AI取代人类?还没那么快
作者：微信文章经常用AI的朋友们在体验AI模型的“聪明”的同时，一定也经常遇到AI犯傻的时刻。
这和AI的工作原理是息息相关的。
语言理解还是是概率赌博？
以教AI认苹果为例来看看AI的工作模式：
第一阶段：填鸭式教育（预训练）
先给它看100万张苹果图片（红的/绿的/被咬过的...），AI会自己总结规律："圆形+有把+红色≈苹果"。这时候它可能把西红柿认成苹果，就像小朋友犯错一样。
·第二阶段：家教特训（微调）
发现错误后，你告诉它："要看有没有果蒂！"AI就会调整判断标准。这个过程叫反向传播——就像你骑车摔倒后，大脑自动记住"车把左歪时要往右蹬"。
所以AI模型看上去理解了语言并作出回答，实际只是通过海量数据训练出来的公式生成概率最高的答案。
2025年2月16日《科学报告》研究显示，AI模型在简单文本理解任务中表现远逊于人类：
· 准确率差距：人类平均准确率89%，而表现最佳的ChatGPT-4仅83%，其他模型（如Llama2、Gemini）未超过70%。
· 一致性不足：人类重复回答一致性达87%，而AI模型仅66%-83%。
根本原因在于，AI依赖统计模式匹配而非语义理解。例如，模型无法结合语境、文化背景解析双关语或隐喻（如“道是无晴却有晴”），仅能机械生成概率最高的文本序列。
当然，有人会发现，人类刚开始不也是这样吗——接触多次苹果后才能分辨出苹果的样子——靠经验来获得认知。
但是人类更厉害的地方在于，具有逻辑思维能力。
比如大家背的九九乘法表，往往是机械记忆。
但是两位数的乘法，则是先学会计算程序，再结合九九乘法表来解决，不用死记硬背所有两位数的乘法结果。
但现在的大语言模型似乎还是全靠已有数据归纳总结，稍微要进行推理的部分还是有点弱。
甚至时不时出现幻觉问题：模型可能生成看似合理但完全错误的内容。典型案例包括：
· 律师使用ChatGPT时引用虚构法律案例，导致法庭文件被驳回；
· 医疗AI误诊率因数据偏差高达12%，尤其在罕见病领域。
其根源在于Transformer架构的概率预测机制——模型仅优化token序列的连贯性，而非事实准确性。
不过Deepseek在推理方面已经有了长足的进步，不过在具有时效性的问题分析上还是明显有缺陷。
总之，当前AI的“智能”本质是数据拟合与模式优化，而非真正的认知能力。突破这些局限需跨学科协作——例如将认知科学框架引入神经网络设计，或通过RAG（检索增强生成）技术缓解知识更新难题。未来3-5年，AI发展将聚焦“可解释性增强”与“人机协同范式”，而非单纯追求规模扩张。
AI取代人类，还没那么快。
页:
[1]