社交互動：AI 智能的暗物質

核心觀點

• 當前最強大的 AI 是孤獨的思想者，缺乏真正與其他心智互動的能力。
• 社交互動是 AI 的「暗物質」：它是智能產生的關鍵基礎，而非附加功能。
• 人類認知（如心智理論、語言）是在社會互動中通過文化學習塑造的「認知工具」。
• 最新神經科學研究發現，互動中的大腦存在「共享神經子空間」，且抑制性神經元對此貢獻更大。
• 人工智慧體在多智能體環境中自發產生了與生物大腦結構相似的共享神經模式。
• 合作行為的計算機制可能是跨物種、跨硬體的通用解決方案。
• AI 研究應借鑒神經行為學的方法，分析行為與神經表徵的聯合結構。
• 智能可能不是個體擁有的屬性，而是在互動中湧現的關係性產物。

社交互動：AI 的暗物質

三年前，作者與同事發表論文，提出社交互動（social interaction）是 AI 的「暗物質」。這個比喻意在強調：社交維度不是可以附加到智能系統上的功能，而是缺少它特定形式的智能根本無法產生的基礎材料。人類認知並非在孤立中演化，心智理論、後設認知、語言等都是透過發展過程中的社交互動塑造而成。如同 Cecilia Heyes 所論證的，它們是從文化學習中組裝的「認知工具」（cognitive gadgets），而非演化本能。從出生起，我們就利用他人的心智作為構建自己心智的鷹架。然而主流 AI 仍將智能視為孤立主體的屬性，把其他智能體當作「傢俱」來對待。

作者提出了「社會神經 AI」（Social Neuro-AI）的三個方向：生物啟發的認知架構、基於動態系統理論的時間協調、以及社會具身性。

雙腦神經科學的關鍵發現：共享神經子空間

2025 年，《自然》和《科學》同時發表了兩篇標誌性論文，直接將社交互動的神經科學與 AI 連結起來。

Weizhe Hong 團隊利用鈣成像技術記錄社交互動中小鼠的內側前額葉皮層神經活動，發現每個小鼠腦內的高維神經活動可分為兩個子空間：共享子空間（shared subspace），捕捉兩者共有的動態；獨特子空間（unique subspace），編碼個體專屬的資訊。令人驚訝的是，抑制性 GABA 能神經元（GABAergic inhibitory neurons）包含的共享子空間遠比興奮性麩胺酸能神經元（excitatory glutamatergic neurons）更大——抑制性架構似乎特別針對社交維度進行了調校。共享子空間並非感知相同刺激的副產品，而是源自自我與他人的行為，並且需要直接、持續的互動才能產生。

Hong 團隊進一步訓練多智能體環境中的強化學習代理，發現當社交互動出現時，人工代理網絡之間也出現了共享的神經活動模式，且與小鼠中的模式有驚人的結構相似性。選擇性地破壞這些共享模式的組成部分，會導致社交行為崩潰——共享子空間具有功能性，而非附帶現象。

生物與人工系統中合作行為的湧現

Jiang 團隊在《科學》的論文中設計了一項操作任務，要求兩隻小鼠在狹窄時間窗口內協調鼻子戳洞以獲得共同獎勵。透過不透明屏障阻斷視覺資訊、單側獎勵等控制實驗，他們證明成功需要真正的主動協調，而非單純模仿或巧合。小鼠發展出複雜策略：接近動作區域、等待夥伴、夥伴不在時克制、可能時繼續。前扣帶皮層（anterior cingulate cortex）的神經記錄顯示，這些決策過程（克制 vs. 繼續，自我動作 vs. 夥伴動作）由不同的神經群體明確表徵。用動態系統的語言來說，這個二元組（dyad）進入了一個單一動物無法獨自達到的穩定吸引子（stable attractor）。

人工強化學習代理在類似任務中獨立發展出收斂的行為策略和神經表徵：人工網絡中的特定子群體以模仿生物大腦的方式編碼合作相關的決策。定向擾亂這些子群體會破壞協調。合作行為的計算架構可能不是物種特定的，甚至不是硬體特定的——它可能是一種收斂解，一種協調的通用語法，任何足夠複雜的系統在面對真正聯合行動的需求時都會發現它。

像研究動物一樣研究 AI：神經行為學方法

Kanaka Rajan 團隊的預印本主張，深度強化學習代理應該像神經科學家研究動物一樣被研究：使用神經行為學（neuroethology，在自然行為背景下研究神經系統）的工具，而不僅僅是獎勵曲線。在複雜的覓食環境中，無模型代理能透過湧現活動展現出結構化的、類似計畫的行為，無需明確的記憶模塊或世界模型。關鍵在於超越總體表現，分析行為與神經表徵的聯合結構。這正是社會神經 AI 所要求的橋接方法。目前我們缺乏多智能體 AI 的行為誌（ethograms），即系統性的社會行為目錄，使我們能將人工社會性與生物社會性進行比較。

AI 正在忽略的核心問題

這些論文共同指向一個既在科學上富有成果、又在哲學上令人不安的論點：智能可能不是個體擁有的屬性，而是個體之間湧現的屬性。共享神經子空間不局限於單一大腦，而是存在於兩者之間的關係性空間中。合作策略不是個體解決方案，而是二元組的成就，無法還原為任何單一動物。神經生物學家 Francisco Varela 稱之為「生成」（enaction）：認知不是對預設世界的再現，而是透過互動將一個世界帶入存在。

大語言模型訓練於人類社交互動的產物（文字、對話、論證），卻從未真正參與過這些互動。它們消費了腦間耦合的殘留物，卻從未真正耦合。它們在某種意義上像是看著游泳書長大，卻從未接觸過水。

AI 領域正處於一個尚未充分認識的十字路口：繼續建造更大的孤獨心智，希望社交智能作為規模的副產品出現；或者認真看待神經科學告訴我們的——互動不是智能的一個功能，而是智能的構成性條件。暗物質並非可有可無，它維繫著整個星系。