中文114

ai如何实现类人思考？认知模型与方法深度解析（第4页）

- 最后靠强化学习调整驾驶策略（比如遇到突发情况是刹车还是避让）。

三、当前AI离“类人思考”还有多远？

实话实说，现在的AI还差得远，主要卡在这几个“硬骨头”上：

1. 常识理解：AI是“常识盲”

人类天生就懂很多常识，比如“人要吃饭才能活”“冰会融化”“熬夜对身体不好”。但AI得靠人类喂大量数据才能学，而且经常学歪。

比如，你问ChatGPT“如果一个人一周没吃饭，会怎么样？”，它能给出科学回答；但你要问“如果一个人一周没吃饭，还能跑马拉松吗？”，它可能会一本正经地分析“理论上的可能性”，完全忽略“人一周不吃饭早就没力气了”这个基本常识。

甚至有研究发现，AI会把“鸟会飞”这类常识和“企鹅是鸟”结合，推出“企鹅会飞”的荒谬结论——因为它在训练数据里没见过足够多的“企鹅不会飞”的案例，只能机械地套用逻辑。

2. 逻辑推理：AI是“强词夺理大师”

人类能把不同领域的知识串起来推理，比如“今天下雨→路面湿滑→开车要慢点”。但AI的推理要么是“死记硬背式”（把别人总结的逻辑背下来），要么是“概率瞎蒙式”（靠数据里的统计规律猜）。

比如让AI解数学题，简单的“1+1=2”能算对；复杂的“微积分证明”可能就开始胡编步骤，甚至发明不存在的定理——因为它没真正理解“推理的逻辑链条”，只是在模仿人类解题的“表面模式”。

3. 自主意识：AI是“没有灵魂的工具”

人类的思考是有“自我意识”的，知道“我是谁”“我在想什么”“我为什么这么想”。但AI只是在执行程序，它不知道自己在“思考”，更没有“我”的概念。

就算它写出了优美的诗，也不是因为它“想表达情感”，只是因为它“学了很多诗的规律，生成了符合这些规律的文字”。它不会因为“写了一首悲伤的诗”而感到难过，也不会因为“被夸奖”而感到开心——所有的“表现”都是程序运行的结果，和“意识”无关。

这章没有结束，请点击下一页继续阅读！

4. 泛化能力：AI是“专项特长生”

人类能把在一个领域学到的知识，迁移到另一个领域。比如你会骑自行车，学骑电动车就很快；你懂中文，学日语也会更容易。但AI的“迁移能力”极差，在A任务上训练的模型，换到B任务上基本得重新学。

比如，一个在“识别猫”任务上表现很好的AI，让它识别“狗”，可能就得重新训练——它没法像人类一样，总结“识别动物的通用方法”，再迁移到新物种上。

四、未来的突破口：让AI“更像人”的关键方向

要让AI真正实现类人思考，得在这些方向持续发力：

1. 常识注入：给AI装个“常识库”

构建大规模、结构化的常识知识库，比如“ConceptNet”“Cyc”，里面存了“鸟会飞”“火是热的”“鱼生活在水里”“人饿了要吃饭”这些人类习以为常的知识。