生成式 AI 的迅猛发展和广泛应用引发了诸多担忧，从隐私安全到潜在的失业危机。虽然 AI 聊天机器人如 ChatGPT 和微软 Copilot 在短短时间内取得了惊人进步，能够写代码、纠错甚至挑战人类创意，但它们真的像表面看起来那么聪明吗？麻省理工学院计算机科学与人工智能实验室（CSAIL）的一项最新研究指出，这些强大的大型语言模型（LLM）似乎更依赖记忆而不是真正的推理能力。它们在熟悉的任务上表现出色，但在面对新问题时却显得力不从心。AI在线注意到，研究人员通过对比 AI 在不同任务上的表现得出这一结论。例如，G
生成式 AI 的迅猛发展和广泛应用引发了诸多担忧，从隐私安全到潜在的失业危机。虽然 AI 聊天机器人如 ChatGPT 和微软 Copilot 在短短时间内取得了惊人进步，能够写代码、纠错甚至挑战人类创意，但它们真的像表面看起来那么聪明吗？
麻省理工学院计算机科学与人工智能实验室（CSAIL）的一项最新研究指出，这些强大的大型语言模型（LLM）似乎更依赖记忆而不是真正的推理能力。它们在熟悉的任务上表现出色，但在面对新问题时却显得力不从心。
AI在线注意到，研究人员通过对比 AI 在不同任务上的表现得出这一结论。例如，GPT-4 在十进制算术方面表现优异，但在其他进制下却难以应对，类似的现象也出现在棋类游戏和空间推理等领域。研究人员认为，AI 更像是记忆力超群的“鹦鹉”，而非具备真正推理能力的“智者”。
研究结果表明，AI 在训练有素的领域内可以达到甚至超越人类水平，但这更多的是一种“记忆力”的体现。一旦面对全新的挑战，需要真正的推理能力时，AI 的优势便不再明显。
这一发现对 AI 的未来发展提出了新的挑战。虽然 AI 在某些领域已经展现出超越人类的能力，例如自动化大量重复性工作，但在创意、解决复杂问题等方面仍有巨大的提升空间。例如，一些媒体机构尝试用 AI 取代记者，结果却发现 AI 生成的新闻错误百出，反而增加了编辑的工作量。
游戏行业也面临类似的问题，AI 工具虽然能辅助开发过程，但核心创意和游戏体验的打造仍然离不开人类的智慧和创造力。