2024 年的 AI 新闻充满了「突破」。Anthropic 推出 Claude 3.5，OpenAI 发布 GPT-4o，Google 公布 Gemini 2.0。每次发布，评论者都会说：「AI 离 AGI 又近了一步。」

然后 Elon Musk 推出 Grok-2，声称它在某些测试上超越了 GPT-4。舆论���次沸腾：是不是 AGI 已经来了？我们是��是还有不到六年的时间？

我想在这个时刻停下来，问一个简单的问题：我们在测试什么？

「超越」的幻觉

Grok-2 确实在某些标准化测试上的表现比 GPT-4 好。但这些测试是什么？

它们主要是「基准测试」：MMLU（涵盖数学、科学、历史、法律等知识的测试）、HumanEval（代码生成）、GSM8K（数学推理）等。这些测试设计得很好，但它们测试的只是一种特定的、可量化的能力。

想象一下，如果我们用「能否赢得象棋比赛」来衡量人类智慧，那么 Deep Blue 在 1997 年就已经「超越了人类智慧」。但没人会这么说。

原因是：象棋很复杂，但它是一个封闭系统。规则是固定的，目标是明确的，反馈是立即的。现实世界不是这样。

AI 在基准测试上的进步，类似于深蓝在象棋上的进步。它们都是在高度结构化、明确定义的问题上的优化。

人类智慧的三个维度

如果我们要谈「超越人类智慧」，我们首先要定义人类智慧。

心理学家普遍承认，人类智慧有多个维度：

  1. 认知能力：解决问题、模式识别、逻辑推理
  2. 适应力：在新环境中学习和调整策略
  3. 价值判断：理解什么重要、什么不重要，做出权衡决定

目前的 AI 在第一个维度上进步最快。Grok-2、GPT-4、Claude 都在认知测试上表现优异。

但在第二和第三个维度上，我们还远远不够。

适应力的问题

Grok-2 能回答关于 2024 年世界杯的问题吗？也许能，如果它的训练数据包括了。

但如果明天世界杯赛制改了，赛事从夏季改到冬季，场地从地球改到月球，Grok-2 会怎么办？

它能不能自己发现这个变化，并迅速调整自己的理解？不能。

它只能等待新的训练数据。而人类，看一场月球上的足球赛，就能立即理解新的规则，并开始思考新的策略。

价值判断的问题

更深层的问题是价值。

Grok-2 可能能够写出一篇完整的关于气候变化的论文。但它不知道，在所有的选择中，哪一个对人类最重要。它不知道该优先考虑经济增长还是环境保护。它不知道该听谁的声音。

人类智慧的核心，是能够在不同的价值观之间做出权衡。而这种权衡能力，目前的 AI 完全没有。

六年时间表的数学

OK，但如果 AI 能力每年以某个速率提升，六年后不就能达到 AGI 了吗？

这涉及到一个经典的误解：指数增长。

很多人相信 AI 的发展是指数级的。摩尔定律、计算力的增长、数据集的扩大——都在推动 AI 加速。

但这有一个大问题：我们没有无限的计算力，也没有无限的数据。

目前，最大的 AI 模型已经达到了计算资源的瓶颈。训练 GPT-4 需要数千亿美元的投资。下一代模型可能需要更多。

同时，互联网上已经被挖尽的文本数据是有限的。我们已经接近「数据饥荒」。

Google 最近发表的一项研究表明，大规模语言模型的性能提升速度已经在放缓。从 2020 年到 2024 年，改进率从每年 40% 放缓到每年 10% 左右。

如果这个趋势继续，而且没有新的技术突破，那么 AI 不会在六年内达到 AGI。可能需要更长时间——可能是十年，可能是二十年，也可能永远无法达到。

Grok-2 真正的意义

Grok-2 的出现，意味着 AI 竞争激烈化了。X（前 Twitter）公司有资源和动力与 OpenAI 竞争。这可能会加速 AI 的某些方面的进展。

但 Grok-2 超越 GPT-4 在某些基准上，并不意味着它离 AGI 更近了。

它只意味着，在某个特定的测试中，Grok-2 的优化做得更好。

而 AGI，如果它确实存在，会是一个质的转变。不是在 MMLU 上多得 2% 的分数，而是能够自我改进、自我目标设定、理解人类价值观的 AI。

结论：等待下一个突破

我不是在说 AGI 永远不会来。我只是在说，基于目前的趋势，六年的时间表过于乐观。

AI 会继续进步。但进步可能是 S 型曲线，而不是指数曲线。我们可能已经通过了快速增长阶段，现在进入了平坦阶段。

而真正的 AGI，可能需要一个新的技术突破——也许是新的算法、新的硬件、或者对智慧本身的新的理解。

在那之前，我们应该享受 AI 在特定任务上的进步，同时保持警惕，不要被基准测试的数字迷惑。

超越人类智慧，不是一个数字游戏。