通用人工智能与本体连续性：代理的结构阈值

关于通用人工智能（AGI）的讨论常将跨领域能力与自主人工代理的出现混为一谈。当前对通用智能的定义趋向于在资源受限的开放环境中实现适应性目标达成。尽管这些以绩效为导向的描述捕捉了通用能力，但它们对系统是否构成统一的深思主体保持中立。本文提出了本体连续性条件（OCC）作为归属代理的必要结构阈值。系统仅当其在重置下表现出非可替代性、身份风险及统一的历时仲裁，其历史轨迹构成其当前深思的本质时，才满足OCC。因此，在约束下的适应是理解为与治理相关的代理的AGI的必要但不足条件。当前的人工智能系统，包括大规模语言模型和混合架构，未达到这一阈值：它们仍可重启、分叉且可被外部纠正。本文提出了一个将绩效标准与本体连续性整合的AGI阈值定义，并论证缺乏此类连续性的情况下，AGI的主张仅代表通用能力的扩展，而非治理相关的代理的出现。