AI导读：

在亚洲青年科学家基金项目论坛上，多位专家深度剖析了AI的推理能力，揭示了机器智能的“AB面”。AI已成为科学界的“世界语”，助力人类发现新事物速度显著提升。但专家指出，AI的智能与人脑不同，仍缺乏系统性思考能力。同时，“数据墙”问题成为AI发展下一步必须解决的问题。

Deepseek的“杀手锏”在于其低廉的价格和强大的推理能力。人们惊讶于Deepseek拆解问题的方式，仿佛它在进行“深度思考”。但大模型真的具备人类般的思考能力吗？答案或许会让你惊讶。在亚洲青年科学家基金项目“探索科技新前沿”论坛上，多位专家对AI的推理能力进行了深度剖析，揭示了机器智能的“AB面”。

AI已成为科学界的“世界语”。普林斯顿大学人工智能创新中心主任王梦迪表示：“强化学习让大模型学会思考是水到渠成的事，因为技术已至临界点。”她的团队曾用4张GPU训练出具备深度思考能力的32B大模型，DeepSeek的出现并非偶然。如今，具备推理功能的AI在科学界大放异彩，如谷歌Deepmind的阿尔法折叠3预测生物大分子结构，准确性超越以往工具。

美国普林斯顿大学人工智能创新中心主任王梦迪。刘琦摄

AI助力下，人类发现新事物的速度显著提升。王梦迪认为，AI打破了学科间的壁垒，整合了各学科的研究成果。AI4S（由AI驱动的科学）将是下一个爆发点。

那么，具备强大推理能力的AI，是否真正具备人类思考能力？亚马逊云科技上海人工智能研究院院长张峥认为，AI的智能与人脑不同。例如，给AI看小球滚落的画面，它难以推理出牛顿三定律。王梦迪也认同此观点，她指出大模型在解数学题时缺乏系统性思考。

此前，大模型的进化遵循“尺度定律”，即数据规模越大，模型性能越好。但随着AI开发陷入瓶颈，“数据墙”问题凸显。王梦迪表示，这是AI发展下一步必须解决的问题。北京大学朱华星教授提出，物理学是大数据科学，大型强子对撞机每秒产生4000万次粒子碰撞，但受限于存储空间，大部分数据被舍弃。这些数据能否成为AI的养料？公众科学家模式或许值得借鉴。

朱华星认为，要使大模型具备人类智能，必须赋予其认识世界的能力。这与具身智能理念相契合。相较于语料数据，动作数据更为丰富，但已采集的有限。全球词汇有限，但动作无穷，这也是人形机器人快速发展的原因。

（文章来源：上观新闻）