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！

1.人工智能只是词语接龙

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。

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。

所以。

AI没有智能，只有概率。

2.AI无法明辨是非

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’rewhatyouread

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。

3.AI不具备基本常识

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。

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』。

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？

4.AI没有自主探索能力

华盛顿大学教授叶因·蔡（YejinChoi）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DoSomethingSpecial。

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。

5.AI无法熟能生巧

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。

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？）。

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0.3Wh，而ChatGPT的每次会话能耗高达2.9Wh，是Google搜索的10倍。

6.AI有健忘症

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。

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』。