Vitalik Buterin 指出人類在某些技能上仍優於人工智慧

Vitalik Buterin 指出人工智慧的限制：儘管它擁有廣泛的知識，但在評估文本的深度時，尤其是當它第一次接觸時，仍然感到困難。對於以太坊的共同創辦人來說，這種知識與智慧之間的差異值得特別關注。

簡而言之

• 10月29日，Vitalik Buterin 將人工智慧形容為「極其博學」，但「不太智慧」，特別是在評估文本時。
• 根據他的說法，這些模型在面對未經人類評論的全新文本時，會遇到更多困難，因為這些文本不在它們的訓練數據中。
• 他最後強調了一個重要的區別：我們可以輕易檢驗模型的知識，但要衡量其智慧卻困難得多。

人工智慧知道參考資料，但它理解思想嗎？

Vitalik Buterin 定期表達對人工智慧代理的保留意見，例如在十月時的「偏執模式」。在10月29日 UTC 時間 4:11，他對作家 Ruxandra Teslo 發表了新的反思。

這次討論是針對《華爾街日報》的一篇文章，該文講述了哈佛大學的 Humanities 10 課程，該課程禁止學生在一年內使用手機和電腦。

在他的 X 訊息中，Vitalik 解釋說，人工智慧可以動用幾乎任何主題的知識，但並不一定具備深入的判斷力。它可能會停留在文本的最表面，無法充分理解其論點的深度。

這一評論出現在關於與聊天機器人交流質量的辯論中。有些人認為它們是討論經典作品的更好對話者，而相反，一位作家認為它們對她的文章的評論往往只是空洞的回答。

第一次閱讀

對於 Vitalik Buterin 而言，這一限制主要體現在模型第一次接觸文本時。事實上，一本著名的著作受益於數十年的評論、分析和註解，這些都是人工智慧可以在其訓練數據中找到的。然而，最近的論文則沒有相同的歷史。

因此，模型必須更多地依賴文本本身，而無法調用如此多的先前分析。這一差異在加密領域尤其重要，因為團隊使用人工智慧代理來檢查白皮書、審計或治理提案。

然而，一些開發者已經警告人工智慧可能利用的漏洞，而不完全理解其含義。在這種情況下，模型生成的摘要不應取代人類的檢查，特別是在技術或財務風險較高的情況下。

智慧，難以衡量的品質

Vitalik Buterin 最後提出了一個更微妙的問題：模型的知識相對容易驗證，而其智慧則不然。我們可以檢查一個日期、一個參考或一個數字。然而，評估一個推理的相關性需要的不僅僅是簡單的事實檢查。

七月的一個事件說明了這一區別。圍繞識別一份匿名以太坊文件的作者舉辦的比賽於7月6日獎勵了 Franklyn Wang 的 Co-Invest 團隊。在檢查了27篇文本後，該團隊獲得了一個約20%的概率結果。

這一經驗提醒我們，人工智慧可以識別風格特徵，但不一定能理解文本背後的思想。在分析代碼或技術文件時也應保持同樣的謹慎：識別模式並不總是意味著理解其作者的意圖。