研究发现，生成式人工智能更擅长于存储和重现信息，而非进行复杂的推理。它像是一位记忆冠军，能精准复现已学习的内容，但在推理能力方面可能稍显不足。

编辑日期：2024年07月17日

研究发现生成式人工智能更擅长于存储和重现

最近，麻省理工学院计算机科学和人工智能实验室的研究揭示了一个现象：大型语言模型（LLM）似乎在处理问题时更多地依赖于存储的信息而非实质的推理能力。它们在执行常规任务时表现出色，但遇到新颖的问题时，其能力就显得有限。

研究人员的观察结果来自于比较人工智能在各种任务中的效能差异。例如，GPT-4 在执行十进制算术时表现出色，但面对其他数制时显得力不从心，同样的情况也发生在象棋游戏和空间推理等复杂领域。据此，他们提出一个观点，认为AI更像是具有惊人记忆力的“模仿者”，而非真正拥有推理能力的“深思者”。

研究表明，AI 在专业领域内的表现能媲美甚至超越人类，但这主要归功于其强大的“记忆”能力。然而，当面临未曾经历的新颖挑战，需要运用到实质性推理的时候，AI 的优越性就显得不那么突出。

这一进展为人工智能的未来带来了全新的探索难题。尽管AI在执行大量重复性任务上已显示出超越人类的效能，但在创新思维和处理复杂问题的领域，其潜力还有待大幅度挖掘。比如，有些传媒机构试图利用AI来替代新闻记者，但实验结果显示，AI撰写的新闻稿件错误频繁，反而加重了编辑的校对负担。

尽管AI工具在游戏开发中提供了一定的支持，但创造性的核心和构建独特游戏体验的任务依然牢牢扎根于人类的智慧与创新之中。

🔥AI副业赚钱星球