从化学到认知与创造力：受生命启发的机器智能自引导路径

实现先进的机器智能是人工智能研究中的核心挑战，常通过扩大神经网络架构和生成模型来实现。然而，生物系统提供了更丰富的适应性、目标导向行为策略——这些策略在神经系统演化之前就已存在。本文主张一种真正受生命启发的机器智能方法，借鉴生物学原理，实现跨尺度的鲁棒性、自主性和开放性问题解决能力。我们遵循威廉·詹姆斯的观点，将智能定义为灵活的问题解决，并提出“认知光锥”概念，以刻画生物系统与机器中的智能连续体。我们认为生物进化发现了一种可扩展的智能配方——并逐步扩大生物体“认知光锥”的范围，即预测与控制能力。为阐明此机制可行性，我们提炼出五大设计原则：多尺度自主性、通过自组装主动组件实现增长、持续重构能力、利用物理与具身约束，以及通过信号实现自组织与从目标进行的顶层控制。我们讨论了这些原则与当前AI范式的差异，并勾勾勾画了将其整合到未来自主、具身和鲁棒人工系统中的路径。