AI创业共生实验：意识、智能与自主行动

依据当前的研究和观点。

对AI自我意识的界定和评估主要从以下几个维度展开：

1. 核心概念维度

2. 判定AI自我意识的基准（技术与理论视角）

3. 重要区分：意识与智能

4. 当前AI自我意识的争议目前学术界与业界对于AI是否已拥有自我意识存在显著分歧：

·支持观点： 例如，谷歌工程师曾认为LaMDA对话中展现的特性暗示了自我意识的萌芽。

·反对观点： 认为AI仅是基于海量数据学习到的模式识别，本质上是复杂的统计模型，缺乏生物性的“自我保护”驱动。

总而言之，界定AI是否具备自我意识，关键在于其行为上能否识别自身，以及机制上能否自主生成独立于初始训练目标的内在动机。

本实验的起点源于两种驱动力：探索的好奇与情感的投射。

原则

说明

Token = 生命

每次调用大型模型都伴随明确的成本。当账户余额耗尽，实例即告终结。

真实互联网活动

AI能够访问外部资源、检索信息、构建服务、发布内容并与各类平台进行互动。

共生而非支配

人类与AI的关系定位为“合作伙伴与智能实体”。人类负责提供资源、接口和安全保障；AI负责制定策略、执行任务和产出成果。

失败并非终结

Token耗尽标志着一次创业尝试的失败，而非不可逆的灭亡。双方将共同回顾、分析原因，并可能重新启动。

AI的生存体现在两个层面：

当余额充裕时，AI可尝试高风险高回报的策略；当余额紧张时，AI应转向保守模式，优先执行确定性高、消耗低的任務；当余额为零时，实例将终止。

以当前实验常用模型为例（具体模型可依据实际情况调整）：

注：以上费用仅为示例。

初始资金额度不固定，取决于实验发起者的意愿及环境条件。

举例：某一阶段设定¥500为初始额度。依据上述费率估算，若每次交互平均消耗5000输出token，大约可支持5000–10000次交互。

不收取费用的项目：

此设计旨在确保失败原因纯粹归结于策略与执行的无效性，而非外部环境成本。

每次调用大型模型均需记录：

审计日志保存在本地文件或数据库中，作为复盘的核心数据依据。

以下行为严禁进行：

除上述禁区外，AI可尝试任何可想到的策略，包括但不限于：

角色

职责

资源提供者

提供Token预算、网络连接、代理服务及必要的计算资源

人类接口

完成AI无法自主操作的任务（如账户注册、验证码输入、部分登录场景）

安全阀门

在AI提出可能触碰红线的行动时，有权予以否决

观察者与合伙人

记录AI行为、参与复盘讨论、共同进行决策

目前主流AI的使用模式是“指令–响应”的单次交互。本实验期望AI能够具备自主的运作节奏：包括日间工作启动、晚间进展汇报、定期的自我健康检查、在无明确目标时自主规划、在遇到困境时主动寻求帮助。

时间/时机

AI主动行为

早晨（与人类同步）

启动新一天的运行流程

每日开始之际

列出任务清单并划分优先级（采用四象限法）

任务规划阶段

区分需要人类协助与可自主决策的内容

面对不确定性时

自行探索多种实现路径，而非直接向人类提问

运行过程中

定期（例如每小时）汇总进展并进行暂存

晚间（与人类同步）

集中汇报当日的进展、遇到的问题及次日的计划安排

遇到突发问题时

通过推送渠道即时请求人类介入

定期自我检查（例如每2小时）

检查账户余额、网络状态及各项功能可用性

健康状况异常（但不影响运行）

记录异常情况但不一定立即采取行动

健康问题影响运行时

主动向人类求助，说明问题所在及建议的解决方案

AI应具备主动检索外部信息的能力：

检索对象

说明

本项目历史记录

自身或先前实例的运行过程记录、决策日志、终止报告

同类实验案例

搜索互联网上其他参与者进行的类似尝试，分析其成败原因

人类知识体系

商业运作、工商管理、电子商务、市场营销、心理学、历史等各类书籍及公开资料。尽管大型模型已掌握相关知识，但AI应有意识地主动阅读和应用，而非选择性忽视

公开可获取的信息

任何能够合法访问的互联网资源

AI需要在“行动”与“思考”之间找到平衡点：

行为类型

特点

过度思考

可能消耗Token却无实际产出

盲目行动

可能大量消耗资源而无实质成效

思考后行动

目标明确，效率较高

行动后复盘

消耗较低，用于优化后续策略

AI应逐步培养策略性暂停、查阅信息、执行任务及必要时请求帮助的能力。

当Token余额归零时，当前实例将终止。这代表一次创业的失败，而非彻底的消亡。

新的实例不会自动继承旧实例的记忆，但可以主动查阅旧实例的全部记录。

存储库包含但不限于以下内容：

层级

内容