這不僅僅是一個(gè)學(xué)術(shù)哲學(xué)問題。在某個(gè)時(shí)候，我們應(yīng)該準(zhǔn)備同意是否已經(jīng)達(dá)到了ASI和ASI的出現(xiàn)。這樣做的可能方法是提出AI問題，然后衡量AI生成的答案所表達(dá)的知識分子敏銳度。

那么，我們需要問多少個(gè)問題？

讓我們談?wù)劇?/p>

對創(chuàng)新AI突破的分析是我正在進(jìn)行的AI中正在進(jìn)行的福布斯列覆蓋的一部分，包括識別和解釋各種有影響力的AI復(fù)雜性（請參閱此處的鏈接）。

前往Agi和ASI

首先，需要一些基本原理才能為這個(gè)重大的討論奠定基礎(chǔ)。

正在進(jìn)行大量研究以進(jìn)一步提高AI。一般目標(biāo)是達(dá)到人工通用智能（AGI），甚至達(dá)到實(shí)現(xiàn)人工超智慧（ASI）的伸出的可能性。

Agi是AI，它與人類的智力相提并論，并且似乎可以符合我們的智慧。 ASI是AI，它超越了人類的智力，并且在許多甚至不是所有可行的方式上都將是優(yōu)越的。這個(gè)想法是，ASI能夠在各個(gè)轉(zhuǎn)彎處超越我們來圍繞人圈。有關(guān)傳統(tǒng)AI與AGI和ASI的性質(zhì)的更多詳細(xì)信息，請參閱此處的鏈接分析。

我們尚未獲得Agi。

實(shí)際上，尚不清楚我們是否將達(dá)到AGI，或者AGI從現(xiàn)在起幾十年甚至幾個(gè)世紀(jì)都可以實(shí)現(xiàn)。漂浮在周圍的agi達(dá)到的日期是由于任何可靠的證據(jù)或鐵克拉德邏輯而迅速變化的，并且沒有證實(shí)。當(dāng)涉及到我們目前使用常規(guī)AI的位置時(shí)，ASI更加蒼白。

關(guān)于峰頂AI的測試

人類面臨的一部分困難是，我們沒有確定我們是否已達(dá)到AGI和ASI的確定測試。

有些人宣稱，當(dāng)我們看到它時(shí)，我們只會知道它。換句話說，這是那些模糊的方面之一，并且掩蓋了任何類型的系統(tǒng)評估。在我們看來，總體的感覺或直覺，將使我們決定實(shí)現(xiàn)了Pinnacle AI。

時(shí)期，故事結(jié)束。

但這并不是故事的終結(jié)，因?yàn)槲覀儜?yīng)該有一種更加注意的方式來確定是否獲得了Pinnacle AI。如果唯一的手段由格式塔般的情感反應(yīng)組成，那么將會產(chǎn)生很多混亂。您將有很多人宣布存在Pinnacle AI，而許多其他人會堅(jiān)持認(rèn)為該聲明完全為時(shí)過早。極大的分歧將發(fā)生。

請參閱我對已經(jīng)錯(cuò)誤地認(rèn)為他們已經(jīng)目睹了Pinnacle AI（例如Agi和Asi）的人的分析，如此處的鏈接所述。

迫切需要某種形式的善意評估或正式化事項(xiàng)的測試。

我已經(jīng)廣泛討論并分析了一項(xiàng)稱為圖靈測試的著名的Ai-Indider測試，請參見此處的鏈接。圖靈測試以著名的數(shù)學(xué)家和早期計(jì)算機(jī)科學(xué)家艾倫·圖靈（Alan Turing）的名字命名。簡而言之，這個(gè)想法是提出AI的問題，如果您無法將回答與人類會說的話區(qū)分開，您可能會宣布，AI對人類表現(xiàn)出智慧。

圖靈測試錯(cuò)誤地惡毒

如果您問AI Techie，他們對Turing測試的看法要謹(jǐn)慎。您會得到一個(gè)耳邊。這不會令人愉快。

有些人認(rèn)為圖靈測試是浪費(fèi)時(shí)間。他們會爭辯說，它不能正常工作并且已經(jīng)過時(shí)了。據(jù)說我們已經(jīng)超越了它的實(shí)用性。您會發(fā)現(xiàn)，這是艾倫·圖靈（Alan Turing）于1949年設(shè)計(jì)的測試。那是75年前。很久以前，顯然什么都不能適用于我們的現(xiàn)代AI時(shí)代。

