法国《快报》周刊网站9月28日发表法国国家科学研究中心研究员弗兰克·拉米斯文章《人工智能即将超越人类智能吗？》，内容摘编如下：

75年前，计算机科学先驱艾伦·图灵提出：当人们通过书面文字与机器对话数分钟仍无法判断对方是人还是机器时，便可认定该机器具有智能，如今，咱们可以感觉，面向公众开放聊天生成预训练转换器〔ChatGPT〕等大语言模型通过图灵测试。这是不是意味着它们已具有智能？

图灵测试难题在于过分着重语言生成本事，而咱们极易被能言善辩者所迷惑，一个模仿人类举止、能对难题生成合理文本对话代理，很容易制造假象，于是该测试已不再被该领域专家视为人工智能充分评估准则。

缺乏可靠计算算法

通用人工智能当下被定义为在所有领域达到或超越人类认知本事，涵盖自然语言对话、搞定新难题、学习新任务、无需重新编程即可跨领域迁移技能等，近年来，大语言模型凭借其语言处理、人际交互本事不息带来惊喜，已实行部分意向，最新大语言模型在经济协作与发展组织国际学生评估项目评估中，阅读、科学得分超过普通学生水平，在芬兰高考数学测试中也表现优异。

但与此同时，它们在咱们看来基石任务上却表现拙劣，我要求大模型GPT-5统计名称由六个字母构成法国省份数量，这对稍微认真些八岁儿童而言都不是难事。结果它不止误差非常大〔给出8个而非正确答案15个〕，还在到底统计中保留不应计入科雷兹省〔Corrèze〕！

解大语言模型运作原理，有助于更好地理解失败原因，它们根据接收提问、训练语料生成看似合理文本，这些语料库持续扩展，接近涵盖全部书面著作、互联网内容，于是，大语言模型通过其海量参数存储人类知识浓缩精华，对于已知答案难题，它们常能给出正确回答，这并不让人意外，它们也能回答可通过训练语料推演新难题，但难题越偏离训练语料，回答随机性就越强。

以法国省份列表为例：该信息确实存在于ChatGPT训练语料中，但这仅是文本材料，而非数据库里结构化知识，况且，每个单词字母数量并未被特意记录，而大语言模型缺乏可靠计算算法，当回答数学难题时，它们既不实行运算，也不执行数学推理，它们仅仅生成符合难题语境不确定性词语序列，并借助根据词语序列概率验证校正程序来修正部分错误，这在多数情况下能产生正确答案，但由于未经过逻辑推演，结果正确性毫无保障，生成看似推理结果〔哪怕正确〕语言，并不等同于实际实行推理。

在多项测试中受挫

当下人工智能在上下文窗口和记忆方面面对多种挑战，上下文窗口难题首要表现为系统在处理长篇文章或复杂对话时，无法有效理解和维护上下文关系，导致响应不连贯或不相关，记忆难题则涵盖无法长期保存大量数据、无法有效检索相关信息等，这些难题严重影响了人工智能系统的性能和使用者体验。

为了搞定上下文窗口难题，研究人员正在探索更先进的自然语言处理算法，如Transformer模型，以提高系统对长文本的理解本事，通过增加计算资源和改良数据结构，可以改善系统对上下文的处理本事，运用注意力机制（Attention Mechanism）可以协助系统更好地聚焦于相关信息，从而提高响应的连贯性和相关性。

在记忆方面，人工智能系统往往依赖于外部存储设备来保存大量数据，可是，这些系统在检索和利用存储信息时often面对效能低下的难题，搞定这一难题的方法涵盖开发更高效的数据存储和检索算法，以及运用更先进的内存管理技术，通过运用神经网络中的记忆单元（如LSTM和GRU），可以提高系统对历史信息的记忆和利用本事。

结合上下文和记忆的改进，人工智能系统可以更好地模拟人类的认知过程，从而提高其在复杂任务中的表现，在对话系统中，通过维护一个动态的上下文窗口和记忆库，系统可以更好地理解和响应使用者的需求。

将来，伴随技术的不断进步，人工智能系统在上下文窗口和记忆方面的本事将得到显著提升，这将使得人工智能系统能够更好地理解和处理复杂的信息，从而供应更智能、更个性化的服务。

正因多数可用于测试人工智能难题及其答案已存在于互联网，进而大概进入训练语料库，法国工程师弗朗索瓦·肖莱特意设计ARC测试集，旨在检验人工智能搞定新颖复杂难题本事，他甚至为此设立100万美元奖金年度竞赛，但非得承认，当下人工智能在这些测试中表现一般，不过，ARC测试甚至未宣称要探测人类智能全貌，于是不能作为通用人工智能验证准则。

事实上，人类智能还体现在非格局推理认知本事上，这些本事绝非无足轻重，自动驾驶汽车等搭载计算机视觉系统在不同场景中可靠地识别物体时遭遇困境即是明证，早在2014年，美国研究员加里·马库斯就提出图灵测试升级版：要求系统能观看任意未知影像并准确回答内容相关难题，比方说：角色A为何在特定时刻对角色B说某句话？直至2025年，他结论依然成立：尚无系统能观看《辛普森一家》并理解笑点所在，但这对大多数青少年来说轻而易举。

迈向通用人工智能

如今，部分大语言模型创造者自身也怀疑，任凭训练语料规模如何扩展，这些模型是不是真能实行通用人工智能，但不少已暴露局限实为大语言模型所特有，早在数十年前，专业程序已能实行精确计算，速度远超人类，甚至能证明数学定理，还有些程序在国际象棋、围棋领域超越顶尖人类选手，可驾驶飞机、识别语音，或检索知识库以准确回答所有已知事实。

这些程序无一属于大语言模型，但它们或许可以变成大语言模型调用模块，用以供应可靠答案，而非仅生成看似合理词语序列，若真能实行通用人工智能，很大概需借助混合系统，将擅长特定任务专项程序与大幅便利人机交互大语言模型语言本事相结合。