手机里的语音助手算不算有智能?工程界和哲学界对“强”与“弱”的定义并不一致。本文梳理弱人工智能与强人工智能的分界,介绍“做得像人”和“真的理解”两种标准,并说明今天所有AI产品究竟落在哪一边。

核心要点

  • 弱人工智能在单一任务上表现出色,换个领域就失灵
  • 强人工智能指具备通用理解与迁移能力的智能,尚未实现
  • 会下棋的程序不会帮你写请假条,正是专用智能的特征

一把只会开一把锁的钥匙

今天你接触到的所有人工智能产品,包括能写文章的大模型,都属于弱人工智能,也叫专用人工智能。意思是:它被设计来完成某一类任务,在这个任务上可以超过人类,但换个领域就一无所知。会下围棋的程序不会帮你写请假条,能识图的系统听不懂一句玩笑话。

这就像一把钥匙只开一把锁,或者一位只会做川菜的名厨,你让他做甜点他就露怯。人类智能的神奇之处在于迁移能力,学会骑自行车之后学电动车就快得多;而机器要把在任务A上学到的东西搬到任务B上,至今仍是公认的难题。

两种“强”的定义

“强人工智能”其实有两个常被混用的含义。工程派指的是通用人工智能,即能像人一样把能力迁移到任意新任务上的系统;哲学派还要更进一步,要求机器真的拥有理解和主观体验,而不只是表现得像有。后者的争论至今没有定论。

区分这两者很有用。一部翻译软件输出了流畅的译文,工程上它完成了任务,哲学上我们仍不知道它是否“理解”了原文含义。对使用者来说,关心的是输出对不对;对研究者来说,这个区别决定了下一步该往哪里走。

为什么弱智能已经很厉害

弱不等于没用。恰恰相反,把任务拆细、让专用系统做到极致,是过去几十年人工智能落地的主要方式。语音识别、垃圾邮件过滤、路径规划、工业缺陷检测,每一个都在自己的窄道上远超人力,合起来就悄悄改变了日常生活。

还有一个容易误解的地方:能力变强并不等于变成了强人工智能。一个模型能同时写诗、写代码、做算术,看起来很通用,但它仍是在海量文本上训练出来的语言模式机器,遇到训练分布之外的任务依然会犯很低级的错误。

常见问题

现在的大模型算不算强人工智能?

按工程和哲学两种标准,学界普遍认为还不算。大模型在多任务上表现惊艳,但可靠性、因果理解、持续学习与人类仍相距甚远,也没有证据表明它拥有主观体验。业界通常把它看作通向通用智能道路上的重要一步,而不是终点。

本文为 AI 科普内容,仅用于知识普及,不构成任何技术选型、投资或职业决策建议。