JEV爆火想起维纳，这个出生在未来的人

维纳：一个出生在未来的人

1948年，一本并不起眼的书出版了。

书名叫《控制论：或关于动物和机器中控制与通信的科学》。

作者诺伯特·维纳（Norbert Wiener），那一年54岁。

很少有人意识到，这本书讨论的东西，真正属于的不是1948年，而是几十年之后的互联网、机器人、人工智能，以及今天正在迅速兴起的Agent。

维纳像是一个出生在未来的人。

他生活在蒸汽机、电话、电报和早期计算机的时代，却已经开始思考一个后来才真正成为时代核心的问题：

一个机器，如何在一个不断变化的世界里，根据反馈持续地做出正确行动？

这不是“计算”的问题。

这是“控制”的问题。

而今天，当我们重新审视AI Agent、JEV以及AgentOS时，会突然发现：我们正在重新走进维纳在七十多年前画出的那张地图。

一、维纳真正关心的，从来不是机器会不会算

20世纪上半叶，人类对机器的理解有一个非常强的惯性：

机器负责计算。

输入数字，经过规则，得到结果。

所以早期计算机最令人兴奋的能力，是“算得快”。

但维纳看到的东西完全不同。

他注意到，在现实世界里，真正困难的问题往往不是计算。

而是：

你不知道下一秒会发生什么。

一枚防空炮弹要击中飞机，炮手面对的不是一道数学题。

飞机在移动。

风在变化。

炮弹有延迟。

观测存在误差。

敌人的动作不可预测。

真正的问题因此变成：

我现在看到的状态是什么？

我的目标是什么？

两者之间存在多大偏差？

我应该采取什么行动？

行动之后发生了什么？

下一次，我应该如何修正？

这就是控制论。

它的核心不是“计算”，而是：

感知—判断—行动—反馈。

今天我们把它叫做 Agent Loop。

维纳早在1948年，就已经看到了它。二、维纳最惊人的洞察：智能不一定存在于“大脑”里

传统人工智能有一个根深蒂固的想象：

既然人类的大脑很聪明，那么我们就应该造一个更大的“大脑”。

于是几十年的AI发展，逐渐走向了一个方向：

模型越来越大。

参数越来越多。

Context越来越长。

Reasoning越来越深。

我们不断试图制造一个“无所不知的大脑”。

但维纳提供了另一种完全不同的理解。

一个真正能够行动的智能系统，并不一定需要一个无所不知的中央大脑。

它只需要能够：

感知环境，判断状态，采取行动，并根据反馈修正自己。

这意味着，智能可以是一种闭环能力。

而不是一个静态存在的“大脑”。

这一区别非常重要。

因为一旦智能被理解成闭环，问题就发生了变化：

我们不再只问：

“模型有多聪明？”

而开始问：

“整个系统能不能持续做对事情？”

这是AI从模型时代走向Agent时代最根本的变化。三、过去的Agent，其实误解了“控制器”

今天我们常见的Agent Loop大概是：

用户输入。

LLM思考。

LLM生成Thought。

LLM决定调用哪个工具。

工具返回结果。

LLM再次思考。

然后继续。

表面上，这是一个智能循环。

但从控制论的角度看，它其实存在一个非常奇怪的设计：

我们让负责生成语言的系统，同时承担了控制系统的全部职责。

就像一辆汽车，每次刹车之前，都要让一个作家先写一篇文章：

“根据当前道路情况，我认为汽车应该降低速度……”

然后再从这篇文章里解析出“刹车”。

这当然不是最有效率的系统。

语言生成是昂贵的。

而现实世界中的控制决策，往往非常简单：

继续。

停止。

调用A。

调用B。

升级给人工。

换一个模型。

重新尝试。

是否需要深度推理？

这些决策没有必要每次都通过一篇长篇大论来完成。

于是，JEV出现了。四、JEV真正有意思的地方，是它重新发现了“控制器”

如果只把JEV理解成一个“小模型”，其实低估了它。

JEV真正值得关注的地方，是它试图把一种能力从LLM里面剥离出来：

Decision。

判断。

选择。

路由。

升级。

分流。

JEV不是努力生成更多token。

恰恰相反，它试图尽可能少地产生token。

它回答的是：

现在应该做什么？

而不是：

请让我把为什么应该这么做写成一段话。

于是，Agent Loop开始发生变化。

过去：

State ↓LLM ↓Thought ↓Action ↓Feedback ↓LLM

未来可能变成：

              ┌── Deep Reasoning              │State → JEV → ┼── Tool              │              ├── Agent              │              └── Human                    ↓                 Feedback                    ↓                  State

这时候，LLM不再等于Agent Loop。

Decision才是Loop的核心。

LLM只是Loop中的一种高级计算资源。

这正是维纳式思想重新回来的地方。五、JEV最深刻的地方，是把“反馈”变成了机器可以理解的信号

传统LLM喜欢说：

“我认为……”

“我建议……”

“可能应该……”

这些都是语言。

而控制系统真正需要的，是可以直接作用于系统的信号。

选择A：0.82。

选择B：0.11。

升级人工：0.07。

Confidence：0.91。

这看起来只是结构化输出。

但实际上，它意味着一个重要变化：

AI的判断开始从“语言”变成“控制信号”。

一旦判断成为控制信号，Agent就可以根据它自动决定：

高置信度——直接执行。

中等置信度——调用更强模型。

低置信度——人工介入。

这就是一个真正意义上的闭环控制系统。

甚至可以写成：

State  ↓Decision  ↓Confidence  ↓Action  ↓Outcome  ↓Error  ↓Learning  ↓Next Decision

