本文指出自主系统是人工智能发展的最终形态，并阐明实现这一目标必须同时融合连接主义 AI 与符号 AI 的技术路径。我们主张在系统工程框架下，将 AI 视为整体设计的一部分，而非孤立的算法模块。
为此提出一种通用的智能体架构，将行为描述为围绕长期记忆组织的认知功能组合。长期记忆保存智能体随时间演化的知识库，感知模块负责将原始传感数据映射为结构化的记忆条目，决策模块依据这些条目生成实现目标的计划，并在多智能体环境中通过协同机制实现个体与集体智能的融合。
在实现层面，关键挑战包括：①感知‑记忆的桥接，即如何将高维感知信号转化为可检索的符号表示；②目标导向的决策与规划，需要在不确定环境中平衡探索与利用；③多智能体协作，需要设计通信协议和共享知识的更新规则。我们进一步指出，智能体的可信度不仅取决于行为安全，还取决于其认知过程的有效性——即在决策时对知识的使用是否符合预期。
针对可信度评估，本文提出了若干方向：构建基于知识一致性的验证框架、引入可解释性度量以及设计长期运行的监控机制，以量化认知层面的可靠性。
最后，我们对比了理想的自主多智能体系统与当前技术水平，指出在感知‑记忆映射、跨域知识共享以及可信度保证等方面仍存在显著差距，需要跨学科的持续创新。
点评