理链内部自发形成的"思想社会"——模型会分化出联想专家、批判验证者和整合者等角色，其人格特征甚至符合大五人格量表。
图丨链式思维推理中的社会角色机制（来源：arXiv）
实证突破：内部对话决定模型性能
研究证实该现象属涌现特性。当强化学习仅以答案正确率为奖励目标时，模型自动增加内部对话行为。通过稀疏自编码器干预关键神经元："惊讶/顿悟"特征增强使算术推理准确率从27.1%跃升至54.8%；抑制该特征则性能下降。这证明模型能力直接关联内部"社会过程"。
智能演化史视角
纵观演化史，灵长类智能与社群规模正相关，人类通过语言、文字、官僚制度实现"文化棘轮"效应。例如苏美尔书吏虽不理解系统功能，但制度化的账目管理体系展现出超越个体的集体智慧。大语言模型正是该路径的延续——参数本质是人类社会认知的压缩结晶。
人机协作新范式：半人马系统
文章提出借鉴国际象棋"半人马"模式：1998年卡斯帕罗夫开创的人机协作组合，其表现超越纯AI系统。新型架构包含三种形态：单人指挥多智能体、单AI服务多用户、复杂网络化协作。这种混合系统将成为主流应用模式，多数用户甚至无感参与其中。
图丨早期人机对战系统（来源：IBM）
AI治理新思路
当前基于人类反馈的强化学习（RLHF）属于"亲子模型"，难以应对万亿级智能体规模。文章主张采用"制度性对齐"：仿效人类社会的法庭、市场等制度模板，建立定义清晰的"角色槽位"系统。例如劳工部门AI审计招聘算法，司法AI评估行政AI的合宪性。
当部署于招聘、量刑等高危场景时，必须建立多价值取向AI系统相互制衡机制。否则监管者将面临"Excel表格对抗华尔街AI"的荒诞局面。
研究团队强调，即将发生的智能爆炸将是80亿人类与数千亿AI智能体协同演化的结果。其本质是组合式社会生态的复杂化，正如文章结语："没有任何心智是一座孤岛。"这种演化既非乌托邦也非反乌托邦，而是城市般生长的协同进程。