正文
他们认为，假如未来哪一天AI模型通过了这个测试集，就表明它以及达到了AGI
（通用人工智能）
的水平，所以起了这么个听起来很咋呼的名字。我们
同样来稍微感受下题目的难度：
问题1.
上图是一段最早发现于墓碑上的罗马铭文的拓片，请翻译成帕尔米尔文。所提供的文字音译为：RGYNᵓ BT ḤRY BR ᶜTᵓ ḤBL。
©️
Henry T，Merton College, Oxford
鹱形目下的蜂鸟有着一块两侧对称、独特的椭圆形骨头，是一块嵌入在尾部下压肌扩展的十字状腱膜的尾外侧部分的籽骨。请问这个籽骨支撑着多少条配对的腱？
©️
Edward V，Massachusetts Institute of Technology
即便是作为一个通过了无数次人机验证的真实人类，我依旧感受到了连题目都读不懂的学识碾压。而在目前受试的各位AI考生中，
GPT-4o以3.1%的准确率垫底，DeepSeek-R1的准确率是8.6%，而GPT-o3-mini (high)则以14%的准确率名列榜首。
不过该团队认为，鉴于当下AI的快速发展，它们很可能在2025年底前超过50%的准确率。只是不知道到那一刻，人类又会如何出题。
***
我们似乎正以各种方式摸底AI，一方面是小学难度的数学题，另一方面则是最前沿的学术知识，这可能是只属于这个时代的割裂感。
而之所以会出现如此局面，则是因为
AI的答案基于机械匹配而非推理思考
。目前为止所有的大语言模型，其核心原理都是基于统计概率上的模式匹配。简单来说，它们通过学习大量的文本数据，根据不同单词、短语或是句子共同出现的概率来预测下一个“最应该出现”的词汇，从而组织成回答。
用最简单的数学题“1+1=？”来打比方。
AI并不是通过逻辑推理得出的结论“2”，而是它记录了所有“1+1=？”这道题的答案，发现绝大多数都是“2”，所以会告诉你“1+1=2”。
这跟人类的逻辑推理完全不一样……吗？
还记得你是怎么知道1+1=2的吗？
在你上幼儿园之前，总有个人一手抱着你，一手指着窗外的麻雀
（或者桌上的苹果）
让你数数，告诉你那叫作“1”，两个“1”在一起叫作“2”……
而如果连“1”都没有，则是孤零零的“0”。
© Open Horizons
但实际上，学术上证明“1+1=2”则要复杂许多，阿尔弗雷德·诺思·怀特海（Alfred North Whitehead）和伯特兰·罗素（Bertrand Russell）两位数学巨擘在100多年前基于皮亚诺公理和类型论，使用一阶逻辑，通过300多页的逻辑推导才证明了“1+1=2”。这个著名过程叫做 “怀特海-拉塞尔证明”
（以上是AI告诉我的）
。
© The Universe of Discourse
换句话说，某种意义上，
我们之所以知道“1+1=2”，最初也是基于小时候的一次次“机械匹配”，即重复的记忆
，毕竟还没有听说过哪个学龄前儿童能独立完成怀特海-拉塞尔证明。
既然我们认为AI的答案是机械匹配的结果，那又为什么对我们自己的意识真实性充满自信？
机械匹配和逻辑推理虽然是两码事，但如果我们只将后者视作真正的思考过程，而将前者视作电信号的物理学必然，则多少有点又当裁判又当运动员的意味了。
毕竟在这种语境下，何谓“思考”，我们独占了定义权。
© IconScout
关于意识的讨论也是类似的情况。我们至今连“什么是意识”都尚未达成共识，哲学、心理学、神经科学各有论调，因此当下关于“AI是否会具备意识“的讨论仍像是在暗夜行走，虽有些许亮光，却依旧举步维艰。
不过，在这些亮光中，DeepSeek
（下文缩写为DS）
