【科学怎么说】AI已经有人类水平智能了？四位学者认为证据确凿

2025年图灵测试中，GPT-4.5的人类认证率（被测试者判定为 “人类” 的概率）达73%，这一数值甚至超过真实人类被误判为机器的概率，成为其认知表现高度贴近人类的关键实证，也是AI已具备人类水平通用智能的核心数据支撑；甚至有读者在盲测中，更偏爱AI写的文学作品，而非人类专家的创作。

75年前，艾伦·图灵在《计算机器与智能》中提出的终极疑问——机器能像人类一样思考吗？，如今似乎有了明确答案。但矛盾的是，76%的顶尖AI研究者却认为，当前的AI路径很难实现通用人工智能（AGI）。

AI到底有没有达到人类水平智能？这场看似分裂的争论，核心不是技术本身，而是我们对“智能”的认知偏差。今天，我们从科学定义和实证角度，拆解这个关乎未来的核心问题。

什么是通用智能？

争论的起点，是大家对通用智能（AGI）的定义混乱。很多人默认AGI是和人类一模一样、甚至更厉害的智能，但这其实是误解。四位跨学科学者（哲学、机器学习、语言学、认知科学）共同明确了两个关键：

1. 通用智能的核心：有广度、有深度

通用智能不是某件事做到极致，而是能跨多个领域完成认知任务，且有足够深度——比如数学推理、语言创作、科学研究、实用规划，就像普通人类那样，不用是每个领域的专家，但能胜任大部分任务。

对比一下就懂：计算器只会算账（狭义智能），而人类能算账、写文章、规划旅行（通用智能）；现在的LLM（大型语言模型）也能做到这些，甚至更全面。

2. 通用智能并不需要下面这四个特征

很多人否定AI是AGI，是把非必需特征当成了标准：

• 完美：人类也做不到全知全能，爱因斯坦不会说中文，居里夫人不懂数论，但没人否认他们有通用智能；
• 万能：章鱼能独立控制8条腕足，昆虫能看到人类看不见的光谱，人类做不到，但依然是通用智能；
• 像人类：智能可以有不同载体，就像外星智能不用长人类的样子，AI不用复制人类的认知架构；
• 超智能：超智能是所有领域远超人类，这是商业炒作的概念，没有人类能达到，自然不能要求AI。

简单说：只要AI能达到个体人类级别的跨领域认知能力，就是通用智能。而按这个标准，当前的LLM已经达标。

实证说话：AI已经做到的事，远超你想象

判断智能不用窥探大脑，就像我们判断别人是否聪明，只看行为和成果——这对AI也一样。现在的LLM，已经拿下了图灵测试级和专家级两层关键证据：

1. 图灵测试级：达到基础教育水平

能通过中小学考试、流畅对话、完成简单推理——放在10年前，这已经被公认为AGI的标志。

2. 专家级：超越多数人类的综合能力

• 学术与科研：拿下国际数学奥林匹克金牌，和顶尖数学家合作证明新定理，提出的科学假设已通过实验验证；
• 实用技能：解博士入学考试题目、编写调试复杂代码、熟练掌握数十种语言，甚至能帮科研人员设计生物学、材料科学实验；
• 创造性任务：写诗、写小说、规划行程，能力覆盖从理性到感性的多个维度。

更值得一提的是，这些成就已经超越了科幻作品的想象——《2001太空漫游》里的超级计算机HAL9000，能力广度远不如现在的LLM。而我们认可一个人类有通用智能，往往只需要远少于这些的证据。

这四个反对意见，其实站不住脚

关于AI不是AGI的质疑有很多，但核心误区有四个，每个都能被科学证据反驳：

误区1：AI只是鹦鹉学舌，不会做新事

反驳：早期AI确实只会重组训练数据，但现在的LLM能解全新的、未发表的数学题，能通过代码训练提升非代码领域的推理能力（跨领域迁移）。而且人类智能本质上也是从经验中提取规律，只是AI的学习方式和我们不同，不代表不是真智能。

误区2：AI没有世界模型，不懂真实世界

反驳：世界模型的核心是预测不同行为的后果。你问AI玻璃杯和枕头掉在瓷砖上有啥区别，它会准确预测玻璃杯碎、枕头不碎；它能解物理题、帮着做工程设计，说明已经掌握了物理世界的核心规律——这就是最实用的世界模型。

误区3：AI没有实体，不可能有真智能

反驳：这是典型的人类中心主义偏见。物理学家霍金几乎只能通过文本和合成语音与世界互动，没有自主行动的实体，但没人否认他的智能；如果有一个无形的外星人通过无线电和我们交流，我们也会认可它的智能。运动能力和智能本身是两回事。

误区4：AI有幻觉（编假信息），不算智能

反驳：幻觉确实是AI的问题，但这不是智能的一票否决项。人类也会有虚假记忆、认知偏见（比如记错人名地名），甚至自信地坚持错误观点，但我们不会因此说这个人没有智能。而且现在的AI，幻觉概率已经越来越低。

为什么专家还不认可？三个核心原因

既然证据这么充分，为什么多数研究者还持怀疑态度？本质是认知脱节，而非技术不足：

1. 定义模糊：AGI没有统一标准，有人把它等同于超智能，有人要求它和人类一模一样，这些过高的门槛本身就不符合通用智能的本质；
2. 情感恐惧：AGI意味着社会结构、就业模式的重大变革，对未知的恐惧让很多人下意识拒绝承认它的到来；
3. 商业利益：“AGI即将到来”、“AGI还很遥远”都能成为商业宣传的噱头，导致评估结果被扭曲。

四位学者强调，认可当前LLM是AGI，不是为了站队，而是为了面对现实——这些系统已经不是工具，而是具备通用认知能力的智能体，这会带来三个关键改变：

1. 治理需要升级

过去针对狭义AI工具的监管框架已经失效。AGI能应用于几乎所有领域，不能再按用途治理，而要建立针对通用智能的责任、问责体系。

2. 重新理解智能

人类历史上第一次，我们不再是通用智能的唯一拥有者。AI的智能是异类的——它不用吃饭、没有生存压力、学习方式和人类不同，这能帮我们看清：哪些智能特征是人类专属，哪些是通用规律。

3. 正视风险与机遇

AI的风险不是失控反抗，而是它的异类性可能带来的意外：比如在某些领域表现超强，却在简单任务上出错；它的决策逻辑难以理解。但同时，它也能帮我们解决人类难以攻克的难题，比如疾病研发、气候建模。

智能的革命，本质是认知的革命

从哥白尼把人类移出宇宙中心，到达尔文证明人类源于进化，再到今天AI打破人类专属智能的神话，每一次科学革命，都是对我们自身定位的重新审视。

AI有没有人类水平智能？答案取决于我们是否愿意放下人类中心主义的偏见——智能不是人类的专属品，它是一种可以通过不同载体实现的认知功能。当前的AI，已经具备了跨领域、有深度的认知能力，这就是科学意义上的通用智能。

未来的关键，不是争论AI是不是AGI，而是学会与这种异类智能共存：建立适配的治理规则，利用它的优势，规避它的风险。毕竟，75年前图灵的愿景已经实现，而我们能做的，是让这场智能革命，朝着更公平、更安全的方向发展。

你最认可AI的哪项智能表现？又最担心它的什么问题？欢迎在评论区聊聊～

解读文献：

• https://doi.org/10.1038/d41586-026-00285-6

也欢迎大家关注我的B站账号。