2026-09-03
成均馆与 Friston 提出内感受 AI：把状态拆成体内外，奖励写成离设定点的距离，并用 3D 生存基准 EVAAA 测非平稳环境下的自主与适应。
能打游戏、写代码、让四足机器人走路的系统，几乎都绑在外部给定的任务目标和相对稳定的环境上。目标一换、障碍物一变、温度昼夜一交替，策略常常要设计师重新喂奖励、重新划任务。
活体不是这样。单细胞真核生物都会按自身需求改目标；哺乳动物不需要为「太热」单独上过课，也会找阴凉。底座是内感受（interoception）：持续监视血糖、体温、血压这类体内变量，把它们维持在可活区间，偏离就换目标。成均馆大学 IBS 神经影像中心和 UCL 的 Karl Friston 把这件事抽成一套可装进强化学习的框架，叫内感受 AI。
空间机器人和救援任务把这个问题推到台前：机器既要管自身健康，又要在少人干预下把任务做完。常规 agent 缺的就是一套不依赖外部重标的内在价值。
先把「体内」从解剖学里抽出来，改成功能定义。最低配置三条。
体内变量因此被说成「普遍且有价值的上下文」：外部线索稀疏、含糊、乱跳时，饥渴和体温还在，而且直接连着奖励。越出可活区间（viability zone）就等于生存失败。
落地测试床是同一团队在 NeurIPS 2025 放出的 EVAAA（Essential Variables in Autonomous and Adaptive Agents），开源 3D 生存模拟。体内四条基本变量：饱腹、水分、体温、损伤。体外非平稳：障碍类型和位置在变、场地温度在变、有昼夜周期；感官是第一人称视觉加嗅觉加温度觉。训练是四级递进生存课程。测试是训练没见过的动物行为范式：双资源选择、冒险取食、避碰、多目标规划、Y 迷宫。训练和测试共用同一条稳态奖励，不再按任务重写。
无模型强化学习在这里对应稳态：体内偏了再往回拉。加上模型或预测成分，就接近变稳态（allostasis）：提前改设定点，而不是等偏离发生。神经调制被当成体内状态接到行为上的计算桥。乘法增益放大相关通道，加法增益调兴奋性。机器人文献里，多巴胺、血清素、乙酰胆碱、去甲肾上腺素常被写成超参数：奖励敏感度、探索-利用比、学习率。这里主张用体内状态去拧这些旋钮，替代在非平稳世界里永远关不掉的新奇性奖励。
这是 Perspective，本篇没有新的对照实验数字，也没有报 EVAAA 上某算法的存活率。能核对的是设计本身。
| 组件 | 这篇给出的具体形态 |
| 状态因子 | 体外 × 边界 × 体内 |
| 体内变量 | 饱腹、水分、体温、损伤四条 |
| 训练 | 四级递进生存课程 |
| 测试 | 双资源选择、冒险、避碰、多目标、Y 迷宫，训练期未见 |
| 奖励 | 一条稳态奖励贯穿训练和测试 |
| 设定点 s | 设计师给定，不是系统自组织出来的 |
两条老强化学习难题被改写成体内驱动的测试。饿了，走已知最快路径去食物，这是利用；饱了，才去未知区找别的资源，这是探索。外部昼夜、天敌、资源外观乱跳时，用相对稳定的体内状态当锚，去选「白天/安全」和「夜间/危险」子网络，减轻灾难性遗忘。这些是可测的实验设定。分数要去 EVAAA 论文里找，本篇没给。
对做具身智能和开放世界 agent 的人，这篇把「系统健康」从运维指标升格成策略的一部分。行星车电芯过热就该停采样，无人机旋翼过热就该中断测绘，工程里早就有互锁。但奖励函数仍多半画在外部任务上。把奖励写成离体内设定点的距离，目标切换不必每次重标。
它也给情感神经科学一个可跑的计算壳。常规视觉、导航、记忆模型只管体外；痛、情绪、内感受落在另一侧。主动推理里的先验偏好，在这里被读成体内吸引集；精度加权被读成增益控制加超参数调节。
这是概念整合加一块模拟器，不是新算法赢了某条榜。直接前身包括 Ashby 的 essential variables、Singh 等人把状态拆内外、homeostatic RL。新的口气是：体内状态不只产奖励，还当跨任务的调制上下文。
作者自己画了一张对比图：活体的设定点从自组织和选择里长出来，内感受 AI 的 s 仍由设计师指定，所以它还是人工的。框架被明确说成探索性抽象，不声称复现生物内感受的表征多样性、稀疏交互和多感觉整合。社会推断、对他人体内状态的耦合也没有做，亲社会那一节只是展望。
本篇零实验数字，EVAAA 的实际增益无法从这里判断。伦理节提出稳态目标可能跟用户任务抢优先级，旁观者也可能把体内调节误读成主观感受。作者的回应是把体内健康做成任务的约束，让任务能做下去，不当成竞争目标。这在当前工程系统里说得通。agent 一旦更开放，这个层级还能否压住，论文写成未决。