Folia
← 返回头版

AI模型在智力测试中表现挣扎,人类能否做得更好?

《麻省理工科技评论》(MIT Technology Review)发布文章,通过一系列谜题测试展示了当前人工智能模型在空间推理、记忆适应性、抽象视觉推理、直觉和复杂逻辑等方面的优势与短板1。文章指出,尽管AI在部分基准测试上进步迅速,但在视觉谜题、细微变化识别和高复杂度逻辑任务上仍明显落后于人类1。作为最著名的基于谜题的基准测试之一,ARC-AGI要求模型从示例中推断抽象通用规则,进一步考验了AI的认知能力1。

2024年底,哥伦比亚大学科学家团队显示最佳AI模型仅能解决18%的《纽约时报》Connections谜题,而到2025年初,部分模型已能近乎完美地解决该谜题1。2024年,Google和伊利诺伊大学厄巴纳-香槟分校研究人员对Knights and Knaves谜题变体进行了模型训练和测试1。Apple研究人员发现,大语言模型能解决简单版本的汉诺塔问题和过河谜题,但当盘子或人数达到6及以上时开始出错1。此外,华盛顿大学、斯坦福大学和Allen Institute for AI研究人员观察到,大语言模型在逻辑网格谜题上同样表现挣扎1。该文章邀请读者亲自尝试这些曾难倒AI模型的题目,以比较人机认知差异1。


评论