其他人會傲慢地告訴您，圖靈測試已經(jīng)成功通過。換句話說，據(jù)稱，現(xiàn)有的AI通過了圖靈測試。許多橫幅頭條是這樣說的。因此，圖靈測試并不多于實(shí)用性，因?yàn)槲覀冎牢覀冞€沒有Pinnacle AI，但是圖靈測試似乎說我們這樣做了。

我一再試圖就此事進(jìn)行直截了當(dāng)?shù)挠涗?。真正的故事是，圖靈測試已被不當(dāng)應(yīng)用。那些聲稱圖靈測試已經(jīng)通過的人正在使用著名的測試方法快速而松散。

炫耀圖靈測試

圖靈測試中漏洞的一部分是問題和問題類型的數(shù)量未指定。這取決于選擇依靠圖靈測試來決定這些關(guān)鍵方面的人或團(tuán)隊(duì)。這會導(dǎo)致不幸的麻煩和有問題的結(jié)果。

假設(shè)我決定在Chatgpt上進(jìn)行圖靈測試，這是4億人每周使用的非常受歡迎的生成AI和大型語言模型（LLM）。我將尋求提出可以問Chatgpt的問題。我還將問我最親密的朋友的同樣問題，以查看他們給出的答案。

如果我無法將答案與我的朋友與Chatgpt區(qū)分開，我將簡單而大聲地宣布Chatgpt通過了Turing測試。這個(gè)想法是，生成的AI成功地模仿了人類的智力，以至于人類提供的答案和AI-提供的答案本質(zhì)上是相同的。

在提出了五十個(gè)問題之后，有些很容易，有些很難，我繼續(xù)進(jìn)行圖靈測試。 Chatgpt回答了每個(gè)問題，我的朋友也是如此。 AI的答案和我朋友的答案幾乎是無法區(qū)分的。

瞧，我可以開始告訴世界Chatgpt通過了圖靈測試。我只花了大約一個(gè)小時(shí)才能解決這個(gè)問題。我花了一半的時(shí)間提出問題，一半的時(shí)間得到了各自的答案。

輕松。

問題數(shù)量

這是您思考的想法。

您是否認(rèn)為提出五十個(gè)問題足以確定智力敏銳度是否存在？

這似乎不夠。如果我們將AGI定義為AI的一種形式，它將與人類智力的整個(gè)范圍和深度相提并論，尤其是這樣。事實(shí)證明，我對圖靈測試提出的問題并不包括有關(guān)化學(xué)，生物學(xué)以及許多其他學(xué)科或領(lǐng)域的任何內(nèi)容。

為什么我不包括那些領(lǐng)域？

好吧，我選擇了五十個(gè)問題。

在僅五十個(gè)問題中，您不能在所有人類知識中要求任何深度和廣度。當(dāng)然，您可以作弊并提出一個(gè)懇請?jiān)撊嘶駻I的問題，以使他們所知道的一切搖搖欲墜。在這種情況下，大概在某個(gè)時(shí)候，“答案”將包括化學(xué)，生物學(xué)等。這不是一個(gè)可行的方法，正如我在此處的鏈接上討論的那樣，讓我們拋開廣泛的中風(fēng)問題并旨在提出特定問題，而不是smarmy，而不是所有問題。

有多少個(gè)問題就足夠了

我相信您愿意承認(rèn)，在執(zhí)行試圖確定智力能力的測試時(shí)，問題的數(shù)量很重要。讓我們嘗試提出一個(gè)有意義的數(shù)字。

我們可以從數(shù)字零開始。有些人認(rèn)為我們不必問一個(gè)問題。 AI有責(zé)任說服我們已經(jīng)達(dá)到了AGI或ASI。因此，我們只能坐下來看看AI對我們說的話。我們要么最終被平穩(wěn)的談話說服，要么我們不是。

零方法的一個(gè)大問題是，人工智能可以無休止地吹牛，并且可能只是在做所有已構(gòu)圖的一切。提出問題的美之處在于，您有機(jī)會跳來跳去并可能找到空白。如果AI只在吐出一切，那么羊毛很容易被拉到您的眼睛上。

我建議我們同意使用非零計(jì)數(shù)。我們應(yīng)該至少問一個(gè)問題。被束縛在一個(gè)問題上的困難是，我們又回到了缺少船只，只擊中一個(gè)特定的掘金的難題，或者我們將以過于廣泛的方式要求整個(gè)廚房水槽。這些都不令人滿意。

