这种“不理解”，导致AI在面对复杂、突发的情况时很容易“翻车”。比如你问AI“如果把大象放进冰箱需要几步”，它可能会按“把长颈鹿放进冰箱”的段子逻辑回答，但如果再追问“大象放进冰箱后，动物园里的其他动物会有什么反应”，它就可能胡编乱造，因为它没法像人类一样，结合“动物园的生态、动物的习性”这些常识去思考。
第二个瓶颈：通用人工智能（AGI）缺“核心能力”
咱们常说的“达到人类智力水平”，其实指的是“通用人工智能（AGI）”——就是AI能像人一样，在任何领域都能灵活应对，比如既能帮医生看病，又能跟孩子玩游戏，还能自己学开车、写小说。但现在的AI都是“专用AI”，只能在一个领域干活，换个领域就不行了。
比如能看CT片的AI，让它写个文案就一塌糊涂；能写代码的AI，让它教孩子弹钢琴也啥都不会。这是因为AI缺乏人类的“核心能力”：一是“迁移学习”能力，人类学会了骑自行车，再学骑电动车就很容易，因为能把“保持平衡”的能力迁移过去，但AI学会了看CT片，再学看X光片，还得重新训练，没法直接“迁移”能力；二是“常识推理”能力，人类知道“人不能在水里呼吸”“石头不会自己飞起来”，这些常识不用特意学，但AI没有这些常识，得把每一条常识都写成规则喂给它，可世界上的常识无穷无尽，根本喂不完。
举个例子，你跟AI说“我今天吃了一碗面，味道不错，就是有点咸”，人类能听出你是在分享生活，可能还会接一句“下次可以让老板少放盐”；但AI可能会回复“面条的主要成分是碳水化合物，过量摄入盐会增加高血压风险”，它没法理解你是在“分享感受”，而不是在“问营养知识”。这就是因为AI没有“社交常识”，不知道日常聊天的重点是“情感交流”，不是“传递信息”。
第三个瓶颈：数据和能源“不够用”，超规模扩展不现实
要让AI达到人类智力水平，得让它学的东西跟人类一样多。人类从出生开始，每天都会接触新的事物，比如看到新的风景、听到新的故事、经历新的事情，这些都是“学习数据”。而且人类的学习很高效，比如看一次“火会烫手”，就再也不会去摸；但AI得看几千次、几万次“火烫手”的视频，才能记住“火会伤人”。
如果要让AI学完人类所有的知识和经验，需要的数据量是天文数字。现在AI训练一次，已经要用到几十TB的数据（1TB等于1000GB），要是想达到人类的学习量，可能需要几百万TB的数据，而且很多数据是没法收集的，比如每个人的私人回忆、没记录下来的生活经验。
除了数据，能源也是个大问题。AI训练需要大量的算力，而算力靠电力支撑。现在训练一个大模型，一次就要消耗几万度电，相当于一个普通家庭十几年的用电量。要是想训练出能达到人类智力水平的AI，需要的能源可能会超出现在全球的电力供应能力。而且这种“高能耗”不环保，也不符合未来的发展趋势，所以单从能源角度看，短期内也没法实现。
四、总结：AI会越来越好用，但成不了“人”
最后咱们总结一下：未来的AI，肯定会在专业领域越来越“聪明”，能帮咱们干更多活、干更好的活。比如以后去医院，AI能更快更准地帮医生诊断疾病；以后上班，AI能自动处理报表、写初稿，让咱们有更多时间做更重要的事；以后生活里，AI能帮老人提醒吃药、帮孩子辅导作业，让生活更方便。
但咱们不用指望AI短期内能像人一样“思考”“感受”“创造”。它不会有喜怒哀乐，不会有自己的想法，更不会取代人类。它本质上还是一个超级好用的工具，就像以前的电脑、手机一样，能帮咱们提高效率、解决问题，但最终还是得靠人类来主导——比如用AI辅助研发新药，但判断新药是否安全，还得靠科学家；用AI写文案，但决定文案的核心创意，还得靠策划师。
所以咱们对AI的态度，应该是“期待但不盲从”：期待它能带来更多便利，也清楚它的局限，知道哪些事可以交给AI，哪些事还得靠自己。这样既能享受AI的好处，又不会被AI“带偏”，这才是跟AI相处的最好方式。
喜欢大白话聊透人工智能请大家收藏：(m.zuiaixs.net)大白话聊透人工智能醉爱小说网更新速度全网最快。