AI的认知能力测试了：机器可以匹配人类智能吗？

AI通过人类认知测试的挑战

人工智能（AI）已取得了显着的进步，从自主驾驶到协助医疗诊断。然而，一个挥之不去的问题仍然存在： * AI可以通过对人类的认知测试？

以诸如chatgpt之类的AI模型为例。他们可以轻松解决文本和问题，但是当涉及到诸如蒙特利尔认知评估（MOCA）之类的认知测试时，旨在衡量人类智能时，它们就会步履蹒跚。 AI的技术能力与其认知缺陷之间的这种差异强调了其发展的重大障碍。

AI可能会擅长某些任务，但它努力模仿人类认知的全部认知，特别是在需要抽象的推理，情感理解和上下文意识的领域。

了解认知测试及其在AI评估中的作用

像MOCA这样的认知测试对于评估人类智力的各个方面，包括记忆，推理，解决问题和空间意识至关重要。它们经常在临床环境中用于诊断诸如阿尔茨海默氏症和痴呆症等疾病，从而在不同条件下提供了对大脑功能的见解。诸如单词回忆，时钟绘制和模式识别之类的任务量规范大脑可以浏览复杂场景的能力，这对日常生活必不可少。

但是，当将这些测试应用于AI时，结果明显不同。诸如Chatgpt或Google的双子座之类的AI模型可能会在模式识别和文本生成方面表现出色，但它们在认知的深层层面上挣扎。例如，尽管AI可以按照明确的说明完成任务，但它通常会在抽象推理，解释情绪或应用上下文（人类思维的组成部分）上失败。

因此，认知测试在评估AI方面起着双重目的。他们强调了AI在数据处理和解决结构化问题方面的优势，但它们也揭示了AI效仿人类全部认知功能的能力，尤其是那些涉及复杂决策，情商智力和上下文意识的能力。

随着AI越来越多地集成到医疗保健和自治系统等领域，其处理超出完成任务的任务的能力至关重要。认知测试为评估AI是否可以管理需要抽象的推理和情感理解的任务，是人类智能中心的素质。在医疗保健中，AI可以分析医疗数据并预测疾病，但不能提供情感支持或做出细微的决定，这些决定取决于了解患者的独特情况。同样，在自动驾驶汽车中，解释不可预测的场景通常需要类似人类的直觉，而当前的AI模型缺乏。

通过使用为人类设计的认知测试，研究人员可以查明AI需要增强并开发更复杂的系统的领域。这些评估还有助于对AI可以实现的目标和强调人类参与某些领域的必要性设定现实期望。

认知测试中的AI限制

AI模型在数据处理和模式识别方面取得了令人印象深刻的进步，但是在需要抽象推理，空间意识和情感理解的任务时，它们面临着重大局限性。一项使用蒙特利尔认知评估（MOCA）测试多个AI系统的研究揭示了AI在结构化任务方面的熟练程度与更复杂的认知功能的斗争之间存在明显的鸿沟。

在这项研究中，Chatgpt 4o在30分中得分26分，表明轻度认知障碍，而Google的双子座仅得分仅为30分，这反映了严重的认知障碍。 AI最重要的挑战之一是进行视觉空间任务，例如绘制时钟或复制几何形状。这些任务需要理解空间关系并组织视觉信息，是人类直观地表现的领域。尽管收到了明确的说明，但AI模型仍在努力准确地完成这些任务。

人类认知无缝地整合了感官输入，记忆和情感，从而实现了自适应的决策。人们在解决问题时依靠直觉，创造力和环境，尤其是在模棱两可的情况下。这种抽象思考并在决策中使用情商的能力是人类认知的关键特征，使个人能够应对复杂而动态的情景。

相反，AI通过通过算法和统计模式处理数据来运行。尽管它可以基于学习的模式产生响应，但它并不能真正理解数据背后的上下文或含义。缺乏理解使AI在执行需要抽象思维或情感理解的任务中具有挑战性，这对于认知测试至关重要。

有趣的是，在AI模型中观察到的认知局限性与像阿尔茨海默氏症这样的神经退行性疾病中的障碍相似。在这项研究中，当询问AI有关空间意识时，其反应过于简单和上下文依赖性，类似于认知能力下降的个体。这些发现强调，尽管AI擅长处理结构化数据并做出预测，但它缺乏更细微的决策所需的理解深度。在判断和推理至关重要的情况下，这种局限性在医疗保健和自治系统中尤其关注。

尽管有这些限制，但仍有改进的潜力。 AI模型的较新版本，例如ChatGpt 4O，在推理和决策任务方面显示了进度。但是，复制人类的认知将需要AI设计中的进步，可能是通过量子计算或更先进的神经网络。

人工智能与复杂的认知功能斗争

尽管有技术的进步，但AI与通过为人类设计的认知测试还有很长的路要走。尽管AI擅长解决结构化问题，但在更细微的认知功能方面，它却缺乏。

例如，AI模型经常在诸如绘制几何形状或解释空间数据之类的任务上挣扎。人类自然会理解和组织视觉信息，AI能力努力有效地匹配。这突出了一个基本问题：AI的数据处理能力并不等于人类思想所拥有的理解。

AI局限性的核心在于其基于算法的本质。 AI模型通过识别数据中的模式来运行，但它们缺乏人类用来做出决策的上下文意识和情商。尽管AI可能会根据其培训有效产生输出，但它不理解这些输出背后的含义，就像人类的方式一样。这种无法进行抽象思维，再加上缺乏同理心，可以阻止AI完成需要更深入认知功能的任务。

AI和人类认知之间的这种差距在医疗保健中显而易见。 AI可以协助完成诸如分析医学扫描或预测疾病之类的任务，但它不能在复杂的决策中取代人类的判断，涉及了解患者的独特情况。同样，在诸如自动驾驶汽车之类的系统中，AI可以处理大量数据以检测障碍，但是在意外情况下做出分裂的决策时，它不能复制人类的直觉。

尽管面临这些挑战，AI仍显示出改进的潜力。较新的AI模型开始处理涉及推理和基本决策的更高级任务。但是，即使这些模型推进，它们仍然与通过为人类设计的认知测试所需的广泛的人类认知能力保持不符。

底线

总之，AI在许多领域取得了令人印象深刻的进步，但是在通过为人类设计的认知测试之前，还有很长的路要走。尽管它可以处理数据处理和解决问题之类的任务，但AI在需要抽象思维，同理心和上下文理解的任务上挣扎。

尽管有所改善，AI仍在努力应对诸如空间意识和决策之类的任务。尽管AI对未来有希望，尤其是随着技术进步的希望，但它远非复制人类认知。