AI与人类的差距：从晾衣服的难题看GPT-4的局限性

在Quanta Magazine的一篇文章中，计算机科学家Yejin Choi和作家Steven Strogatz共同探讨了人工智能在理解常识方面的挑战。他们试图揭示，为何AI在某些任务上表现出色，但在日常推理方面却显得不足。

文章指出，尽管人工智能在特定领域取得了显著进展，但它们在理解真实世界的复杂性和细微差别方面仍然存在困难。这些困难源于常识的复杂性、文化差异以及对隐式知识的依赖，这些都是人工智能难以掌握的。

大型语言模型（LLM）正在努力学习模仿人类的常识推理能力。然而，尽管它们可以生成看似合理的文本，但它们往往缺乏对基本物理和社会规则的真正理解。

Choi的研究表明，LLM难以理解人类认为理所当然的常识，尤其是在涉及物理世界和社会互动的情境中。这些模型可能会犯一些人类觉得不可思议的错误，因为它们缺乏对世界运作方式的直觉。

总之，LLM的局限性在于它们缺乏与生俱来的、与世界互动的经验。它们无法像人类那样，通过亲身经历来学习和理解世界的运行规律。这意味着LLM在处理需要常识的复杂任务时，可能会遇到困难。

这种理解上的差异表明，人工智能在理解常识方面，与真正的人类智能之间仍然存在差距。例如，ChatGPT在生成文本方面表现出色，但有时会产生荒谬的结论。这凸显了AI在模拟人类认知方面的挑战。

Choi认为，未来的研究应该专注于开发能够更好地理解“物理和社会世界”的人工智能。这意味着我们需要设计能够学习背景知识，并进行更复杂推理的算法。

尽管AI在某些领域取得了进展，但在真正理解常识方面仍面临挑战，Choi强调。为了使AI的决策和行为更贴近人类的期望，我们需要解决它们在理解物理和社会规则方面的局限性。只有这样，我们才能创造出真正智能的、与人类和谐共处的人工智能。

人工智能的“常识”仍然是一个难以捉摸的目标。虽然LLM在语言处理方面表现出色，但为了让AI真正理解世界，我们还有很长的路要走。我们需要弥合在理解现实世界运作方式上的差距，才能实现真正的智能。

原文链接：https://www.quantamagazine.org/will-ai-ever-have-common-sense-20240718/