北京
当一个大语言模型回答你的问题时，它到底是在像人类一样推理，还是仅仅在生成一段看起来像推理的文字？这个问题不只是哲学层面的思辨——它直接决定了我们能在多大程度上信任AI，需要多密切地监督它，以及它最终会给现实世界带来怎样的影响。
圣塔菲研究所的认知科学家梅兰妮·米切尔提出了一个尖锐的观点：我们目前缺乏足够的方法来衡量机器认知。在她看来，AI是一种"外星智能"，它通过非人类的认知机制运作。这意味着，用衡量人类智能的方式去测试AI，可能从一开始就走错了方向。
从婴儿和动物身上找答案
米切尔在《The Joy of Why》播客中告诉主持人史蒂夫·斯特罗加茨，心理学家研究其他"外星智能"——比如婴儿和动物——的方法，或许可以被借鉴来探测AI。这些方法不依赖语言，不依赖自我报告，而是通过观察行为模式来推断认知过程。
这种思路的转变很关键。我们习惯了用人类的标尺去衡量一切智能体，但婴儿的认知发展路径和AI的运作方式截然不同。如果AI的"思考"方式本质上和人类不一样，那用人类的测试题去考它，得出的结论能有多少参考价值？
六条原则，重新审视机器认知
米切尔提出了六条评估机器认知的原则。这些原则的核心思路是：不要被表面的语言流畅度迷惑，要看系统在陌生情境下的适应能力，要看它能否真正理解因果关系，而不是仅仅匹配统计模式。
这让人想起一个著名的警示故事——20世纪初那匹会做数学的"聪明马"。它看起来能解答复杂的算术题，实际上却是在读取主人无意识的肢体暗示。米切尔用这个故事提醒我们：当我们评估智能时，很容易被表面现象欺骗，无论是马还是机器。
AI辅助数学突破：是工具还是伙伴？
对话还触及了一个令人兴奋的新领域：AI辅助数学研究。近年来，AI系统在数学猜想和证明方面展现出惊人的能力，有些成果甚至让人类数学家感到意外。但米切尔提醒，这并不意味着AI理解了数学——它可能只是在巨大的搜索空间中找到了人类难以企及的模式。
这引出了一个更深层的问题：如果AI能产出正确的数学结果，但"不理解"自己在做什么，这算不算真正的智能？或者说，我们对"理解"的定义本身，是不是也需要重新审视？
米切尔的观点提醒我们，AI的智能形态可能和人类完全不同。与其执着于"AI是否像人一样思考"，不如认真思考：这种"外星智能"的独特之处在哪里？它的边界在哪里？我们该如何与它共处？
毕竟，衡量智能的方式，决定了我们如何看待AI的能力和局限。如果标尺错了，结论自然也会偏。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