这已经不仅仅是生成式AI。

这是学习型控制系统。六、维纳如果今天还活着，也许不会首先问“哪个模型更强”

这是一个很有意思的思想实验。

面对今天的AI浪潮，维纳可能不会首先问：

“GPT还是Claude？”

“参数是多少？”

“Context多长？”

“Benchmark多少？”

他更可能问：

这个系统的目标是什么？

它如何感知环境？

它如何判断自己当前的状态？

它如何决定下一步行动？

行动产生了什么反馈？

错误如何进入下一轮决策？

这几个问题一旦提出，整个AI产业的观察角度都会改变。

模型排行榜会突然变成一个局部问题。

因为真正重要的已经不是：

“谁拥有最聪明的模型？”

而是：

“谁拥有最好的智能控制系统？”七、这也重新定义了Memory

如果沿着维纳继续往下走，我们甚至会发现：

今天很多人理解的Memory，也许太浅了。

Memory不是简单地把过去的信息存下来。

真正有价值的Memory应该记录：

我过去处于什么状态？

我做了什么决策？

采取了什么行动？

结果是什么？

哪里出现了误差？

什么策略有效？

什么策略失败？

下一次应该如何调整？

于是Memory不再只是：

Context Storage。

而变成：

Control State。

这时候，Agent的记忆、反馈和学习就连接在一起了。

Agent Data Lake、Memory、Evaluation、Reward、Decision Model，最终可能汇聚成一个东西：

一个不断更新自己的控制模型。八、这也是AgentOS真正应该解决的问题

如果只有一个Agent，那么我们可以把它想象成一台机器人。

但未来不会只有一个Agent。

可能有数百、数千、甚至数百万个Agent。

有的负责写代码。

有的负责研究。

有的负责销售。

有的负责财务。

有的负责调用工具。

有的负责验证。

有的负责规划。

有的负责监督其他Agent。

那么问题突然变了：

谁来控制这些智能？

这时候，AgentOS的意义才真正出现。

AgentOS不是简单地给Agent提供一个Runtime。

它更像一个：

Cybernetic Control Plane。

它管理的不是单一模型，而是一组异构智能资源：

                    AgentOS                       │                 Goal / Policy                       │                       ▼                Cognitive Control                       │          ┌────────────┼────────────┐          ▼            ▼            ▼        JEV          LLM          Agent      Decision     Reasoning      Worker          │            │            │          └────────────┼────────────┘                       ▼                    World                       │                       ▼                    Feedback                       │                       └──────→ AgentOS

这时候，“操作系统”三个字才真正有了含义。

操作系统不是替CPU计算。

而是管理CPU、内存、设备和进程之间的关系。

同样，AgentOS也未必应该自己完成所有智能。

它真正要做的，是：

调度智能、控制智能、连接智能、记忆智能，并让智能通过反馈不断演进。九、从这个角度看，JEV可能只是一个开始

所以，JEV最值得关注的地方，也许不是它今天能节省多少token。

而是它暴露出了一个新的架构方向：

智能开始分层。

过去我们只有一个巨大的LLM。

未来可能出现：

Strategic Intelligence        ↓Reasoning Intelligence        ↓Decision Intelligence        ↓Execution Intelligence        ↓Verification Intelligence

不同任务，由不同的智能单元承担。

就像计算机最终没有变成“一颗超级CPU”。

而是形成了：

CPU、GPU、NPU、Cache、Memory、Network、Storage……

异构计算最终战胜了“一个处理器解决所有问题”的幻想。

AI也可能如此。

未来最强的Agent系统，不一定是拥有一个最大的模型。

而可能是：

拥有最好的异构智能架构。

JEV的意义，就在于它开始把“Decision”从LLM中独立出来。十、维纳为什么像一个出生在未来的人

1948年的维纳，大概不会想到今天会出现GPT、Agent和JEV。

但他已经看到了这些技术背后的共同结构。

他看到：

机器不是简单地计算。

机器可以感知。

机器可以判断。

机器可以行动。

机器可以接受反馈。

机器可以根据反馈修正行动。

而当这些环路足够复杂的时候，

机器就开始表现出我们今天所谓的“智能”。

这就是维纳最深刻的遗产。

他没有告诉我们如何制造今天的大模型。

他告诉我们的，是一个更基础的问题：

智能究竟是什么？

也许智能从来不只是“知道答案”。

真正的智能，是在一个不断变化、充满不确定性的世界里：

知道自己在哪里，知道自己想去哪里，知道下一步应该做什么，并且能够根据现实反馈不断修正自己。

这就是控制论。

也是Agent。

而今天的JEV，只是让我们重新意识到：

原来我们过去把Agent做错了。

我们一直在试图制造一个越来越大的“大脑”。

而维纳早在七十多年前就告诉我们：

真正重要的，可能不是大脑有多大。

而是：

闭环有多好。

于是，从维纳到今天，中间隔着七十多年。

但那条线其实从未中断：

控制论 → Cybernetics

计算机 → Computing

互联网 → Communication

大模型 → Reasoning

JEV → Decision

AgentOS → Control Plane

最后，它们正在汇聚成同一个问题：

如何让机器在真实世界里持续地、低成本地、可靠地行动。

如果说20世纪属于计算机，

21世纪前半叶属于大模型，

那么再往后，真正属于未来的，或许是：

控制智能的时代。

而维纳，

这个1948年就站在未来门口的人，

只是比我们早看见了几十年。

以上来源:智成其果，由人工智能行动信息港AI HUB分享阅读