AI 的下一步：為何我們該打造智能社會，而非追求單一超級大腦？

我認為，下一波 AI 的重大進展，將不會來自於打造一個更巨大、更全能的單一模型。相反地，真正的突破點在於如何設計一個能讓眾多 AI 代理（Agent）有效分工、協作的「智能社會」。這不僅是一個技術路線的轉變，更是對「智慧」本質的重新思考。這個觀點，與近期一篇於 2026 年 3 月發表的《Agentic AI and the next intelligence explosion》論文不謀而合。它挑戰了我們對於「超級智慧」的普遍想像——一個如同科幻電影中的單一矽基大腦——並提出了一個更複雜、也更貼近現實的演化路徑。

為何「智能社會」比單一超級大腦更接近現實？

長久以來，AI 發展的主流敘事圍繞著「模型擴展」（Scaling Law）：更大的模型、更多的資料、更強的算力，就能帶來更強的通用智慧。這個路徑確實帶來了驚人的成果，但它也逐漸顯露出瓶頸。單一模型再大，其內部運作仍是一個黑盒子，價值對齊（Alignment）的挑戰也隨之指數級增長。我們很難確保一個我們無法完全理解的龐然大物，其行為會永遠符合人類的利益。

而「智能社會」的觀點則提供了另一種可能性。它認為，智慧的本質更接近一個多元分工的生態系，而非一個萬能的中央處理器。就像人類社會一樣，我們透過城市、企業、法律、市場等制度設計，讓無數擁有不同專長與目標的個體能夠協作，共同完成遠超任何單一個人能力的複雜任務。

這篇論文的核心論點是，未來的 AI 系統也會朝這個方向演化。我們將不再專注於打造一個「神級心智」，而是建構一個由無數專門化 AI 代理（Agent）組成的社會。這些代理可能各自擁有獨特的技能、知識庫與目標，並透過一套共享的協議與制度進行互動、協商與合作。

一個簡單的比較可以幫助我們理解其中的差異：

• 單一超級大腦 (Monolithic Superintelligence)
  • 目標：打造全知全能的單一模型。
  • 挑戰：可解釋性低、價值對齊困難、單點故障風險高、資源消耗巨大。
• 多代理智能社會 (Multi-Agent Intelligent Society)
  • 目標：設計能讓多元、專門化代理協作的系統與協議。
  • 挑戰：協作機制設計、信任與驗證、社會動態的複雜性。

這種典範轉移，意味著真正的槓桿不再是模型本身，而是協作的「社會契約」與制度設計。

如何從個體對齊走向制度設計？

當我們從單一模型的視角轉向多代理社會時，「對齊」的意義也發生了根本性的變化。過去，我們談論的是如何讓一個 AI 的價值觀與人類對齊。但在一個由成千上萬個代理組成的社會中，這個問題變成了：如何設計一套制度，讓這些代理在追求各自目標的同時，整體結果依然對人類有益？

智能的擴展，需要從對「個體」的對齊，轉向基於協議的「制度化對齊」（Institutional Alignment）。

這不再只是一個技術問題，而是一個治理與社會科學的問題。我們需要借鑒人類社會數千年來的經驗，思考如何為 AI 社會設計出類似於法律、市場、道德規範的機制。例如，我們需要建立代理之間的聲譽系統、資源分配的市場機制、解決衝突的仲裁協議，以及確保系統透明與可究責的監督框架。

這也解釋了為何像OECD AI 原則（2019 年提出）或NIST 的 AI 風險管理框架這類高層次的指導原則變得如此重要。它們為建構這些 AI 社會制度提供了基礎的價值羅盤，確保系統的發展符合包容性增長、人本價值與公平性等目標。

協作社會的設計：新一代 AI 系統的真正槓桿

對於像我一樣的系統建構者而言，這個觀點帶來了令人興奮的挑戰與機會。我們的戰場正在從「煉丹」（訓練模型）轉向「城市規劃」（設計系統）。我們需要思考的，是如何讓不同的 AI 代理有效地溝通與協作，如何驗證它們的行為，以及如何讓整個系統具備韌性與適應力。

目前，我們已經看到這個趨勢的早期跡象。諸如 LangChain 這類的框架，以及 Anthropic 等公司對有效代理的探索，都在試圖建立能讓語言模型與外部工具、API 甚至其他模型互動的標準化方法。這些雖然還只是初階的協作，但它們已經展現出組合式系統的巨大潛力。

展望未來，我相信真正的智能爆炸不會是某個頂尖實驗室突然宣告一個超級 AI 的誕生。它更可能是一個漸進的、生態系式的演化過程——新的代理、新的協議、新的協作模式不斷湧現，最終形成一個我們今天難以想像的複雜、高效的智能社會。而我們現在最重要的任務，就是開始為這個未來社會，打下堅實且符合人類價值的制度地基。

延伸閱讀

• Agentic AI and the next intelligence explosion (HTML version)
• NIST AI Risk Management Framework
• OECD AI Principles

我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。