AI的認知能力測試了：機器可以匹配人類智能嗎？

AI通過人類認知測試的挑戰

人工智能（AI）已取得了顯著的進步，從自主駕駛到協助醫療診斷。然而，一個揮之不去的問題仍然存在： * AI可以通過對人類的認知測試？

以諸如chatgpt之類的AI模型為例。他們可以輕鬆解決文本和問題，但是當涉及到諸如蒙特利爾認知評估（MOCA）之類的認知測試時，旨在衡量人類智能時，它們就會步履蹣跚。 AI的技術能力與其認知缺陷之間的這種差異強調了其發展的重大障礙。

AI可能會擅長某些任務，但它努力模仿人類認知的全部認知，特別是在需要抽象的推理，情感理解和上下文意識的領域。

了解認知測試及其在AI評估中的作用

像MOCA這樣的認知測試對於評估人類智力的各個方面，包括記憶，推理，解決問題和空間意識至關重要。它們經常在臨床環境中用於診斷諸如阿爾茨海默氏症和癡呆症等疾病，從而在不同條件下提供了對大腦功能的見解。諸如單詞回憶，時鐘繪製和模式識別之類的任務量規範大腦可以瀏覽複雜場景的能力，這對日常生活必不可少。

但是，當將這些測試應用於AI時，結果明顯不同。諸如Chatgpt或Google的雙子座之類的AI模型可能會在模式識別和文本生成方面表現出色，但它們在認知的深層層面上掙扎。例如，儘管AI可以按照明確的說明完成任務，但它通常會在抽象推理，解釋情緒或應用上下文（人類思維的組成部分）上失敗。

因此，認知測試在評估AI方面起著雙重目的。他們強調了AI在數據處理和解決結構化問題方面的優勢，但它們也揭示了AI效仿人類全部認知功能的能力，尤其是那些涉及復雜決策，情商智力和上下文意識的能力。

隨著AI越來越多地集成到醫療保健和自治系統等領域，其處理超出完成任務的任務的能力至關重要。認知測試為評估AI是否可以管理需要抽象的推理和情感理解的任務，是人類智能中心的素質。在醫療保健中，AI可以分析醫療數據並預測疾病，但不能提供情感支持或做出細微的決定，這些決定取決於了解患者的獨特情況。同樣，在自動駕駛汽車中，解釋不可預測的場景通常需要類似人類的直覺，而當前的AI模型缺乏。

通過使用為人類設計的認知測試，研究人員可以查明AI需要增強並開發更複雜的系統的領域。這些評估還有助於對AI可以實現的目標和強調人類參與某些領域的必要性設定現實期望。

認知測試中的AI限制

AI模型在數據處理和模式識別方面取得了令人印象深刻的進步，但是在需要抽象推理，空間意識和情感理解的任務時，它們面臨著重大局限性。一項使用蒙特利爾認知評估（MOCA）測試多個AI系統的研究揭示了AI在結構化任務方面的熟練程度與更複雜的認知功能的鬥爭之間存在明顯的鴻溝。

在這項研究中，Chatgpt 4o在30分中得分26分，表明輕度認知障礙，而Google的雙子座僅得分僅為30分，這反映了嚴重的認知障礙。 AI最重要的挑戰之一是進行視覺空間任務，例如繪製時鐘或複制幾何形狀。這些任務需要理解空間關係並組織視覺信息，是人類直觀地表現的領域。儘管收到了明確的說明，但AI模型仍在努力準確地完成這些任務。

人類認知無縫地整合了感官輸入，記憶和情感，從而實現了自適應的決策。人們在解決問題時依靠直覺，創造力和環境，尤其是在模棱兩可的情況下。這種抽象思考並在決策中使用情商的能力是人類認知的關鍵特徵，使個人能夠應對複雜而動態的情景。

相反，AI通過通過算法和統計模式處理數據來運行。儘管它可以基於學習的模式產生響應，但它並不能真正理解數據背後的上下文或含義。缺乏理解使AI在執行需要抽象思維或情感理解的任務中具有挑戰性，這對於認知測試至關重要。

有趣的是，在AI模型中觀察到的認知局限性與像阿爾茨海默氏症這樣的神經退行性疾病中的障礙相似。在這項研究中，當詢問AI有關空間意識時，其反應過於簡單和上下文依賴性，類似於認知能力下降的個體。這些發現強調，儘管AI擅長處理結構化數據並做出預測，但它缺乏更細微的決策所需的理解深度。在判斷和推理至關重要的情況下，這種局限性在醫療保健和自治系統中尤其關注。

儘管有這些限制，但仍有改進的潛力。 AI模型的較新版本，例如ChatGpt 4O，在推理和決策任務方面顯示了進度。但是，複製人類的認知將需要AI設計中的進步，可能是通過量子計算或更先進的神經網絡。

人工智能與復雜的認知功能鬥爭

儘管有技術的進步，但AI與通過為人類設計的認知測試還有很長的路要走。儘管AI擅長解決結構化問題，但在更細微的認知功能方面，它卻缺乏。

例如，AI模型經常在諸如繪製幾何形狀或解釋空間數據之類的任務上掙扎。人類自然會理解和組織視覺信息，AI能力努力有效地匹配。這突出了一個基本問題：AI的數據處理能力並不等於人類思想所擁有的理解。

AI局限性的核心在於其基於算法的本質。 AI模型通過識別數據中的模式來運行，但它們缺乏人類用來做出決策的上下文意識和情商。儘管AI可能會根據其培訓有效產生輸出，但它不理解這些輸出背後的含義，就像人類的方式一樣。這種無法進行抽象思維，再加上缺乏同理心，可以阻止AI完成需要更深入認知功能的任務。

AI和人類認知之間的這種差距在醫療保健中顯而易見。 AI可以協助完成諸如分析醫學掃描或預測疾病之類的任務，但它不能在復雜的決策中取代人類的判斷，涉及了解患者的獨特情況。同樣，在諸如自動駕駛汽車之類的系統中，AI可以處理大量數據以檢測障礙，但是在意外情況下做出分裂的決策時，它不能複制人類的直覺。

儘管面臨這些挑戰，AI仍顯示出改進的潛力。較新的AI模型開始處理涉及推理和基本決策的更高級任務。但是，即使這些模型推進，它們仍然與通過為人類設計的認知測試所需的廣泛的人類認知能力保持不符。

底線

總之，AI在許多領域取得了令人印象深刻的進步，但是在通過為人類設計的認知測試之前，還有很長的路要走。儘管它可以處理數據處理和解決問題之類的任務，但AI在需要抽象思維，同理心和上下文理解的任務上掙扎。

儘管有所改善，AI仍在努力應對諸如空間意識和決策之類的任務。儘管AI對未來有希望，尤其是隨著技術進步的希望，但它遠非複制人類認知。