中文114

ai进化史：从“只会算题”到“能聊会画”，机器到底经历了什么？（第5页）

1. 先搞懂两个词：“专用智能”和“通用智能”

咱们先把概念掰扯明白，这俩词是理解AI未来的关键。

- 专用智能（Narrow AI）：就是现在我们看到的所有AI，比如ChatGPT、Midjourney、AlphaGo，它们只擅长某一类或几类任务。打个比方，ChatGPT写报告、答问题是“满级选手”，但让它去修一台坏了的洗衣机，它连洗衣机的零件在哪都不知道，更别说动手修了；AlphaGo下围棋天下无敌，却没法帮你规划一顿“30分钟搞定的家常菜”——它的“智慧”被牢牢框在“围棋”这个小圈子里。

- 通用人工智能（AGI）：指的是能像人类一样，具备“跨领域学习、思考和解决问题”能力的AI。它不用提前“特训”，就能上手各种任务：既能帮你写代码，又能帮你修自行车，还能陪老人聊天解闷，甚至能自己发现问题、找资料、想办法解决。简单说，AGI是“全能型选手”，拥有和人类相当的“通用智慧”。

现在的AI全是“专用智能”，离AGI还差着十万八千里。比如你问ChatGPT“为什么妈妈做的饭比外卖香”，它能说出“情感加持、食材新鲜、口味适配”等一堆理由，但它根本不懂“妈妈做饭时的牵挂”是什么感觉，也没法真正理解“家的味道”——它只是把网上看到的答案重新组合，不是真的“体会”到了。

2. 为什么说“堆参数”堆不出AGI？

这几年AI的进步，很多人觉得是“参数越堆越大”的结果——从GPT-3的1750亿参数，到现在有些大模型突破万亿参数，好像参数多了，AI自然就“更聪明”了。但业内早就达成共识：靠堆参数、堆数据，根本搞不出AGI。

深度学习教父杰弗里·辛顿就直言，现在的大模型就是“高级鹦鹉”，只会模仿人类的语言，不会真正“理解”。比如你问AI“把一只猫放进微波炉会发生什么”，它能告诉你“会烫伤猫，很危险”，但这不是它“理解”了“猫怕高温”“微波炉的原理”，而是它在训练数据里见过类似的问题，记住了答案。如果换个它没见过的问题，比如“把刚摘的草莓放进零下20度的冰箱，3小时后拿出来怎么吃口感最好”，它可能会瞎编一个答案，因为它没学过“冷冻草莓的口感变化”。

2023年，斯坦福大学做过一项调查，采访了100多位AI领域的顶尖研究者，76%的人认为“当前的技术路径无法实现AGI”。核心问题出在三个“先天缺陷”：

- 没有因果推理能力：AI能发现“ correlation（相关性）”，却搞不懂“causation（因果关系）”。比如它能看到“夏天到了，冰淇淋销量上升，溺水事故也增多”，但它会误以为“冰淇淋卖得多导致溺水”，而不知道真正的原因是“夏天大家更爱出门游泳”。人类解决问题的核心是“找因果”，但AI只会“找关联”。

- 缺乏常识储备：人类从出生就开始积累“常识”——比如“石头比棉花重”“人不能在水里呼吸”“下雨要带伞”，这些不用教也知道的东西，AI却得一条条学，还经常学不全。比如有AI曾把“长颈鹿站在桌子上喝水”的图片当成“正常场景”，因为它没学过“长颈鹿的身高比桌子高太多，不用站上去喝水”。

- 不会“自主学习”：现在的AI要想掌握新技能，得靠人类“喂数据、做标注”，相当于“填鸭式教学”。比如要让AI识别“罕见病”，就得先找几千张罕见病的医学影像给它学；而人类只要看一本教材、听专家讲一次课，就能掌握新领域的基础知识，还能举一反三——这种“自主学习、触类旁通”的能力，AI目前完全没有。

3. 要实现AGI，得先迈过这几道“技术天堑”

既然堆参数没用，那AGI的突破口在哪？目前业内有几个方向，但都还停留在“理论探索”阶段，没一个能落地的。

- 先搞“常识AI”：得让AI像人类小孩一样，先学会“生活常识”。比如谷歌、微软都在做“常识知识库”，把“开水会烫人”“猫喜欢吃鱼”这些知识点整理成AI能理解的格式，喂给模型。但问题是，常识太多了——光“厨房常识”就有成千上万条，还分地域、分习惯（比如南方人吃甜粽，北方人吃咸粽），想攒齐“人类级别的常识库”，可能得花几十年。

小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！

- 融合“神经符号AI”：把传统AI的“符号逻辑”和现在的“深度学习”结合起来。简单说，就是让AI既有“从数据里学知识”的能力，又有“按规则推理”的能力。比如让AI解数学题时，既能靠深度学习“看懂题目”，又能靠符号逻辑“一步步算步骤”，而不是瞎猜答案。但这两种技术的“语言”完全不同，怎么融合至今没找到好方法。

- 模拟“人类大脑”：现在的神经网络只是“模仿了大脑的样子”，没模仿大脑的“工作机制”。人类大脑有860亿个神经元，还分“视觉区、语言区、情感区”，各区协同工作；而AI的神经网络是“扁平的”，所有功能都靠同一套结构实现。有科学家在搞“类脑计算”，想造和人类大脑结构更像的芯片，但目前最先进的类脑芯片，也只相当于“一只小虫子的大脑水平”。

- 赋予“情感与意识”：这是最难的一步。人类的智能和情感、意识分不开——因为“怕疼”，才会避开危险；因为“喜欢”，才会主动学习。但AI现在没有任何“主观感受”，它回答问题时不会“开心”或“难过”，只是在执行程序。有哲学家说，“没有意识的智能不是真智能”，但“意识是什么”人类自己都没搞懂，更别说给机器造意识了。