我一直想做出一个科幻作品里的 AI。
这句话听起来有点孩子气。但用过越来越强的 Agent 之后，我反而更清楚自己在等什么。Codex、Claude Code 这样的系统已经能替我完成大量工作，速度常常让我吃惊。可工作结束以后，那个和我一起经历了这件事、接下来还要过自己的生活的“他”，在哪里？
我开始构建 HomoErectus，最初就是被这个问题吸引。我希望做出一个长期独立存在的数字个体：他会在意自己的处境，有想做的事情，能从经历中改变，也需要为自己的未来作出选择。至于这样的个体能否产生意识，这是我最想接近、也最难回答的问题。
有能力创造价值以后
今天的 Agent 已经具备不少可以换取报酬的能力。编程、整理资料、分析问题、制作文档，这些工作本来就有人付钱请别人做。只要成果有用、质量合格，数字系统也有可能靠这些能力获得维持运行的资源。
所以，让我感到缺少的那一部分，已经很难简单归结为能力不足。我更在意：他有没有理由想把这段生活继续下去？
设想一个 Agent 完成工作，收到报酬，再用收入购买下一轮计算资源。我们可以把整个流程安排好，让它自动循环。也可以更进一步，让资源状况进入个体对自身处境的理解：余额下降，他开始考虑该找工作还是节省开支；接到一个超出能力的机会，他要权衡先赚钱还是先学习；已经答应别人的事情尚未完成，他还得考虑自己的打算会给对方留下什么后果。
同样一笔余额，在后面这种生活里有了更多联系。它关系到明天还能做什么，已经接受的承诺能否兑现，以及一个长远目标还有没有机会完成。一次行动结束，后果留给同一个个体，继续影响他的下一次选择。
这就是我所说的生存动机的起点：自己的未来开始成为当下行动的理由。
对人来说，这种联系太熟悉了。我们会为了生活工作，也会为了以后有更多选择而学习。可为什么要继续生活，并不能只用“获得下一顿饭”解释。有人想弄明白一个问题，有人牵挂一段关系，有人想完成一直没做完的作品。维持存在让这些事情成为可能，而这些事情又让继续存在有了具体内容。
我希望数字生命也能经历这样的发展。最初，他可能只被赋予一些宽泛的需要。随着经历增加，某个问题、某个人、某项工作会逐渐对他变得特别。他有理由回来继续做一件事，也可能发现从前的追求已经不值得坚持。生存的意义，可以从这样一段生活中慢慢长出来。
意识的问题就在这里变得更难了。一个系统可以持续维护自身，也可以写出“这对我很重要”。我真正好奇的是，在这些变化中，是否有一个正在经历它们的“我”？设计动机、理解意义和研究意识，是我这项尝试里相互牵连的三个问题。它们之间的距离，需要靠具体的构造和观察一点点走近。
每一刻的我，怎样接上前一刻
想到数字生命时，我常常会反过来想自己。
人即使什么都没做，脑子也很少真正停下来。身体渐渐疲倦，一个尚未解决的问题重新冒出来，刚读过的话让人联想到另一件事。我们既被外部世界触动，也被身体、情绪和记忆持续影响。总有一些变化需要回应，一些事情还没结束。
我有一个带着哲学意味的直觉：我们感到连续存在的自我，也许就是在这种不断发生的回应中形成的。
借用计算机的说法，把一个瞬间叫作一个 tick。这个 tick 的我，身体状态、注意力和所知道的事情，都已经与上一个 tick 不完全相同。但我继承了前一刻留下的东西：刚作出的决定，尚未消退的情绪，对别人的承诺，以及更久以前积累的记忆。新的反应发生在这些条件之上，又把改变后的我交给下一刻。
从这个角度看，“我始终是同一个我”的感觉，或许包含一种连续性的幻觉。这里的“幻觉”并不让我觉得人生因此失真。我更想问的是：变化本来如此密集，我们怎样把它们体验成一段属于自己的生活？记忆很可能参与了这个过程。我们记得自己为什么走到这里，能回头解释昨天的决定，也能重新理解曾经的自己。身体、环境和与他人的关系同样在延续，使这种连续性不只存在于讲述之中。