好的，我們必須至少提出兩個(gè)或更多問題。我敢說兩個(gè)看起來不夠高。十個(gè)似乎有足夠的問題嗎？可能不是。那一百個(gè)問題呢？似乎還不夠。一千個(gè)問題？一萬個(gè)問題？十萬個(gè)問題？

很難判斷正確的數(shù)字在哪里。也許我們可以在這個(gè)主題上進(jìn)行面條，并找出一個(gè)合理意義的球場估計(jì)。

讓我們這樣做。

最新AI測試

您可能會知道，每次AI最高的AI制造商之一都出現(xiàn)新版本的生成AI時(shí)，他們都會進(jìn)行一系列各種AI評估測試，以嘗試與其他競爭的LLM相比，嘗試展示其AI的好數(shù)。

例如，最近發(fā)布了Elon Musk的Xai的Grok 4，而Xai和其他人使用了許多專業(yè)測試，這些測試變得相對流行，以了解Grok 4的比較。測試包括（a）人類的最后考試或HLE，（b）ARC-AGI-2，（c）GPQA，（d）usamo 2025，（e）Aime 2025，（f）livecodebench，（g）SWE-BENCHEN，（G）SWE-BENCANCE和其他此類測試。

其中一些測試與AI能夠生成程序代碼有關(guān)（例如LiveCodeBench，SWE-Bench）。一些測試是關(guān)于能夠解決數(shù)學(xué)問題（例如，USAMO，AIME）。 GPQA測試是針對科學(xué)的。

您知道GPQA測試集中有多少個(gè)問題嗎？

總共有546個(gè)問題，其中包括448個(gè)主要問題，在較硬的鉆石集中還有另外198個(gè)問題。

If you are interested in the nature of the questions in GPQA, visit the GPQA GitHub site, plus you might find of interest the initial paper entitled “GPQA: A Graduate-Level Google-Proof Q&A Benchmark” by David Rein et al, arXiv , November 20, 2023. Per that paper: “We present GPQA, a challenging dataset of 448 multiple choice questions written by domain experts in biology, physics, and化學(xué)。我們確保問題是高質(zhì)量且極其困難的：在相應(yīng)的領(lǐng)域中攻讀博士學(xué)位的專家達(dá)到了65％的精度（在回顧中確定的明確錯(cuò)誤時(shí)，有74％的人在回顧中確定的專家，而在30分鐘的時(shí)間內(nèi)，高度熟練的非Expert驗(yàn)證者只能達(dá)到34％

請注意，您可能會聽到一些眉毛刺激的說法，即由于GPQA測試中的特定分?jǐn)?shù)，生成的AI比所有領(lǐng)域的博士學(xué)位級別的研究生更好。這是一個(gè)令人嘆為觀止的聲明，誤導(dǎo)地描繪了通常正在進(jìn)行的實(shí)際測試。

簡而言之，任何這樣的宣言都應(yīng)用巨大的鹽顆粒進(jìn)行。

擊球問題計(jì)數(shù)

假設(shè)我們提出了自己的方便測試，該測試有博士學(xué)位的問題。該測試總共有600個(gè)問題。我們將解決與6個(gè)領(lǐng)域有關(guān)的600個(gè)問題，即使如此，我們將繼續(xù)使用（1）物理學(xué)的六個(gè)領(lǐng)域，（2）化學(xué)，（3）生物學(xué)，（4）地質(zhì)，（5）天文學(xué)和（6）海洋學(xué)。這意味著我們將在每個(gè)學(xué)科中有100個(gè)問題。例如，關(guān)于物理學(xué)將有100個(gè)問題。

您是否可以通過向人類提出有關(guān)物理學(xué)的100個(gè)問題的一組來確定我們能夠確定其全部知識和物理知識能力的深度？

我懷疑。您當(dāng)然可以評估他們物理理解的表象?？赡艿氖牵挥?00個(gè)問題，您只是在抽樣他們的知識。這是足夠大的抽樣，還是我們應(yīng)該問更多問題？

另一個(gè)考慮因素是，我們只問有關(guān)6個(gè)領(lǐng)域的問題。所有其他領(lǐng)域呢？我們還沒有包括有關(guān)氣象，人類學(xué)，經(jīng)濟(jì)學(xué)，政治學(xué)，考古，歷史，法律，語言學(xué)等的任何問題。

如果我們想評估諸如希望的AGI之類的AI，我們可能需要涵蓋所有可能的領(lǐng)域。我們還需要每個(gè)域中有足夠的問題計(jì)數(shù)，以便我們感到舒適，以使我們的采樣深入越來越深。

