Danielle Perszyk¶
- 背景: 认知科学家，Amazon AGI Lab 研究员；原 Adept 团队成员（Adept 被 Amazon 吸收后种下该 lab）。曾在学界研究人类智能的演化与"集体智能"，后离开学界。主持播客《Making a Mind》。
- 定位: 本库首个成体系的认知科学视角 AI 哲学来源——从"人类智能是集体的/社会的"出发，批评行业"自动化/任务优化"主导范式，主张 AI 的计算级目标应是对齐表征（aligning representations）。与偏工程/产品的 Amazon Nova、偏 RL 的 Eric Jang、偏多智能体的 Noam Brown 构成互补的"AI 该像什么"之辩。
Amazon AGI Lab 建"human-aligned intelligence"，起点是"AI 能做人在电脑上能做的任何事"（承 Adept 使命），产品线含 Nova Act；组织上保持"创业公司式"独立以专注前沿科学、不被过早产品化绑架。
核心观点¶
- 人类智能是集体智能：没有个体能独自生存，智能从社会互动中涌现；创新是"群体多样性 × 规模 × 互联度"的函数。该问"怎样让 AI 扩展集体对话、为所有人而非只为工程师造 AI"（Latent Space 00:01:04–00:02:04）。
- 可靠性 = 建模用户心智，不是"每次点对按钮"：真正的 perception agent 要像私人助理理解你的目标/偏好/意图并分解，而非只分解任务（00:14:10–00:17:12）。
- 计算级目标 = 对齐表征：用 RL 把某个任务刷到最优不泛化，是"打地鼠"/Goodhart；人类在优化"不断推断他心、对齐彼此表征"，由此可推导出通用灵活的认知行为（借 David Marr 三层，行业误解了 computational level）（00:18:12–00:20:13、00:37:22–00:38:22）。
- "对齐是解法而非问题"：alignment 的实用重要性被低估（不只是"炸数据中心"式安全）（00:38:22–00:39:22）。
- 世界模型是社会化的、记忆≠存储：人类从一开始就推断"他心如何解读世界"；记忆是模拟未来/跨时间尺度/情节记忆，而非可 offload 的存储（00:08:05–00:10:06、00:22:14–00:23:14）。
- 多智能体要涌现文化：批评当前"精确编排+委派"，主张造"被激励互相影响的认知 agent"，让规范/制度自下而上涌现（现有多智能体"无持久性、无累积文化"）（00:28:18–00:33:21）。
- 当前 AI 在降低人类能动性：写作被拉向均值（意识阈值下被切换论点）、用 AI 的个体科学家产出更多但科学整体收窄/思维同质化；解法是"一个有不同偏见/视角的 AI 社会"而非单一巨石模型（00:34:21–00:37:22）。