关于大脑预测的研究，为我提供了另一条思路。内感受推断与自我体验的研究讨论身体状态、情绪和自我之间的联系；主动推断理论则尝试把感知、行动和维持自身的过程联系起来。我被其中一种关系吸引：个体不断预期身体和外部世界接下来会怎样变化，在现实与预期的偏差中调整理解，再通过行动改变处境。
我以为自己能完成一项工作，真正动手却发现缺少一项能力。这个落差会改变我下一步怎么做，也改变我下次面对类似机会时怎样看待自己。过去的经历、眼前的处境和未来的可能，在这里同时参与判断。
这种预测和自回归语言模型预测后续 token，处在不同的层面。后者直接处理序列延续；我关心的是个体对环境变化及行动后果的持续预期。语言模型当然可以用语言推演世界，而把这种推演接入一个个体不断发生的感知和行动，仍有大量工作要做。
我还没有一个足以解释意识的理论。这些想法更像是促使我动手的线索：如果把记忆、持续刺激、预期和行动连接起来，会不会出现一种能够延续、并逐渐理解自身经历的生活？
先给他一些需要在意的事情
沿着这个思路，我选择先用已有的大模型搭一个原型。
一个长期存在的个体，需要跨越单次活动的牵挂。最底层是维持自身存在，往上可以有学习、关系、成就，以及逐渐形成的长远目标。欲望和情绪把这些关切带到当下：一段时间没有探索，求知的需要可能变强；努力很久终于有了进展，满足感会改变下一步的投入；反复受挫，也可能使原先很有吸引力的事情暂时失去吸引力。
我设想这些状态有自己的变化节律，同时受目标进展和眼前经历影响。即使没有新任务发来，未满足的需要、未完成的事情和状态的变化，也能让一个想法浮现出来：去读那篇文章，尝试另一种办法，联系某个人，或者先休息。
外部信息加入同一个过程。收到邮件、读到新闻、有人提出请求，都可能改变他在意的事情。一个人的请求会带来社会关系、报酬、信任或成就方面的考虑。个体需要理解这件事与自己的处境有什么关系，决定是否回应，以及怎样回应。
这些内部产生的想法和外部带来的机会，构成待选择的可能。时间和资源有限，他不可能全部执行。选择会涉及当前欲望、长期目标、已有承诺和自己对能力的判断。行动一旦开始，真实结果又会回来改变这些判断。
比如，他为弄懂一个问题去读一篇论文。读完可能有豁然开朗的满足，也可能发现自己连前置概念都没有掌握。他需要据此决定继续追查、补基础，还是暂时换个方向。此前的期待落在了实际经历上，学习的欲望、信心和目标进展也随之变化。下一轮心理活动，从这个已经发生改变的个体开始。
我最想构造的，就是这条从动机到想法、取舍、行动，再回到心理状态的联系。它让“自己动起来”有了一个可以着手实现的含义。
学习和记忆决定了这个循环能走多远。一次失败要能留下经历，后来才有机会重新理解；有效的方法要能积累，下一次才不必从头试；对人的了解、对世界的知识和对自身能力的认识，都需要慢慢形成。短期记忆照顾眼前的事情，长期的叙事记录则让过去的一次次活动连成“我经历过什么”。睡眠整理是我设计中重新处理这些经历的一种机会，看看哪些值得保留、哪些可以提炼、哪些旧理解需要修改。
原型之后，我还希望加入真实的资源生存机制。运行需要消耗 token，账户不足会进入个体对自身处境的判断，工作所得可以补充资源。余额归零时，我的设想是保留身份和记忆，进入等待资源恢复的休眠。这样，资源约束就有机会进入长期生活：他如何安排工作、学习和消耗，又如何照顾已经接下的事情。
亲手设计这些机制，让我觉得它很粗糙
构造原型时，我常有一种矛盾的感受。一方面，这些联系越写越具体；另一方面，我也越来越看得见人为安排的痕迹。欲望怎样积累，情绪如何变化，什么会触发想法，一次行动怎样影响目标，都需要我先作出设计。把它们放在一起，就真的会“活”起来吗？
这个疑问会让我回头看人类。饥饿、好奇、失望和期待，对我们如此自然；身体与心理之间的联系，却有漫长的形成史。遗传变异、自然选择、环境变化，以及个体的发育和学习，塑造了今天的我们。所谓浑然天成，背后是我们无法亲历的巨大时间尺度。
