现实物理世界，AI智能难及幼童

眼下，人工智能虽然热度高涨，但在现实物理世界所展现的智能程度，其实连幼儿园孩童都赶不上。若你不信此言，不妨让那些号称技术领先的人，派出自家机器人与孩童一较高下，比试骑小单车的本领。春晚舞台上，机器人炫酷的功夫虽令人惊叹，但开发者深知，无法让机器人演示穿针引线这类精细活，相比卖油翁倒油、庖丁解牛的绝活，机器人展示的不过是微末技艺。对熟视无睹，对陌生惊奇，这是人性特质，并非AI的高明之处。

AI的起源可追溯至七十余年前，即上世纪中叶，源自纽维尔与西蒙等人研发的“逻辑理论家”及随后的“通用问题解决者”。可以说，持信息加工观点的认知心理学，是AI诞生的直接相关学科。彼时，心理学家欲探究人脑运作机理，计算机科学家则想模拟人脑以解决实际问题。因此，双方达成共识：人脑与电脑在机能上相近，皆为物理符号处理系统；物理符号涵盖数字、字母、词汇，乃至非数字、非语言的各种模式；符号的作用在于表征外部世界的具体事物及其特征，以及符号处理的具体操作；符号处理主要依据数理逻辑的运算规则。

半个多世纪以来，AI始终不温不火，如今却骤然火爆，甚至演变为大国竞争的前沿领域。从冷清到火热，这期间究竟发生了什么？深入分析便知，现今AI的底层逻辑仍停留在七十多年前的认知层面，是高端制造、检测、控制技术以及日益强大的算力，推动了“逻辑理论家”与“通用问题解决者”在当代的发展与壮大。

以大模型为首的AI浪潮，一波高过一波，汹涌而至。大模型本质上仍是物理符号处理系统，只是，当下大模型拥有超强算力，能处理海量信息，借此，可将人类积累的知识“压缩”进其“大脑”，并能整合既有知识以完成常规及特殊任务。理论上，大模型可囊括人类全部知识，其在知识运用上的强大能力，是个体人类无法企及的。大模型处理的是所有可用符号表征的知识，故而，所有依赖知识工作的人，未来都可能被大模型取代。某领域知识越成熟，大模型所需的“数据”越丰富越好，该领域工作便会被率先优化。对于那些不产生或无法产生数据的工作，大模型则无能为力，譬如穿针引线。

以具身智能为代表的AI是另一热门方向，其愿景是将大模型植入人造载体，使该载体直接或借助工具像人般与现实世界交互，并执行各类任务，现有的工业机械臂及新兴的自动驾驶汽车便是具身智能的典型。就机械臂与自动驾驶汽车而言，本质上，它们由物理符号处理系统辅以精准的检测与控制执行系统构成，其运作依赖于成熟的数据条件及精确的监控技术。此外，具身智能处理的信息或数据，基本类同于人类视觉获取的信息，除视觉外，人类还有听觉、触觉、平衡觉等获取信息的智能系统，而在这些感知觉系统方面，具身智能几乎处于空白。故而，具身智能存在先天短板，难以胜任穿针引线这类事务，自动驾驶技术也不敢在十八弯山路上炫耀。