此篇文章发布距今已超过32天，您需要注意文章的内容或图片是否可用！
人工智能（AI）的崛起正在重塑社会格局，从超越人类的棋局对弈到精准的医学诊断，AI 似乎无所不能。然而，当我们沉浸在技术奇迹中时，却无法忽略一个至关重要的问题：AI 是否真的能取代人类大脑？当它掌控决策、改变未来时，我们是否正在让渡不可替代的人类智慧？在光鲜的算法背后，AI 与人类认知的本质差异正在逐渐显露。牛津大学的 Teppo Felin 与 Matthias Holweg 在研究报告《Theory Is All You Need: AI, Human Cognition, and Causal Reasoning》中，给出了一个令人深思的论断：AI 虽然在处理数据和预测方面无比强大，但在真正理解世界、创新和面对未知时，依然难以企及人类思维的深度。AI 与人类的分水岭：就在于「理论」——理论即一切。随着人工智能（AI）的迅猛发展，它已经在许多领域超越了人类：从象棋和围棋，到通过律师资格考试和复杂医学诊断，AI 的表现令人瞩目。然而，AI 真的能替代人类大脑吗？尽管它擅长数据处理和模式识别，但在认知的深度与广度上，AI 与人类大脑依然有不可逾越的鸿沟。以下六个关键点说明了这一点。AI 的核心能力是从海量数据中提取模式，但它的预测总是基于过去的数据。例如，大型语言模型（LLMs）在 13 万亿个训练词元中学习语言模式，其本质是模仿过往语言使用习惯。人类通过理论驱动的因果推理可以摆脱现有数据的束缚，探索未来。例如，「重于空气的飞行」在 19 世纪被科学界广泛认为是不可能的，因为鸟类飞行能力被错误地与体重关联起来。然而，人类通过理论建模、实验验证，最终实现了飞行——这一过程是 AI 无法复制的。AI 生成的新颖性，其实是对已有数据的组合和重新排列。AI 更像是一种「翻译工具」，能将某种语言表达转换为另一种语言或形式，但不会超越已有知识边界。相比之下，人类大脑能够从稀疏、不完整的数据中提出完全原创的想法。例如，科学家伽利略在 16 世纪提出日心说，这一理论在当时没有得到大多数数据的支持，但最终颠覆了地心说。这种原创性和挑战共识的能力，是 AI 完全缺乏的。AI 的运作逻辑是基于统计概率，而非因果推理。例如，大型语言模型通过「下一个词预测」生成文本，其理解停留在词语之间的统计相关性，而不是词语所代表的真实关系。而人类能够理解复杂的因果关系，并基于此作出推理和决策。例如，莱特兄弟在开发飞机时，不是简单地模仿鸟类飞行，而是通过理论分析确定了升力、推进力和控制力三大关键要素。这种因果推理能力是推动科学进步的核心，而 AI 无法达到这一深度。AI 无法产生真正的新知识，它的输出是过去的「镜像」。以「1633 年的 AI 」为例：假设当时的 AI 被训练在所有科学数据上，那么它会因为大量支持地心说的文献而否定日心说。这是因为，AI 的认知逻辑依赖数据的频率和关联性，而不是理论推导或实验证明。这种局限性使得 AI 在处理全新问题时显得无能为力。人类能够在缺乏数据支持的情况下，通过理论假设推动创新。例如，科学家通过对未知领域的大胆假设，设计实验来验证或反驳这些理论。而 AI 的「信念」完全依赖输入数据，无法主动生成新数据或发现潜在模式。这种差距不仅影响科学研究，也决定了 AI 在应对不确定性时的劣势。AI 无法像人类一样理解复杂的情境并灵活调整。以莱特兄弟为例，他们不仅从失败中学习，还主动干预环境，通过实验验证设计原型的可行性。相比之下，AI 只能对既定输入做出反应，无法主动探索未定义的领域。AI 的进步固然让我们进入了智能时代，但它的能力始终局限于模式识别和数据处理。相比之下，人类认知的创造性、前瞻性和灵活性，不仅推动了科学和社会的进步，也是我们应对未来不确定性的核心武器。AI 可以成为人类强大的工具，但它永远无法替代人类思维的深度与广度。https://www.researchgate.net/publication/378477225_Theory_Is_All_You_Need_AI_Human_Cognition_and_Causal_Reasoning转载自：英荔 AI 创造乐园
推荐站内搜索：最好用的开发软件、免费开源系统、渗透测试工具云盘下载、最新渗透测试资料、最新黑客工具下载……
ZhouSa.com-宙飒天下网
还没有评论，来说两句吧...