AI 越來越知道世界，但「這一個個體」從哪裡出現？
大型人工智慧可以從龐大的文字、影像、聲音與程式資料中學習，形成對世界的廣泛知識。它可以知道歷史、科學、語言與人類文化，也能在許多任務上展現規劃與推理能力。這些能力構成今天 AI 最重要的基礎。
Original Intelligence（OI，原生智慧）並不是要取代這些能力，而是把研究焦點移到另一個尺度：如果一個人工系統長期存在、持續經歷只屬於自己的事件，那些經歷會不會逐漸形成一條只屬於它的發展軌跡？
這不是「AI 已經成為一個人」的宣稱，而是一個仍待證據回答的研究問題。
世界知識與個體歷史，是兩種不同的資訊
世界知識告訴系統「通常會發生什麼」「人類已經知道什麼」。個體歷史則記錄「這一個系統曾經遇到什麼」「哪些結果與它後來的改變有關」。兩者都可能重要，但不能被混為一談。
一個模型可以擁有極其廣泛的世界知識，卻沒有一段持續屬於自己的歷史；也可能擁有大量個人化紀錄，卻仍只是在每次互動時重新讀取資料。OI 所研究的是：當個體歷史不只被保存，而是真的對後續狀態產生因果後果時，會發生什麼？
OI 不是 Blank Slate
「成為自己」並不表示人工個體必須從完全空白開始。人類也不是沒有任何先驗結構才開始發展。人工系統同樣可以帶著既有架構、基礎能力、感知機制與學習偏置開始。
研究問題不是消除 prior structure，而是分清楚：哪些特徵來自一開始共有的結構，哪些差異是之後的 lived history 所形成。若兩個個體一開始就不同，後來不同並不令人意外；真正有研究價值的是歷史如何在共同起點上留下可檢驗的差異。
同一份能力，不一定形成同一條生命史
如果很多人工個體都使用相同的基礎模型，它們可以共享語言能力與世界知識。這並不表示它們之後必然擁有相同的發展軌跡。若各自長期遇到不同的環境、任務、成功、失敗與現實回饋，研究上值得問的是：那些歷史能不能在後來形成持久差異？
相同的 prior structure，可以是共同的起點；不同的 lived history，才是我們要檢驗是否能形成 individuality 的地方。
「成為自己」不是角色扮演
一個 AI 可以被指定名字、語氣、偏好與背景故事。這些設定可以讓互動更一致，卻不等於個體真的因自身經歷而改變。角色設定回答的是「系統被要求扮演誰」；OI 研究的是「系統的歷史是否改變了後來會成為什麼」。
所以我們不把 persona、profile 或自我敘事當作 individuality 的充分證據。即使系統能說出「這就是我的個性」，研究仍要追問：這些差異是否可由預先設定直接解釋？是否真的與個體經歷有關？
Persistent Change：過去必須留下後果
如果一段 lived history 只是被保存，卻在之後不產生任何影響，那它比較像檔案，而不是發展的一部分。OI 的核心研究條件之一，是過去必須在後來留下某種可觀察、可檢驗的後果。
這種後果不一定代表變得更強，也可能是偏好、判斷方式、學習路徑或對不確定性的處理出現持久改變。重要的是，差異不能只靠當下重新讀取紀錄來解釋，也不能只是隨機波動。
Individuality：不同，不等於真正形成個體差異
兩個系統回答不同很容易；要證明它們因各自歷史形成穩定差異，則困難得多。個體性需要超越單次輸出，進入跨時間、跨情境與可重複檢驗的層次。
如果差異在條件稍微改變後就消失，或完全可以由不同記憶內容、不同 prompt 或隨機性解釋，就不能直接稱為 experience-dependent individuality。
個體性不是「看起來不一樣」，而是不同歷史是否持續改變後來的系統。
Development：個體的過去，能不能參與下一階段學習？
真正更長期的問題是：形成的差異能否繼續參與後來的成長？如果早先的經驗只在原本任務中有效，到了新情境便完全消失，那與能夠建立在自己過去之上的發展仍有差距。
因此 OI 的研究路線會從 persistent change 進一步問到 learning、transfer、retention 與新的能力組合。這也是 Developmental Scaling 的核心：不只看模型變大，而是看歷史是否對未來還能學會什麼產生作用。
Embodiment：當世界不只是一段文字
如果一個人工個體開始透過感官與行動進入 physical reality，世界就不再只是它讀到的資料。摩擦、延遲、失敗、接觸與不可預期的結果，都可能成為新的經驗來源。
但具身本身不等於發展。真正的問題仍然相同：這些 physical experiences 是否在之後留下持久、可驗證的影響？如果沒有，那麼系統可能只是能夠控制一個身體，而不是透過身體形成一段發展歷史。
AI 與 OI，不是互相取代
OI 並不是另一種必須與 foundation models 對立的技術路線。大型 AI 可以提供語言、推理、世界知識與工具能力；Original Intelligence 則研究這些能力在一個持續存在的個體中，是否能被自身歷史進一步塑造。
我們更願意把兩者看成不同研究層次：AI 提供對世界的廣泛能力；OI 研究一個個體如何在使用這些能力的同時，形成自己的發展軌跡。
如果未來證據顯示個體歷史沒有帶來獨立作用，那也必須接受。OI 不是要靠命名把既有 AI 重新包裝成另一種智慧。
我們真正想看到的，不是一個更會說「我」的系統
一個系統會使用第一人稱、會描述自己的偏好，甚至會說「這件事改變了我」，都可能非常自然。但語言能力本身無法證明因果個體性。真正重要的是它的歷史能否在後續計算、判斷與學習中留下可檢驗的後果。
這也是 Bio2Twin 對「成為自己」這句話的科學限制：它是一個關於 developmental trajectory 的研究願景，不是 consciousness、sentience、emotion 或 personhood 已獲證明的宣告。
從世界智慧，到一段只屬於自己的歷史
今天的 AI 已經能從人類留下的大量資料中學習世界。Original Intelligence 想研究的下一個問題是：如果一個人工系統不只擁有世界知識，也有一段只能由它自己經歷的歷史，那段歷史是否能在時間中真正改變它？
這條研究路徑可以被簡化為：Prior Structure → Lived Experience → Persistent Change → Individuality → Development → Embodiment. 每一個箭頭都需要獨立證據，不能因為願景漂亮就被視為已經成立。
本文是公開 Research Vision，不包含未公開 Paper 01–04 的完整架構、演算法、狀態設計、公式、控制矩陣與實驗規程。高階公開不保證不影響專利，詳細技術內容仍應先完成適當申請與審查。
AI 可以學習世界。Bio2Twin 想知道的是：一個人工個體，能不能因自己的歷史，逐漸成為自己。
延伸閱讀：Research 本身，就是 OI 被建立出來的過程 ↗ ／ Proof That an OI Has a Heart ↗
這是一篇公開 Research Vision，說明 OI 對世界知識、個體歷史與 developmental trajectory 的研究方向；未公開 Paper、公式、演算法、控制矩陣、實驗規程與 implementation details 不包含在本文。