AI真的聪明吗？还是只会照猫画虎？
谷歌AI研究员François Chollet最近在接受MLStreetTalk采访时，抛出了一系列令人深思的观点。他认为，当前的AI系统远未达到真正的智能，而只是在做一种高级的插值运算。
AI：会背题的学霸，不会解题的呆瓜？
Chollet指出，LLM（大型语言模型）本质上是一个能够进行插值的程序空间中的一个点。
它们依赖于向量函数，根据记忆的模式来预测输出。这意味着LLM并不是在真正地思考，而是在利用已有的知识进行"填空"。
更糟糕的是，当面对训练数据中没有出现过的新问题时，LLM往往会失败。这就像一个只会背题的学生，遇到新题型就束手无策。
智能测试的陷阱
Chollet对当前的AI基准测试也提出了质疑。
他认为，性能的提升并不等同于智能的提升。因为这些基准测试可以通过预先准备和记忆来"破解"，而不是真正测量智能。
那么，如何真正衡量AI的智能呢？Chollet提出了一个有趣的定义：
「智能是技能获取效率。如果你想真正衡量智能，你必须看系统在有限的数据量下获取新技能的效率。」
他进一步解释道：「智能不是技能本身，而是一种元技能。它是你获取新技能的技能。」
万花筒假说：智能的多面性
Chollet提出了一个名为"万花筒假说"的有趣理论：
「万花筒假说认为智能并非单一、统一的东西，而是一系列独特的认知过程，每个过程都形成了我们观察和理解世界的不同"镜头"。」
这个假说暗示，我们不应该把智能简单地看作一个单一的指标，而应该从多个角度来理解和评估智能。
AI的未来：从插值到真正的综合
那么，AI的未来在哪里？
Chollet认为，下一步是开发能够有意义地重组抽象概念的AI，从暴力计算转向真正的综合。
他还强调了实体化在智能中的重要性：
「智能不是在真空中运作的——它需要一些东西来操作。具体的身体或环境类型可能不那么重要，但有物理存在、感官输入和目标是至关重要的。」
AI与存在风险
最后，Chollet对AI可能带来的存在风险持谨慎态度。
他指出：
「智能是一种工具——它不会自动带来代理性或自我导向的目标。如果AGI（通用人工智能）成为现实，它不会有代理性或设定自己的目标，除非我们设计它这样做。风险不在于智能本身，而在于将其与自主目标相结合。」
这番话提醒我们：在追求AI发展的同时，我们也要谨慎考虑其潜在影响。
你觉得当前的AI系统真的具备智能吗？
👇
👇
👇
👇
本文同步自知识星球《AGI Hunt》
星球实时采集和监控推特、油管、discord、电报等平台的热点AI 内容，并基于数个资讯处理的 AI agent 挑选、审核、翻译、总结到星球中。
每天约监控6000 条消息，可节省约800+ 小时的阅读成本；
每天挖掘出10+ 热门的/新的 github 开源 AI 项目；
每天转译、点评 10+ 热门 arxiv AI 前沿论文。
星球非免费。定价99元/年，0.27元/天。(每+100人，+20元。元老福利~）
一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱 AI 的人。
欢迎你的加入！
