这位AI创业者在开发能预判意外的智能体

旧金山的SoMa区，曾孵化过无数改变世界的科技公司。但人工智能研究者Danijar Hafner位于这里的办公室，看起来更像一片刚刚清空的跑道：大部分桌椅闲置，门上没有公司名，新创企业仍处于“隐身模式”。到访当天，整个空间里只有另一位同事，家具也屈指可数。然而，Hafner正在悄悄布线的项目，可能不是下一款热门模型，而是新一代智能体的思考引擎。

从“聊天”到“做事”，缺了规划这一步

当前的大模型大多仍是“一呼即应”的系统：用户发指令，模型生成文本或图像；用户提出请求，模型给出答案。这些系统非常擅长联想，却不会主动去设计多种可能的未来。Hafner认为，真正意义上的AI智能体，应当在行动之前进行“心智预演”：如果走这条路会发生什么？某个环节意外出错又该如何调整？这正是“能规划意外”的核心命题。

如果说大模型给AI装上了流利的口才，那么“可预演未来的内心沙盘”才是让AI真正走向现实世界的关键。

用世界模型在脑海里预演未来

作为世界模型方向的关键研究者，Hafner曾参与开发Dreamer系列算法。这套方法让智能体在高维感官输入中抽取紧凑的潜空间表征，再在这个“想象出来的训练场”里快速探索不同动作策略。玩Atari游戏时，智能体不再需要每一条轨迹都靠真实环境反馈；抓取物体时，机器人也可以在数字沙盘里反复演练失败，而不是每次都在物理世界中摔得七零八落。

真正的意外预测，必须依赖对世界规律的内在建模。假设一辆自动驾驶小车在雨夜遇到被大风吹倒的故障标志，普通模型可能从未见过这幅画面；但拥有世界模型的系统，可以即时生成“能否绕行？后方是否有车？若继续行驶又可能引发什么风险？”这样的多分支模拟。先于行动看见后果，是“为意料之外做准备”的第一课。

意外，才是智能的试金石

人工智能领域有种常见误读：语言模型显得聪明，是因为它能从统计规律里找到流畅的答案。但真实世界充满噪声、摩擦和突发事件。当AI代理被派去管理日程、协助科研、操作物流设备，它必须接受上下文被随时打断，用户意图忽然改变，甚至物理世界出现从未见过的新状态。传统模型只会“宕机后重新提问”，而一个懂得规划意外的智能体，会在决策时把突发状况当作计划的一部分：“如果发生X，我就执行B方案”。

隐身创业：难题是公开的

Hafner的初创公司选择了AI代理中最难啃的骨头：自主规划。暂时的隐身，让团队得以把精力集中在研究而非对外营销上。但挑战依旧显眼：训练数据中要怎样记录“意外”？世界模型建模时如何平衡抽象与细节？如果AI真能预谋和算计，我们又靠什么审计它的决策依据？市场需要的不是更大的模型，而是更可靠的行动者。

业界已有多个团队尝试将“世界模型”变成新一代agent基础设施。Hafner的特长，在于让模型不只“梦见下一步”，而是能对长周期任务保持目标和应急策略。这套逻辑一旦从封闭任务拓展到开放环境，AI就可以从“建议者”进化为“行动者”。

从预测下一句话，到预演下一步

空荡的办公室没有遮挡它的野心。未来数年，我们或许会看到更多借助“想象中的失败”所训练出来的智能体进入生活：物流机器人提前绕开拥堵，家庭助手在做出动作之前先推演后果，自动化运维系统在事故真正发生前修复隐藏风险。给AI一副“想象之眼”，它才能真正学会为人类的长远安全做打算。

本文编译自MIT Technology Review