在人工智能技术飞速发展的今天，AI似乎已经渗透到生活的方方面面，从智能助手到自动驾驶，从语言生成到图像识别，其能力令人惊叹。然而，马斯克却在X上直言：“现有的人工智能压根没有智能！”这一观点引发了广泛的讨论和思考。本文将深入探讨马斯克这一观点背后的逻辑，分析当前人工智能的局限性，包括其在词语接龙、明辨是非、常识理解、自主探索、熟能生巧以及记忆能力等方面的问题，揭示AI与人类智能之间的本质差异，以及未来人工智能发展的可能方向。
现有 AI 的本质是『庞大的概率模型』，而非像人类一样具备对世界的深度理解能力。马斯克毫不客气的在 X 上点评道。
原来，我不以为然。
现在，我深以为然。
（目前的）人工智能 真 的 没 有 智 能！
尽管 AI 看上去上知天文地理，下知老母猪护理。
这无不体现当我们得到 DeepSeek、ChatGPT 的回复时，往往会感叹它竟能如此妙语连珠、无所不知，宛如一本百科全书。
但事实上，绝非如此。
那么当我们向 AI 提出问题时，它是怎么工作的？
简单一句话：AI 一直在玩『词语接龙』。
第一步：不断询问自己截止当前的内容，下一个词应该是什么？
第二步：得到一个有不同概率的单词列表。
第三步：匹配或选择一个『合适』的词添加到文本的末尾，再重复前两步，直至全部内容输出。
图片由 GPT-4o 生成
在整个回答的过程中，AI 并『没有真正的理解内容』，它只是『基于大量的数据给出统计规律和概率』，再快速的进行『预测和匹配』。
所以，这也是为什么 AI 在回答时，是一个字一个字往外蹦，就好像它真的在动脑筋思考一样（对，这是 AI 词语接龙的过程）。
所以，AI 更像是个选词专家，从庞大的数据库中挑选合适的词输出内容。
所以，这也是为什么李飞飞同样认为当下的 AI 大模型实现不了 AGI。
她表示当人类在说「我饿了」的时候，是在报告身体的生理状态。
而 AI 大模型说「我饿了」的时候，只是在生成有可能性的词语序列。
它从原理上与人类不同，生理上也无法感知。
对，规模再大的 AI 模型也不可能。
图片由 GPT-4o 生成
所以。
AI 没有智能，只有概率。
当你问 AI，肖申克的男主角叫什么？
AI 会告诉你，他叫小帅。（注意看，这个男人叫小帅在脑海中反复播放）
没错，的确正如你所猜测，这是数据污染造成的。
但也从另一个角度说明，AI 不具备分辨事物的能力。
准确的说，AI 无法有效的辨别数据的合理性、真实性、有效性。
比如，去年 Google 的 AI 搜索翻车事件。
用户问芝士和披萨粘不到一起 ，AI 给用户的回答是：
你可以把 1/8 杯的无毒胶水加到酱料里，使其更黏。
瓦特？
在吃的芝士和 Pizza 上，加上胶水？
不过，你还真别说，加上胶水，确实能粘在一起，AI 的逻辑也没毛病。
而这错误的根本原因是聪明的网友发现，该答案的数据来自 Reddit（美国贴吧）论坛上用户的恶搞留言。
与原文相比，Google 的 AI 并没有有效 get 和辨别到网友纯纯恶搞的潜在意图，反而基于留言内容重组并生成回答。
真应了那句：
You’re what you read
如果 AI 无法明辨是非对错，这就不是人工智能，只能是人工智障。
毕竟，玩梗、恶搞向来都是人类社交文化的重要组成部分，AI 必须能够学习并理解和运用（除非它不与人类世界直接交互）。
所以。
AI 没有思考，只有数据。
比如，你问 AI 过完十二生肖需要多少年，它却匪夷所思的回答 16 年。
比如，它甚至连最简单的加减法运算规则都没有掌握，哪怕地表最强评分碾压博士生的 GPT-4。
GPT-4 算错最基本的加减运算
比如，它甚至会编造出无中生有但看似合理的典故，只因你的问题是『林黛玉倒拔垂杨柳』。
GPT-4 算错编造故事
AI 已经学完了人类从诞生至今至少得有几万个 G 成文的数据了吧，可为什么，号称博士生水平的 AI 貌似都搞不懂简单到哪怕连小学生都知道的常识性问题？
华盛顿大学教授叶因·蔡（Yejin Choi）在 TED 大会上表示：
大模型缺乏常识概念，并且不具备人类主动探索的能力。
不能同意更多。
现在的生成式 AI 的确并不具备主动思考和探索的能力，严格意义上来讲，AI 属于被动型、问答型、工具型产品。
它不知道什么才是有价值的，它去做，只因人类提出问题。
它不知道什么才是有意义的，它去做，只因人类提出问题。
它不知道什么才是值得创造的，它去做，只因人类提出问题。
AI 所做的一切，只在于『被动回答』。
而非『主动提出』。
所以，它对主动的这个世界没有好奇心。
所以，它不会主动地问为什么。
所以，它也没有所谓的梦想和愿景。
而我们人类之所以有梦想，社会之所以会进步，科技之所以会发展。
