※ [本文转录自 Stock 看板 #1eJk0_y9 ] 作者: huabandd (我是阿肥巴你头) 看板: Stock 标题: [心得] 苹果揭露人工智能并不思考 时间: Sun Jun 15 23:01:12 2025 https://is.gd/U7lWC8 看到一个影片，非新闻报导，仅创作者想法 讨论苹果揭露关於人工智能当中的最大谎言 之前也看过一个影片指出 AI无法产出指针在10:10以外的手表 （网路手表图片通常指针停留在10:10） 自己尝试过几次确实是这样 因为AI的训练是基於现有大量资料 去产生一个与大量资料相似的产物给你 无法产生未曾有过资料的产物 （以上为个人猜测，若错误请指正） 虽然现在已有研究尝试将AI接入人类神经元 未来思考的方式有可能因此改变 不再只是记忆，而是真正的推理 （但是这好像也是一件满恐怖的事情？） 如果说给AI一个围棋组，但不教他玩法 也不让他参考棋类玩法，让他自行摸索 就像婴儿拿到玩具後自己乱玩那样 AI能够自行生成玩法是不是就算是成功？ 中文翻译 苹果刚刚揭露了人工智慧中最大的谎言，即「思考」的假象，证明了像 Claude、Deepseek- R1 和 OpenAI 的 o3-mini 等推理模型实际上并不会思考。苹果没有重复使用旧有的数学问 题，而是创造了这些模型从未见过全新谜题。结果令人震惊。 对於简单问题，标准 AI 模型表现优於昂贵的推理模型，同时消耗更少的资源。对於中等复 杂度问题，推理模型显示出一些优势，但对於模拟现实世界情境的高复杂度问题，两种类型 的模型都崩溃到 0% 的准确度。 这是确凿的证据：苹果给予 AI 模型逐步的演算法，就像给某人食谱一样，但它们仍在相同 的门槛下失败了。这证明它们无法遵循逻辑指令。该研究没有发现任何形式推理的证据，得 出结论认为其行为最好用复杂的模式匹配来解释。 简单地更改名称和问题会显着降低性能。苹果测试了河内塔（Tower of Hanoi）谜题，模型 在超过 100 步的移动中成功了，但在新颖的渡河谜题中仅仅 4 步後就失败了。它们是记忆 模式，而不是进行逻辑推理。 随着问题变得越来越难，「思考」模型使用的 token 越来越少，放弃得更快，而不是更深 入地思考。即使无限的计算资源也无济於事。这揭示了数十亿美元的 AI 投资是建立在错误 前提上的。 公司将复杂的模式匹配宣传为真正的推理，误导消费者对 AI 能力的认知。我们离通用人工 智慧（AGI）的距离并没有大家想像的那麽近；我们正在处理的是非常复杂的自动完成系统 。当先进的 AI 推理模型连遵循简单指令都失败时，我们是否正生活在一个建立在幻想之上 的 AI 炒作泡沫中？ 英文原文 Apple just exposed the biggest lie in AI with the illusion of "thinking," provin g that reasoning models like Claude, Deepseek-R1, and OpenAI's o3-mini don't act ually think. Instead of recycling math problems, Apple created brand new puzzles these models had never seen. The results were shocking. For simple problems, standard AI models outperformed expensive reasoning models while using fewer resources. For medium complexity, reasoning models showed some advantage, but for high complexity problems that mirror real-world scenarios, b oth types collapsed to 0% accuracy. Here's the damning evidence: Apple gave AI models step-by-step algorithms, like giving someone a recipe, and they still failed at the same thresholds. This prov es they can't follow logical instructions. The study found no evidence of formal reasoning, concluding behavior is better explained by sophisticated pattern mat ching. Simply changing names and problems degraded performance dramatically. Apple test ed Tower of Hanoi puzzles, where models succeeded with 100-plus moves but failed at novel river crossing puzzles after just 4 moves. They memorized patterns rat her than reasoned logically. As problems got harder, "thinking" models used fewer tokens and gave up faster i nstead of thinking deeper. Even unlimited computational resources couldn't help. This exposes that billions in AI investment are based on false premises. Companies market sophisticated pattern matching as genuine reasoning, misleading consumers about AI capabilities. We are not as close to AGI as everyone thinks; we're dealing with very sophisticated autocomplete systems. When advanced AI re asoning models fail at following simple instructions, are we living in an AI hyp e bubble built on illusions? --

※ 发信站: 批踢踢实业坊(ptt.cc) ※ 转录者: Kai877 (27.240.233.101 台湾), 06/16/2025 12:48:36 ※ 编辑: Kai877 (27.240.233.101 台湾), 06/16/2025 12:49:23