【本文仅在今日头条发布，请勿转载】

当患者说出“我最近总感觉心里空空的”之后，AI给出的建议是——去做一个心脏彩超。而实际上，哪怕像你我一样毫无医疗经验的人，都会立刻意识到，这可能是抑郁症的表现。

为什么在蛋白质预测、癌症判断等重要领域已经全面碾压人类的AI，竟然输在了这么一个看似低级的挑战上？

大家好我是火箭叔，因为人工智能被彻底误解了，尤其是通用人工智能AGI。

通用人工智能有点像是人工智能界的圣杯，在人们的幻想当中，它应该是一个能像人类般应对任何挑战的"全能选手"——像我们一样思考、像我们一样学习、像我们一样去解决实际问题。总结起来就是：必须具备跨领域自主学习和创造性解决问题的能力，突破“任务边界”，在陌生场景中灵活应变。要实现AGI，不仅需要在算法和计算能力上有重大突破，还要求我们对“智能”本身有更深入的理解，它涉及到哲学、认知科学以及神经科学等多个学科的交叉融合。

但现实中的人工智能，更像是只会做蛋炒饭的厨子：ChatGPT写文章信手拈来，AlphaGo下棋天下无敌，可让它们看病开药就会闹笑话。这是因为，虽然目前我们使用的大语言模型在自然语言处理、代码生成、翻译等特定任务上表现出色，甚至在某些专业领域的表现可以超越人类专家。然而，这些模型主要依赖大规模数据训练，其“学习”过程是静态的，缺乏实时适应新环境和不断更新知识的能力；同时，它们无法进行物理世界的交互，缺乏真正的常识理解和情境判断，更没有自我意识。换句话说，虽然大语言模型在多任务处理上展示出一定的通用性，但它们依然属于“窄人工智能”的范畴，只能在预设的任务范围内运行。

那它们有没有可能进化成我们想象当中的样子呢？

剑桥大学机器学习教授尼尔·劳伦斯直言："把AI和人类智慧相提并论，就像用蚂蚁的搬运能力衡量人类智慧。"

换句话说就是从一开始，我们就讨论错了问题——AGI所追求的"全能"，本质上是想用机器的信息处理能力复制人类经过亿万年进化形成的智能体系，而这背后藏着巨大的认知误区：

首先，人类的情感体验就像是一部丰富多彩的电影，每个画面、每个音符都充满了温度和故事。机器无论多么先进，也只是一堆冷冰冰的代码。它们可以通过数据预测某些情感的外在表现，但无法“感受”这种情感的来龙去脉。比如说，一台机器可能会分析出哪首歌曲更能打动人心，但它永远不会体会到听这首歌时泪水滑落的感动。这就像是用情感的温度去PK数据的寒流。人类看到梵高《星空》时会热泪盈眶，而AI看到的却是其中用了多少克钴蓝颜料。纵然能把大师的手法模仿的惟妙惟肖，却还是像超市里的促销海报"——因为AI永远不懂，艺术的震撼来自创作者深夜作画时滴在画布上的眼泪。正如劳伦斯所说："AI的'智慧'是蚂蚁式的信息搬运，而人类的智慧浸泡在七情六欲的温泉里。"

其次，人类的智慧，恰恰来自于局限、来自于错误、来自于不完美。正是因为有限，人类才会不断追求突破。面对失败和限制，我们总能想出奇招来化解困境。而人工智能则是建立在大数据和算法之上，它就像在高速公路上开车：严格按照导航行驶，错过了所有乡间小路的风景。它没有真正的“生活”经历，也不会因为失败而有所顿悟。它永远无法像达芬奇那样，在解剖尸体时突然领悟微笑的奥秘。它只是一部高速运转的计算器，而人类则是那位会在计算结果里发现美妙公式的数学家。

第三，正如我们在生活中所见，无论AI多么擅长文字游戏，它在操控物理世界时却显得笨拙得多。这就是藏在我们身体里的智能密码。婴儿抓握玩具时，指尖触感会重塑大脑神经连接；厨师翻炒时的"锅气"，是温度、力度、食材变化的微妙平衡。而最先进的机器人，泡茶时仍会打翻茶壶——它们没有经历人类百万年进化形成的"肉体记忆"。就像你让我用一把高科技的刀去削水果，刀锋利固然重要，但你还得有那双巧手和对食材的敏感触感，这两者相辅相成，缺一不可。苹果创始人沃兹尼亚克的"咖啡测试"至今无人通过：让AI在陌生厨房找到咖啡机，需要整合空间感知、工具理解、力量控制，而人类三岁孩子都能完成。

第四， 是文化基因的千年沉淀。人类智慧不仅是单个大脑的杰作，更是分布式的智慧网络。人类社会是一个由无数故事、传统、习俗和价值观构成的庞大网络。我们的语言、习惯、幽默感以及那些传承下来的智慧，都不是简单的公式能够概括的。当科学家在实验室灵光乍现时，他的灵感可能源于儿时听过的神话、上周读过的哲学书、昨天和同事的争吵。AI虽然可以大量存储和处理信息，但无法真正参与到这种文化的传承和再创造中去。想象一下，如果一台机器去教你“怎样做人”，它能给出的只是一堆数据和规则，而你需要的往往是来自生活的真实体验和感悟。

所以你可以看到，人工智能跟人类智能有着多么巨大的区别。所谓的通用人工智能，简直就是无稽之谈！我们之所以往往忽视这点，是因为当我们试图去理解AI并想要与之交流时，总是会情不自禁的将其拟人化。于是，它就成为了我们的对手。

可它根本就不应该被看成是对手，而应被看作一面镜子——它照见人类的局限，也反衬出我们的不可替代。在人工智能的变革中，最需要警惕的不是机器变得像人，而是人变得像机器。