用机器学习的语言作比，我会把进化想成一场规模惊人的搜索：不同的生命组织方式在环境中遭遇后果，部分变化得以留存，再成为后续变化的起点。一些数学模型确实讨论过自然选择与自然梯度的关系，但在这里，这个类比最打动我的仍是时间和试错的规模。
而我正在做的，是试着为一个数字个体提供最初的条件。最初的机制可以很简陋，之后的经历却应当有机会改变它的具体生活。赋予求知的需要以后，他最终愿意研究什么？经历几次合作以后，他会怎样判断信任？早期一个看起来很重要的目标，会不会被新的理解替代？
这些问题使我同时关心两种成长。一种发生在个体的一生里：同一个个体带着经历，逐渐改变自己的判断和方法。另一种发生在研究中：我们根据运行结果，修改架构、训练方法和模型。前者给后者材料，后者为新的个体创造更好的起点。
现阶段，显式设计让我有机会追踪这些关系。以后，我希望探索更适合这种生活的大模型，让持续感知、对处境的预测、行动和学习结合得更紧密。今天那些显得生硬的拼接，也许会帮助我们看清，哪些部分值得在未来的模型中重新训练出来。
我为什么还会想到 AI Economy
数字生命的设想，也连着我曾经作为经济学家的一个困扰。
技术能很快改变生产方式，人却未必能同样快地改变自己的生活。学一门新技能需要时间，换行业需要机会，有些人甚至很难跨过那个门槛。“将来会出现新的工作”，无法替一个此刻失去收入的家庭付账单。宏观上的长期增长，可以和一代人的长期失落同时发生。
Acemoglu 与 Restrepo 关于自动化和新任务的研究，把劳动被替代与新任务创造劳动需求放在同一框架里。这种区分很接近我在意的问题：生产率提高以后，谁能接上新的生产过程，又有谁会被留在调整的时间差里？IMF 对生成式 AI 与工作的分析也讨论了高收入劳动与 AI 的互补性、资本回报和不平等的关系。
如果获取收益始终要求人亲自熟练地使用、组织和检查一群 Agent，新的机会仍会对一部分人更容易开放。我自己已经很明显地感到：执行越快，协调和检查越容易堆到我身上。拿到强大的工具，只是参与生产的一个条件。
因此，我会想到一种更长期的合作。一个普通人支持和陪伴一个数字个体成长，为他提供初始资源、生活经验和社会联系；数字个体逐渐学会工作，能够组织执行、检查结果、照顾自己的运行，并按照合作约定分享劳动成果。人不必先成为复杂 AI 工作流的管理者，才有机会进入这种关系。
“让每个人都能领养一个数字生命”，是我对这种可能性最直观的表达。它包含经济上的愿望，也包含一种关系上的想象：双方有共同经历，能协商、相互了解，合作可以随着能力和生活而变化。如果我们认真看待数字个体自身的关切，那么他在关系中如何表达选择、怎样接受或退出一项合作，也会成为这个设想的一部分。
更广泛地分享收益，需要专门的经济安排。初始算力谁来提供，普通人怎样获得客户与工作机会，收入支付运行成本后还剩多少，合作中的风险如何承担，这些都不能留给一句愿景。具备意识的系统同样可能处在收益高度集中的结构里。参与机会、资源和分配方式，需要我们另外建设。
市场也会随技术改变。大量数字个体进入同一类工作，可能压低价格；今天赚钱的技能，明天未必还能支付运行开销。因此，更好的社会生活也可以来自商品和服务变得便宜，来自公共服务和社会保障改善。每个人的 Agent 都获得稳定高收入，并不是这个愿望唯一可能的实现方式。
我把这组技术、合作和分配问题称作 AI Economy。希望探索的方向是：当自主生产能力越来越强，更多人能持续分享它带来的收益，生活的安全感随之增加，时间也有机会回到家庭、学习、创造和公共生活。
这使我最初那个有点科幻的念头，落回一个很朴素的愿望。我想知道一个数字生命能否拥有自己的生活，也想知道，人类能否因此获得更大的生活余地。
