【卡城华人网】AI和人脑的根本区别找到了：我们全错了

>>返回【卡城华人网】主页

卡城新闻加国新闻即时新闻娱乐八卦最新科技读者文摘养生保健美食饮品居家生活音乐诗画艺术中心风筝专辑
房屋租赁求职招聘便民广告定居指南城市介绍房产动态留学移民华人故事教育话题财经信息精华旅游难得一笑

读者文摘

卡城华人网信息中心

读者文摘

AI和人脑的根本区别找到了：我们全错了

AI和人脑的根本区别找到了：我们全错了
【卡城华人网 www.calgarychina.ca】 2025-09-29 11:50

免责声明：本消息未经核实，不代表网站的立场、观点，如有侵权，请联系删除。

【卡城华人网】AI和人脑的根本区别找到了：我们全错了

一篇发表在2025年《自然·机器智能》（Nature Machine Intelligence）上的研究，像一颗深水炸弹，炸开了人工智能和人类认知之间最深的那道墙。这篇由二十多位国际顶尖专家联手的研究，它告诉我们，AI和人类在“泛化能力”上，压根就不是一回事。

什么叫泛化能力？说白了，就是举一反三、活学活用的本事。你给一个小孩看几把椅子，他就能认识世界上所有的椅子，甚至能把一个没见过的墩子也叫“椅子”，因为他理解了“椅子是用来坐的”这个抽象概念。AI呢？你给它看一百万张椅子的照片，它能以极高的精度认出第一百万零一张椅子。但如果这张椅子是一个没见过的墩子，它可能就懵了。

研究牵头人之一，Benjamin Paassen教授一针见血地指出：“‘泛化’对AI和人类来说，意味着完全不同的事情”。这就是问题的核心。

人类的泛化，走的是一条“抽象”的路。我们看世界，会自动忽略掉那些不重要的细节，比如椅子的颜色、材质、高矮，然后抓住最本质的特征——“有个平面能支撑屁股”。这个过程，是概念思维。我们的大脑里形成了一个关于“椅子”的灵活框架，可以套用在任何新事物上。AI的泛化，走的是一条“统计”的路。它没有“概念”，只有“模式”。在它眼里，椅子不是一个功能性的东西，而是一堆像素点的特定组合。它通过学习海量数据，记住哪些像素组合最可能被标记为“椅子”。这更像是暴力破解，而不是真正的理解。所以，人类的学习是高效的。一个概念，看几个例子就通了。AI的学习是笨重的。一个概念，需要成千上万，甚至数百万个数据样本去喂养，才能勉强“记住”模式。

这就引出了一个更深层的问题：大脑和算法的底层逻辑，到底有什么不同？

我们的大脑里，有个叫“前额叶皮层”的地方，它就像一个总指挥官，负责认知灵活性。当老办法行不通时，它会立刻跳出来，抑制住你的习惯性动作，让你尝试新的解决方案。那些前额叶受损的病人，做日常老一套的事情没问题，但凡需要一点创新或适应新规则，就抓瞎了。

大脑还有一套非常聪明的“双过程系统”。系统1是直觉系统，快、自动、不费脑子，凭感觉走。比如你一眼认出朋友，或者开车时下意识地踩刹车;系统2是分析系统，慢、刻意、非常费劲，负责逻辑推理。比如你做一道复杂数学题，或者规划一次长途旅行。人类能在这两个系统之间无缝切换，根据情况决定是“凭感觉”还是“过脑子”;AI系统基本上只有“系统1”，而且还是个固化版的。它的模型在训练好之后，参数就基本固定了，形成一个固定的解决方案。遇到新问题，它不会灵活切换策略，最多就是在原有模式里找一个最像的答案。想让它真正适应，唯一的办法就是“回炉重造”——用新的数据重新训练一遍。

这种底层架构的差异，直接导致了性能上的天壤之别。

AI与人类PK

看看下面这张表，AI和人类在几个关键任务上的表现，差异一目了然。

表1：AI与人类在不同任务上的性能对比

你看，在规则明确、环境可控的场景下，AI是神。比如自动驾驶，谷歌的Waymo系统在特定条件下，能把严重伤害事故减少91%，比人类司机稳多了。

可一旦环境变得复杂多变，AI就立刻“拉胯”。比如语音识别，在安静的实验室里，AI的错误率可能极低，可一到嘈杂的马路边，它的错误率能飙升到50%以上，连话都听不清了。人类却没这个问题，我们在菜市场照样能聊天。

为什么？因为AI的泛化是“域内”的，它只能处理和训练数据分布相似的情况。一旦遇到“域外”（Out-of-Domain）的情况，比如没见过的口音、突如其来的噪音，它的性能就会断崖式下跌。

这背后的机制差异，下面这张表总结得更清楚。

表2：AI与人类泛化机制对比

AI是个偏科严重的“天才书呆子”，在它擅长的领域能碾压人类，但综合素质和适应能力被人类吊打。为了更精确地量化这种差异，我们还可以看一些更硬核的技术参数。

表3：AI系统在不同泛化任务上的性能参数

再看看人类大脑这个“生物处理器”的性能参数。

表4：人类认知系统性能参数

对比这两张表，你会发现，AI在算力上是怪物，但在效率、适应性和抽象能力上，离人脑还差得远。

那么，搞清楚这些差异，到底有什么用？未来是人机协作，不是谁取代谁用处太大了。它彻底改变了我们设计人机协作系统的思路。

以前，我们总想让AI变得更像人，甚至取代人。现在我们明白了，这是条死胡同。它们根本就不是一个“物种”。未来的方向，不是替代，而是互补。就像一个完美的搭档，AI负责它擅长的：处理海量数据、执行重复性任务、在规则明确的领域里做决策。人类则负责我们擅长的：处理模糊和不确定的情况、进行创造性思考、做出涉及伦理和价值观的判断。

在医疗领域，AI可以像个不知疲倦的显微镜，在成千上万张医学影像中标记出可疑的病灶，但最终的诊断和治疗方案，必须由医生来定夺。因为医生不仅看片子，还看病人，他需要结合病人的情绪、家庭状况和伦理考量来做决策，这些是AI无法量化的。

在自动驾驶领域，AI可以处理99%的常规路况，遵守交通规则比任何人都严格。但当遇到一个皮球滚到马路上，后面可能跟着一个孩子的极端场景时，需要人类的常识和瞬间决断力来介入。

这种“AI辅助人类”或“人类监督AI”的协作模式，效果惊人。

表5：人机协作系统性能参数

数据清晰地显示，当人机形成有效协作时，无论是速度、准确率还是适应性，都远超任何一方单打独斗。

这篇《自然·机器智能》的研究，为我们指明了方向。未来的AI发展，重点不再是单纯地刷榜、追求更高的测试分数，而是要研究如何让AI更好地理解人类，如何设计出更透明、更可解释的系统，让人类能够信任并与之高效协作。这需要计算机科学家、认知科学家、神经科学家甚至人文社科学者一起努力。

编辑(Edit) 删除(Delete)

>>返回【卡城华人网】主页