根本原因，就在于主动探索，主动思考，主动创造。
亦或仅仅想要 Do Something Special。
比如将人类送上火星这样的宏伟愿景。
如果 AI 不存在自主思考的可能性，那未来所谓的 AGI（通用人工智能）更只能是空中楼阁。
举个不太恰当的例子。
用和菜头（槽边往事）所写的几千篇文章训练 AI 后，哪怕 AI 能写出一篇连和菜头自己看了都直呼内行的文章（当然 AI 会在文末加上鸡枞菌的下单链接）。
AI 无法理解，为文章加上下单链接的目的是什么？
不，AI 写上一万篇也不理解。
没错，它永远也不理解。
是的，再强大的模型也不会理解。
所以。
AI 没有灵魂，只有模仿。
我们小时候都学过《庖丁解牛》，庖丁宰牛时，其动作行云流水、游刃有余、刀法精准娴熟。
图片由 GPT-4o 生成
无他，唯手熟尔。
人类驾驶员会因为对车辆、道路逐渐熟络，而驾轻就熟，甚至还能预判交通拥堵。
人类外卖小哥会因为海量订单的拷打经验，而轻车熟路，总能按时甚至提前送达。
人类软件工程师会因为对代码库了如指掌，越来越高效的解决 bug 甚至是杜绝 bug。
我们人类总会因为熟练，大幅提升效率，一旦变成条件反射，甚至不需要多哪怕一点能量消耗（如若你不能的话，在人类看来，就是木讷、弱鸡的表现）。
但 AI 貌似不能像人类一样做到熟能生巧，哪怕做千遍万遍。
比如前两天发布的 o3-pro ，即便根据评分显示它已经超越 o3、o1-pro，是为当前最擅长数学、科学和编程的 OpenAI 模型。
但当你问它 1+1 时，它依然需要思考 1分 28 秒（把简单的问题复杂化？）。
What？黑人问号脸 ？
不仅效率低下，而且一点也不节省能源和环保呢。
高盛研究显示，Google 搜索每次查询到能耗为 0.3 Wh，而 ChatGPT 的每次会话能耗高达 2.9 Wh，是 Google 搜索的 10 倍。
对，就像我们人类会慢慢忘记一些年代久远的事情一样，AI 也会（至少目前是这样）。
比如常见的大模型的上下文长度 32K、128K，指的就是这个。
这 128K 什么意思呢？
K 就是千，128K 就是12.8 万。12.8 万字，相当于《哈利波特与魔法石》的中文版长度。
这就意味着：
当我们和 AI 超多次对话累计的上下文长度超过最大限制（如 128K）时，它就会忘记前面所说的内容。
这好比一个人只能记住最近 100 句话，当你和他对话超过 100 句时，最早的对话被他忘得一干二净。
图片由 GPT-4o 生成
要知道，我们人类几乎没有上下文的限制。
你也几乎全部记忆着从 3 岁开始，看到的、听到的、想到的、梦到的、成文的、非成文的一切。
这个上下文数量级，怎么着也得有个万万亿甚至都不止吧。（貌似是个天文数字）
人类有健忘症算是老年痴呆吗？
但如果有上下文的限制，想象一下，AI 正在接受你的指令执行任务，不知不觉超过了上下文的限制。
突然，AI 开始听不懂你的指令了（事实上，不是听不懂了，而是没了上下文的背景，它不知道你是谁、从哪里来、要到哪里去）。
而你现在就坐这台由 AI 全自动驾驶的汽车里（在高速上狂飙）。以上。
——–
我之所以会有人工智能没有智能 的观点，源自上周，我使用扣子空间生成推文：《ChatGPT 涉足电商，马云震惊了》的双人语音播客，没曾想呈现出来的效果炸裂，不禁令人称奇：
先说【优点】：
a.情绪真实，自然流畅且没有 AI 味。
b.语气非常口语化，会时不时加上：『对，然后、这个』等口头语，让我一度怀疑是否是真人配音。
c.配套的播客自动生成可视化网页链接，还能实时查看播客字幕。
d.操作零门槛，仅需一句话，再等待 5 分钟，即可生成。
再说【缺点】：
对于文章中，部分内容存在语义理解问题。
比如我在文章中最后关于，打出一套像国内互联网公司一样的组合拳：但扣子空间就愣是没能正确理解和解析出来。
毕竟，通过对全篇的『阅读理解』，并不难知道这套组合拳、方法论是用『反话、讽刺』的语气来调侃国内互联网公司的套路。
看来，这个语义理解问题是出在 LLM 大模型身上，而非 播客 本身。
于是，为了验证我的猜测，我又分别向元宝、豆包、DeepSeek 以及 ChatGPT 询问，得到的回复都令人失望 Orz 。
在寂静的夜晚，我抬头仰望星空，想起马斯克曾在 X 上的吐槽：『现有AI 的本质是『庞大的概率模型』，即通过基于海量数据训练后进行统计预测并最终生成响应，而非像人类一样具备逻辑推理或对世界的深度理解』。
图片由 GPT-4o 生成
本文由人人都是产品经理作者【大伟说电商】，微信公众号：【大伟说电商】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。