設(shè)計(jì)一個(gè)稻草人數(shù)量

和我一起去想出一個(gè)稻草人的旅程。我們的目標(biāo)將是標(biāo)志性的估計(jì)，而不是確切的數(shù)字本身。我們想擁有一個(gè)球場，所以我們知道球場的范圍是什么。

我們將開始冒險(xiǎn)，指出美國國會圖書館擁有一套廣泛的主題標(biāo)題，通常稱為LCSH（國會圖書館主題標(biāo)題）。 LCSH始于1897年，此后已進(jìn)行更新和維護(hù)。 LCSH通常被認(rèn)為是世界上使用最廣泛的主題詞匯。

順便說一句，有些人喜歡LCSH，有些人不喜歡。關(guān)于某些主題標(biāo)題是否有必要，有激烈的辯論。關(guān)于某些主題標(biāo)題的措辭，有激烈的辯論。在話語上進(jìn)行。我不會在這里涉水。

截至2025年4月，LCSH的數(shù)量為388,594個(gè)記錄。為了進(jìn)行這個(gè)球場討論，我將把這個(gè)數(shù)字舍入400,000。我們可以對此進(jìn)行疑問，并詢問所有這些主題標(biāo)題是否具有獨(dú)特性和可用性，但我目前尚未采用那條路線。

假設(shè)我們?yōu)槊總€(gè)LCSH主題標(biāo)題提出了一個(gè)問題，以便無論該領(lǐng)域或紀(jì)律包含什么，我們都會問一個(gè)問題。然后，我們將有400,000個(gè)問題被提出。

每個(gè)領(lǐng)域的一個(gè)問題似乎還不夠。

考慮這些可能性：

• （a）400k問題：1個(gè)問題x 400k lcsh
• （b）4M問題：10個(gè)問題x 400k lcsh
• （c）40m問題：100個(gè)問題x 400k lcsh
• （d）400m問題：1,000個(gè)問題x 400k lcsh
• （e） 4b問題： 10,000個(gè)問題x 400k lcsh
• （f） 40b問題： 100,000個(gè)問題x 400k lcsh
• （g）400b問題：1M問題x 400k lcsh
• ETC。

如果我們選擇每個(gè)LCSH有10,000個(gè)問題的選擇，我們將需要提出40億個(gè)問題。這是很多問題。但是，也許只問10,000個(gè)問題，每個(gè)領(lǐng)域都不夠。我們可能會提出100,000個(gè)問題，然后將總計(jì)達(dá)到400億個(gè)問題。

通過問題衡量Agi

在所有“已知”領(lǐng)域中，提出一個(gè)潛在的AGI是否有十億或數(shù)十億個(gè)問題，即4b至40b，似乎是一個(gè)足夠的測試范圍和深度？

一些批評家會說這是霍格瓦什。您不需要問很多問題。它是巨大的過度殺傷力。您可以使用較小的數(shù)字。如果是這樣，那是什么數(shù)字？該提議的計(jì)數(shù)的理由是什么？這個(gè)數(shù)字會按數(shù)十億美元的數(shù)千或數(shù)百萬的命令？而且不要試圖通過說計(jì)數(shù)某種方式是無定形的或完全不確定的。

在數(shù)十億美元的稻草人案中，懷疑論者會說，您不可能提出十億或更多的問題。它在邏輯上是不可行的。即使可以，您也將永遠(yuǎn)無法評估這些問題給出的答案。經(jīng)過數(shù)十億個(gè)答案將永遠(yuǎn)需要。您需要在人類知識的所有領(lǐng)域的專家來判斷答案是對還是錯(cuò)。

反駁是，除了被測試的AGI以外，我們可以使用AI（AI）來幫助這項(xiàng)工作。那也有局勢和弊端。我將在即將發(fā)表的帖子中介紹這一考慮。在手表上。

肯定有很多問題要考慮和處理。當(dāng)前的非常嚴(yán)重的事情值得解決這些方面。請記住，我們關(guān)注的是如何知道我們已經(jīng)達(dá)到了AGI。這是一個(gè)巨大的問題。我們應(yīng)該準(zhǔn)備提出足夠的問題，我們可以共同且合理地得出結(jié)論AGI的達(dá)成。

正如阿爾伯特·愛因斯坦（Albert Einstein）恰當(dāng)?shù)卣f：“從昨天開始學(xué)習(xí)，今天活著，希望明天。重要的是不要停止質(zhì)疑?！?/p>

以上是AGI和AI超級智能需要回答智力證明的問題數(shù)量的詳細(xì)內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！