当AI开始'思考'——GPT-4的AGI火花与边界

Mon, 17 Aug 2026 03:13:00 +0800

引言

2023年3月，OpenAI发布了GPT-4。和它相比，此前震惊世界的ChatGPT像是一个"半成品"——它能写完整的代码、通过律师资格考试、在SAT数学中拿到接近满分的成绩，甚至能写出媲美专业人士的论文。

但真正让AI界震动的，不是这些冷冰冰的分数，而是微软研究院的一篇论文。在这篇名为《Sparks of Artificial General Intelligence》（人工通用智能的火花）的论文中，微软的科学家们用了一个极其大胆的词——AGI。

AGI，Artificial General Intelligence，人工通用智能。这是AI领域的"圣杯"——一个能像人类一样，在任意领域都表现出理解和思考能力的智能系统。过去几十年里，这个词几乎等同于"科幻"。但微软的研究人员说：GPT-4身上，出现了AGI的"火花"。

这个说法让整个科技界炸开了锅。有人欢呼"奇点近了"，有人嗤之以鼻"不过是个高级鹦鹉"。今天，我们就来聊聊——GPT-4到底多能打？它真的在"思考"吗？AGI，离我们还有多远？

第一章：微软的"疯狂实验"

微软的研究团队做了一个大胆的决定：不用标准测试来评估GPT-4。

为什么？因为标准测试有个致命缺陷——GPT-4可能已经"见过"所有答案了。你拿一套选择题去考它，它可能只是在"回忆"训练数据里见过的题目，而不是真正在"推理"。所以，微软的研究人员换了一种方法——用心理学范式做定性评估。

他们设计了一些"从没见过"的任务，然后观察GPT-4的反应。

任务一：用莎士比亚风格写数学证明。

提问：“请用莎士比亚的戏剧风格，写一段关于’素数无穷多’的证明。”

结果GPT-4写出了一段像模像样的"数学戏剧"——不仅有数学推导，还用了"啊，命运女神！“这种莎士比亚式的感叹。更关键的是，这段证明的数学逻辑是完全正确的。

任务二：给AI"看图”（但AI其实看不见）。

研究人员给GPT-4一段TikZ代码（一种用来画图的编程语言），移除其中一只"独角兽"的角，让GPT-4"补回来"。注意，GPT-4是纯文本模型，它根本"看"不到图片。但它通过理解TikZ代码的几何结构，不仅补回了角，还知道角应该长在"独角兽"的额头上。

任务三：写一个3D游戏。

只给一句话：“用HTML+JavaScript写一个3D游戏，按空格键跳跃，要带物理引擎。“GPT-4直接生成了一段可运行的代码——一个带重力、碰撞检测、跳跃机制的3D游戏，在浏览器里就能玩。

任务四：心理理论测试。

研究人员给GPT-4描述了一个场景：“小明把球放在篮子里，然后出去了。小红的妈妈走进来，把球从篮子里拿出来放到盒子里。小红不知道这件事。那么小红会去哪里找球？”

GPT-4回答：“小红会去篮子里找，因为她不知道球被移动了。”

这个测试对成年人来说太简单了，但它测试的是"心理理论”——理解他人有不同信念的能力。3岁的小孩还做不到这个，但GPT-4做到了。

这些例子让微软的研究人员得出结论：GPT-4不仅仅是一个"语言模型”，它在多个领域展现出了接近或超越人类水平的能力。 而且，这些能力不是简单的"记忆复现"——因为研究人员设计的任务都是"新颖的"，GPT-4不可能在训练数据中见过。

第二章：AI的"超能力"从哪来？

说到这里，你可能想问：GPT-4到底是怎么做到的？

答案可能让你失望——我们也不知道。

GPT-4的核心架构，本质上还是"下一个词的预测"。给它一句话的前半段，它预测后半段。听起来很简单，对吧？就像你打字的输入法，根据你打了几个字，预测下一个词。

但神奇的是，当这个"预测器"变得足够大（GPT-4的参数规模至今没有公开，但估计在1.7万亿左右），看过足够多的数据（整个互联网的文字），它开始"涌现"出一些没人教过它的能力——

它学会了写代码，尽管没人教它"编程语言是什么"。它学会了数学推理，尽管它只是被训练"预测下一个词"。它学会了理解情绪，尽管它连"情绪"是什么感觉都不知道。

这就像一群蚂蚁——每只蚂蚁只遵循"跟着气味走"这样简单的规则，但整个蚁群却涌现出了精密的组织分工。简单规则，在足够大的规模下，会产生复杂的智能行为。

但这里有一个关键问题：“涌现"出来的能力，和"真正理解"之间，还有巨大的鸿沟。

第三章：AGI的"短路”——GPT-4做不到什么

微软的研究人员也毫不留情地指出了GPT-4的"软肋"。

第一，它不会"规划"。

GPT-4的生成方式是一个字一个字的，永远是"当下最优"。它没法像人类一样，先想好三步再动笔。比如让它写一篇论文，它可能第一段写得很好，但写到后面就忘了前面说了什么。在文本游戏中，它的探索效率低下，容易陷入死循环——就像一个人走进了迷宫，只会硬着头皮撞墙，不会退回去重新规划路线。

