【2025年9月15日 综合报道】
在近日举办的“All In峰会”上，谷歌DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）针对AI行业频发的“博士级智能”宣称提出质疑。他明确表示：“现有AI系统的综合能力与真正的博士级智能存在显著差距。”这一观点与OpenAI此前对GPT-5的“博士专家”定位形成鲜明对比，引发业界对AI技术发展现状的深度反思。
“偏科生”的局限：AI的领域特异性困境
哈萨比斯以GPT-5为例指出，尽管该模型在数学竞赛（如AIME美国数学邀请赛准确率达70%）和编程任务（代码生成通过率超90%）中表现优异，但其综合推理能力仍存硬伤。例如，在处理“雨天路滑需减速”等常识问题时，模型的反事实推理能力甚至不及中学生。这种“局部高光、全局跛脚”的特性，印证了弱AI（Narrow AI）依赖数据模式匹配而非因果推理的本质 。
权威研究进一步揭示了大模型的局限性：中科大认知智能实验室的CogMath评估体系显示，当前模型在复杂数学推理中的多维度得分仅为人类博士的62%；北京智源研究院黄铁军教授在2025年智源大会上强调，AGI需实现“脑、眼、身”协同，而非单一领域突破。此外，GPT-5在医疗诊断中的幻觉率仍达1.6%，跨法系法律条款解析错误率超过20% ，凸显其“统计复刻”而非“真实理解”的本质。
缺失的持续进化与自主目标能力
哈萨比斯特别指出，人类博士的核心竞争力在于动态学习与自主目标设定——从论文创新到项目管理，均依赖主动探索与策略调整。而现有AI系统仍完全依赖人类指令驱动，无法像人类一样因“好奇”拓展新领域，或因“解决问题”主动优化路径。
这一观点与学界对AGI的定义高度吻合：斯坦福《2025年AI指数报告》强调，真正的通用智能需具备“自主推理、常识理解、跨域迁移”三大能力。尽管AI在短时任务中效率超人类4倍，但其“被动响应”模式在开放场景中暴露短板——例如工业机器人仍依赖封闭编程，而具身智能（如智元GO-1模型）虽能完成基础操作，但其复杂决策能力仍落后人类博士30%以上。
行业分化：乐观派与审慎派的路线之争
哈萨比斯关于“5-10年实现博士级智能”的预判，折射出行业内的显著分歧：
- 乐观派（如OpenAI）以GPT-5的多模态融合（文本/图像/音频统一编码）和能效革命（SMoE架构能耗降60%）为据，认为AGI初级形态或在30年内实现；
- 审慎派则强调底层瓶颈：常识推理的“隐性知识”缺失、意识本质的哲学争议，以及类脑计算的技术空白。MIT未来生命研究所创始人Max Tegmark指出：“现有AI更像‘超级计算器’，而人类博士是‘问题定义者’，二者本质不同。”
值得关注的是，行业正出现务实转向：谷歌与苹果合作开发“伦理开关”硬件，百度“安全大脑”实时监测3000+风险点，中国企业通过屏幕语义理解技术（如实在Agent）实现无API跨系统操作，聚焦“可用”而非“全能”。
结语：在技术狂飙中锚定人文价值
当GPT-5能7分钟生成物理实验代码，当具身机器人将工厂工伤率降低70%，AI的局部突破毋庸置疑。但哈萨比斯的警示恰似一剂清醒剂：博士级智能的核心不在于“解题速度”，而在于“理解世界的温度”——从“地面湿滑”联想到“老人安全”，从“用户皱眉”感知“需求未被满足”。这些人类习以为常的“常识跳跃”，恰是AI最难跨越的鸿沟。
正如《布莱切利宣言》（2023年28国签署）所呼吁：“我们需要的不是‘更快的AI’，而是‘更懂人类的AI’。”在技术狂奔的时代，承认局限、聚焦人机协作，或许才是迈向通用智能的务实路径。
（本文综合自DeepMind峰会发言、斯坦福AI指数报告、中国新闻网行业报道等信源）
#AI真相# #AGI边界# #技术理性#
