在OpenAI与微软曝光的奥秘和谈里，这把尺子是财政报表——开发出能产生至少1000亿美元利润的AI系统就算AGI。而在黄仁勋嘴里，这把尺子是功夫——五年内必现；马斯克更是屡次放出“明年达成”的预言。 行业大佬们各说各话，本原不在于谁在说谎，而在于AGI这个概想自身，底子就没有一把公认的尺子。正如AGI钻研领域中一位有独立思虑的钻研者Bennett在论文中所说，AGI已被炒作和猜测还原成了“罗夏墨迹测试”——每幼我看到的只是自己内心的设想，而非客观事实；而圣塔菲钻研所科学家Melanie Mitchell也以为，这场争吵只能通过持久的科学钻研来厘清。（附论文地址：https://arxiv.org/pdf/2503.23923） 他指出，前人的界说绕来绕去，依然在跟“受过教育的成年人”较劲。Bennett选取了学者Pei Wang对智能的界说——将智能视为有限资源下的适应能力——从底子上跳出了“像人”的框架，并将AGI界说为一种“人为科学家”。 他提出，真正的AGI该当是一个能在推算、影象和能量等现实约束下，像人类科学家一样宽泛、高效且科学地适应新环境和工作的系统。 为什么急需一把新尺子？由于旧尺子——图灵测试和人类基准测试——已经被大模型刷爆了，但我们却离真正的通用智能越来越远。 2025年，若是你问一个顶尖大模型“9.11和9.9哪个大”，它依然可能信誓旦旦地通知你9.11大，由于11大于9。在解决复杂的数学不等式证明时，大模型即便蒙对了答案，推理过程也往往是逻辑崩溃的。 Bennett言简意赅地指出了病因：当前的大模型走的是“规模最大化的近似”路线——用海量数据和算力，把各类工作的近似答案提前存在网络权沉里。一旦遇到没见过的散布表问题，就立刻露馅。 更致命的是，大模型没佑装自动能力”。它无法自动做尝试验证猜测，无法自主构建因果链条，更无法在“持续索求”与“利用已知”之间做衡量。 回到9.11和9.9的比力——大模型不是不会算术，而是它底子没有成立关于数字比力的因果模型。它只是在用概率去猜那个它见过的、最靠近的文本片段。 今天的AI是彻头彻尾的被动进建者，只能“看”人类喂给它的数据。但科学家不是，若是一个科学家被锁在一个陌生房间里，他绝不会站在原地等信息，而是会去排闼、拉把手、查抄窗户——这就是“自动尝试”。真正的AGI，必须能自主规划尝试，通过自动交互获取关键信息。 这是当前AI最大的短板。大模型是极端的“有关性进建器”，它知路“下雨”常伴随“地湿”，但不知路是谁导致了谁。只有理解了因果，才懂得在晴空万里但地面湿润时，揣度出是洒水车经过而非即将下雨。没有因果理解，AI始终只能在训练数据的散布内打转，这与“通用”绝不有关。 若是只索求不利用，把握再多知识也解决不了面前问题；若是只利用不索求，环境一变就束手无策。AGI必须在资源受限下动态平衡这对矛盾——知路自己不知路什么，并据此分配算力。 此表，Bennett还参与了一个极具现实感的维度：能量限度。把“能量”写进界说，意味着他划清了一条底线：真正的智能不是占有无限资源，而是在有限资源下优雅地适应。必要亏损一座核电站能力解决新问题的AI，只是昂贵的推算器，不是AGI。 Simp-maxing（单一性最大化）：钻营模型结构的极致简洁，崇奉奥卡姆剃刀。但单一性是大局的属性而非职能的属性——分歧图灵机下的“最简”可能齐全分歧，使其难以脱节主观性陷阱。 W-maxing（约束弱化最大化）：尽可能弱化职能约束，让系统自行寻找最优解。尝试批注，仅W-maxing就能在特定工作上实现110%-500%的泛化率提升，但它必要搜索无限的硬件状态空间，优化难度极高。 评价尺度将彻底扭转。我们不再必要看大模型在人类考试排行榜上又超了几多分，而是成立一套“适应性基准”：把AI抛进一个从未见过的物理环境，看它能否在有限交互内发现法规；给它一个新游戏，看它能否比人类更快理解规定；甚至让它去解决真实的科学问题，看它能否自主提出假说并设计尝试验证。主题不再是“你知路几多”，而是“你能发现几多”。 技术路线也将随之转向。单纯的Scaling Law很快会触顶，由于被动接管的数据喂不出因果性。搜索与近似、规模最大化与约束弱化——AGI的达成必然是多种工具和元步骤的融合，而非单一路线的延长。 Bennett的论文之所以沉要，不是由于他给出了AGI的终极答案，而是他把这面名为“智能”的吞吐镜子擦干净了一角。他让我们看到，AGI的实现不是大模型的线性迭代，而是一次路线沉置。 AGI到底该是什么样？答案不在那些越来越像人的对话，而在那些可能自动追问“为什么”、并亲手去验证答案的能力中。当AI真正走出“罗夏墨迹测试”的迷雾，它将不再只是仿照人类的样子，而是占有科学家的心灵。(本文首发钛媒体APP，作者 | 硅谷tech news，编纂 | 赵虹宇)