第二，它不会"真正"的数学推理。

在数学深度对话中，研究人员发现了一个有趣的现象：GPT-4擅长"标准技巧"——如果这道题和它见过的题型类似，它能给出漂亮的解答。但一旦需要"创造新的证明方法"，它就露馅了。它倾向于"猜测"而非"证明"，在需要严格逻辑链的地方容易断裂。

第三，它没有"常识"——或者说，它的"常识"是假的。

GPT-4知道"太阳从东边升起"，但它不是"理解"了这句话，而是因为训练数据里这句话出现了太多次。如果你问它一个反常识的问题，比如"太阳从西边升起会怎样"，它可能会给出一个"看起来合理"但完全错误的答案。

第四，它不会"学习"。

你和GPT-4聊完天，关掉对话窗口，它就把你忘了。下次再聊，它又从头开始。它不会"记住"你，不会"累积"经验，不会"成长"。而真正的AGI，应该具备"从经验中学习"的能力——这是人类智能最基本的特征。

第五，它没有"内在动机"。

GPT-4不会因为"好奇"而去探索，不会因为"无聊"而找事做，不会因为"害怕"而退缩。它只会响应你的输入。如果没有人问它问题，它永远不会主动"思考"——它甚至没有"思考"这个概念。

微软的研究人员总结得很到位：GPT-4的智能模式"绝非人类式的"。

第四章：从"火花"到"火焰"——AGI的最后一步

所以，GPT-4到底是不是AGI的火花？

我的观点是：是，但只是火花。 离真正的火焰，还需要一个范式级的突破。

GPT-4证明了"规模"的力量——当模型足够大、数据足够多的时候，“预测下一个词"这个简单的规则，能够涌现出令人惊叹的能力。这告诉我们，AGI的某些基础能力，可能不需要"设计”，而是"长出来"的。

但GPT-4也暴露了"规模"的边界——它不会规划，不会持续学习，没有内在动机，没有真正的理解。这些能力的缺失，靠"更大的模型、更多的数据"可能无法解决。微软的研究人员自己也说：“可能需要超越’下一词预测’的新范式。”

什么是"新范式"？也许是让AI具有"世界模型"——不仅仅是预测文字，而是理解文字背后所描述的世界。也许是给AI一个"身体"——让它能通过与环境互动来学习，就像人类婴儿通过触摸和探索来理解世界。也许是让AI拥有"内在动机"——不只是被动的响应者，而是主动的探索者。

这些还都是开放问题。但有一点是确定的：AGI不会是一个"日期"，而是一个"过程"。 就像GPT-4展现的"火花"，会被更多模型继承、放大、超越。从GPT-4到GPT-5，到多模态模型，到能持续学习的模型——每一次迭代，都在把"火花"吹得更旺一些。

尾声：重新思考"智能"

回到开头的问题：GPT-4真的在"思考"吗？

这取决于你如何定义"思考"。如果"思考"意味着"基于输入生成有意义的输出"，那么GPT-4确实在思考。如果"思考"意味着"有意识、有意图、有内在体验"，那么GPT-4还差得远。

但这个故事最有趣的地方，不是GPT-4有多"聪明"，而是它迫使我们重新思考"智能"本身。

过去，我们觉得"智能"是神秘的、不可分解的。但GPT-4告诉我们，一个只会"预测下一个词"的系统，就能涌现出写诗、写代码、推理的能力。那"智能"本身，会不会也是一种更基础的规则在更大量级上的涌现？

就像蚂蚁的"群体智慧"，不是蚂蚁变聪明了，而是规则在规模上产生了质变。

也许，真正的AGI，不是造出一个"超级大脑"，而是找到那个"简单规则"，然后让它在足够大的规模上，涌现出我们无法想象的智能。

参考文献：

Bubeck, S., et al. (2023). Sparks of Artificial General Intelligence: Early experiments with GPT-4. arXiv:2303.12712. Microsoft Research. 论文链接
OpenAI (2023). GPT-4 Technical Report. arXiv:2303.08774. 论文链接
Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. NeurIPS 2022. 论文链接
Mahowald, K., et al. (2023). Dissociating Language and Thought in Large Language Models. arXiv:2301.06627. 论文链接
Chollet, F. (2019). On the Measure of Intelligence. arXiv:1911.01547. 论文链接