【本文僅在今日頭條發布，請勿轉載】

當患者說出“我最近總感覺心里空空的”之后，AI給出的建議是——去做一個心臟彩超。而實際上，哪怕像你我一樣毫無醫療經驗的人，都會立刻意識到，這可能是抑郁癥的表現。

為什么在蛋白質預測、癌癥判斷等重要領域已經全面碾壓人類的AI，竟然輸在了這么一個看似低級的挑戰上？

大家好我是火箭叔，因為人工智能被徹底誤解了，尤其是通用人工智能AGI。

通用人工智能有點像是人工智能界的圣杯，在人們的幻想當中，它應該是一個能像人類般應對任何挑戰的"全能選手"——像我們一樣思考、像我們一樣學習、像我們一樣去解決實際問題。總結起來就是：必須具備跨領域自主學習和創造性解決問題的能力，突破“任務邊界”，在陌生場景中靈活應變。要實現AGI，不僅需要在算法和計算能力上有重大突破，還要求我們對“智能”本身有更深入的理解，它涉及到哲學、認知科學以及神經科學等多個學科的交叉融合。

但現實中的人工智能，更像是只會做蛋炒飯的廚子：ChatGPT寫文章信手拈來，AlphaGo下棋天下無敵，可讓它們看病開藥就會鬧笑話。這是因為，雖然目前我們使用的大語言模型在自然語言處理、代碼生成、翻譯等特定任務上表現出色，甚至在某些專業領域的表現可以超越人類專家。然而，這些模型主要依賴大規模數據訓練，其“學習”過程是靜態的，缺乏實時適應新環境和不斷更新知識的能力；同時，它們無法進行物理世界的交互，缺乏真正的常識理解和情境判斷，更沒有自我意識。換句話說，雖然大語言模型在多任務處理上展示出一定的通用性，但它們依然屬于“窄人工智能”的范疇，只能在預設的任務范圍內運行。

那它們有沒有可能進化成我們想象當中的樣子呢？

劍橋大學機器學習教授尼爾·勞倫斯直言："把AI和人類智慧相提并論，就像用螞蟻的搬運能力衡量人類智慧。"

換句話說就是從一開始，我們就討論錯了問題——AGI所追求的"全能"，本質上是想用機器的信息處理能力復制人類經過億萬年進化形成的智能體系，而這背后藏著巨大的認知誤區：

首先，人類的情感體驗就像是一部豐富多彩的電影，每個畫面、每個音符都充滿了溫度和故事。機器無論多么先進，也只是一堆冷冰冰的代碼。它們可以通過數據預測某些情感的外在表現，但無法“感受”這種情感的來龍去脈。比如說，一臺機器可能會分析出哪首歌曲更能打動人心，但它永遠不會體會到聽這首歌時淚水滑落的感動。這就像是用情感的溫度去PK數據的寒流。人類看到梵高《星空》時會熱淚盈眶，而AI看到的卻是其中用了多少克鈷藍顏料。縱然能把大師的手法模仿的惟妙惟肖，卻還是像超市里的促銷海報"——因為AI永遠不懂，藝術的震撼來自創作者深夜作畫時滴在畫布上的眼淚。正如勞倫斯所說："AI的'智慧'是螞蟻式的信息搬運，而人類的智慧浸泡在七情六欲的溫泉里。"

其次，人類的智慧，恰恰來自于局限、來自于錯誤、來自于不完美。正是因為有限，人類才會不斷追求突破。面對失敗和限制，我們總能想出奇招來化解困境。而人工智能則是建立在大數據和算法之上，它就像在高速公路上開車：嚴格按照導航行駛，錯過了所有鄉間小路的風景。它沒有真正的“生活”經歷，也不會因為失敗而有所頓悟。它永遠無法像達芬奇那樣，在解剖尸體時突然領悟微笑的奧秘。它只是一部高速運轉的計算器，而人類則是那位會在計算結果里發現美妙公式的數學家。

第三，正如我們在生活中所見，無論AI多么擅長文字游戲，它在操控物理世界時卻顯得笨拙得多。這就是藏在我們身體里的智能密碼。嬰兒抓握玩具時，指尖觸感會重塑大腦神經連接；廚師翻炒時的"鍋氣"，是溫度、力度、食材變化的微妙平衡。而最先進的機器人，泡茶時仍會打翻茶壺——它們沒有經歷人類百萬年進化形成的"肉體記憶"。就像你讓我用一把高科技的刀去削水果，刀鋒利固然重要，但你還得有那雙巧手和對食材的敏感觸感，這兩者相輔相成，缺一不可。蘋果創始人沃茲尼亞克的"咖啡測試"至今無人通過：讓AI在陌生廚房找到咖啡機，需要整合空間感知、工具理解、力量控制，而人類三歲孩子都能完成。

第四， 是文化基因的千年沉淀。人類智慧不僅是單個大腦的杰作，更是分布式的智慧網絡。人類社會是一個由無數故事、傳統、習俗和價值觀構成的龐大網絡。我們的語言、習慣、幽默感以及那些傳承下來的智慧，都不是簡單的公式能夠概括的。當科學家在實驗室靈光乍現時，他的靈感可能源于兒時聽過的神話、上周讀過的哲學書、昨天和同事的爭吵。AI雖然可以大量存儲和處理信息，但無法真正參與到這種文化的傳承和再創造中去。想象一下，如果一臺機器去教你“怎樣做人”，它能給出的只是一堆數據和規則，而你需要的往往是來自生活的真實體驗和感悟。

所以你可以看到，人工智能跟人類智能有著多么巨大的區別。所謂的通用人工智能，簡直就是無稽之談！我們之所以往往忽視這點，是因為當我們試圖去理解AI并想要與之交流時，總是會情不自禁的將其擬人化。于是，它就成為了我們的對手。

可它根本就不應該被看成是對手，而應被看作一面鏡子——它照見人類的局限，也反襯出我們的不可替代。在人工智能的變革中，最需要警惕的不是機器變得像人，而是人變得像機器。