一个2岁孩子在没有训练数据的情况下，竟能自主泛化出预判感谢、搬砖垫脚、主动提问甚至撒谎等复杂行为。本文通过五个真实场景，对比当前AI在长尾场景中的无力，犀利指出大模型的“聪明”与“智能”高度解耦，并探讨AGI为何任重道远。
为什么我会有如此强烈的感慨和想法？
起因是一位2岁大的孩子在我家住了半个月，周末在家无意识中观察到几个有趣的场景。
你很难想象，一个才2岁大的孩子，会做出如此令人意想不到的决策和选择。
场景一
我在卧室，让小宝宝去客厅帮我拿水杯。
当他拿回水杯，走回卧室，在递给我水杯同时，说了一句让我意想不到的话，他说：不用谢谢。不用谢谢。
我：黑人问号脸？
为了验证他到底是否真的懂『谢谢』这两个字的含义，我还是说：谢谢你。
你猜他回复什么？
他甚至还用有点生气的口气说：说了不用谢谢额，不用谢谢。
我：震惊脸！
的确有些离谱。
1.他得知道当帮助别人时，别人都会对自己说：谢谢。（这属于训练数据，他父母肯定教过他）。
2.他得知道当对方说感谢，你要回复：不客气。（这属于训练数据范畴，肯定也教过）。
3.前两步都是正常流程，一来一回，交互结束。
但他甚至提前预判了对方可能采取的语言行为，而直接跳到第二步，告诉你：不客气。（如果是两个成人，这没什么大不了，你可能还会觉得对方挺幽默的，你还没说谢谢，对方先说了不客气:-）。
这种感觉只能用那张梗图：
但如果是训练出来的具身智能，在同样的场景中是否会采用同样的策略呢？
I’mnotsure.
场景二
小宝宝在厨房，站在姑姑旁边。
抬头看到姑姑在案板上切西瓜（小宝宝个子太矮，实际上他看不到西瓜，你知道他只有2岁大）。
他问：你在切什么？
姑姑：切西瓜。
这时，小宝宝转头返回了客厅（事后看来，他做了一个惊人决定：他去搬垫脚石了）。
你猜他搬来了什么东西？
他搬来了健身砖，还一下搬来了2块（一共有4块）。
搬到厨房后把两个摞在一起，然后双脚站在健身砖上。
OMG，当时我就震惊了。
1.在整个过程中，没有任何一个人告诉他：
你需要借助外力来提升自己的视野范围。
我在想：如果是AI的话？再没有人类明确的指令下，它是否能自主推理出，需要找垫脚石？
以及它是否必须依赖类似的训练数据或者场景？
2.客厅有小凳子，但他没有借用，是没找到吗？
为什么只搬了2块而不是所有4块，是因为只能搬动2块还是推理出2块已经够用了？
3.他是如何具备如此复杂的泛化能力的，进而推断出这2块砖可以代替凳子完成同样的垫脚任务？
要知道，凳子与垫脚用途毫无关联的健身砖从形态上差异还是比较大的。
而且，从来没有人告诉过他，健身砖可以用来垫脚增高——即他没有训练数据可用。
如果是具身智能的话，同样的场景，它是会只视小凳子为有效决策而视两块健身砖为不相关任务吗？
I’mnotsure.
场景三
我家在6楼，没有电梯，需要步行上下楼。
下楼的时候，小宝宝刚走2、3个台阶，就不走了。
站在台阶上，一只手扶着栏杆，伸出另一只手做招手状，示意让你抱抱。
当你说：你自己走。
小宝宝会再次摇动胳膊，示意你抱抱。
他到底是基于什么理由做出不想爬楼梯的决策？
1.他是通过观察台阶的多少，推理出如果自己走完会很累？
2.还是他可能压根就没有[累]的意识，也不知道什么是累？或只是感到楼梯的害怕？（害怕是人类生理上的一种感知，但能被数字化存储用于训练AI吗？貌似不能吧
亦或还是昨天下楼时，是由别人抱着下楼的？
3.没有人告诉过他，求助别人可以通过招手状示意抱抱，也就是说他没有这方面训练数据啊。
试想如果我牵着一只智能机器狗，假设它遇到了当前的长尾新场景（如台阶太高导致无法上下楼，无法识别），它会如何决策，是找人类寻求帮助吗以及如何发出求助信号？
场景四
小宝宝坐在沙发上，看到姑姑给我后背挠痒时，他问姑姑：怎么了？（意指为什么挠我的后背）
1.他是出于什么样的动机和逻辑？为什么会主动产生这样的疑问？没有人教过他：看到或听到不懂的要问为什么或怎么了？
他是怎么就能[主动]产生[问]的决策呢？（没有收到大人的指令）如果是具身智能AI人形机器人，看到（感知）这个场景，是否也会做出同样的决策去询问对方呢？
比如家政服务机器人，看到主人一直咳嗦，是否会主动询问：哪里不舒服？或推理出是时候马上给主人倒一杯水了？
2.类似这种家庭日常对话，亦或者说在AI看来甚至没有任何[价值]的对话、聊天的数据，是否存在或是否应该存在？
但恰恰是这种在AI看来没有任何[有效价值]的对话才是家庭日常内容的主体部分。
3.人类居家日常毫无有效价值的对话和交流内容，必要存在，但却没必要完全存储。
毕竟没有人会记得，也不需要记得每天吃饭时家人的每句对话的全部内容（仅记忆相关事宜，而非每一句话）。
场景五
他竟然会主动撒谎！！！
带他去赵一鸣买了糖，告诉他少吃糖。
到家之后自己拿了两块糖，跑到卧室，坐到床上吃（还背对着我们）。
吃完之后，回到客厅。
我问他：你刚才吃什么了？
他竟说：没有吃糖。
『那你吃的什么？』
『什么也没吃呀』
你能理解带给你的那种难以置信的震撼吗？
撒谎以及如何撒谎，我万分肯定没有人教过他。
而且，你想让一个2岁的孩子弄明白，什么是撒谎、人类为什么要撒谎，这类抽象概念，也挺难的。
他是如何思考和推理的？
1.大人不让吃糖
2.我吃了
3.大人会生气—推理出可能挨揍
4.我怕疼，如何规避这个结果？
5.那就说：我没吃！
那么这是智能涌现或智能觉醒吗？如果是具身智能的话。
I’mnotsure.
以上我举例的场景都非常有限，而且在他两岁的世界（数据）中，依然存在着数以万计的长尾场景他没遇到过。
但他第一次面对时，竟然能做到自主泛化，可以在即使没有样本数据（训练数据）时，做出合理又堪称高效的推理和决策、执行并通过反馈进行修正。
我们人类总是假设智能等于聪明，越智能，（认为）泛化能力也越强。
但事实上对于AI而言（生成式AI），并非如此。
对于现在的AI大模型来说，聪明和智能，竟然高度解耦。
这也是为什么，每次每当有大模型LLM新版本发布时，厂商总会拿出来Benchmark声称自己又又又屠榜了，秒杀全人类。
但在实际任务场景中却往往在小学生的题目上就能翻车给你看。
这到底是真智能还是真智障啊？
究其原因还是因为目前的AI训练与人类完全不一致的底层逻辑。
尽管貌似看上去训练人工智能，和养孩子有些类似。
但正如我在《马斯克：人工智能，压根没有智能》中有提到AI的本质是模式识别和概率统计（直白点就是：词语接龙）。
所谓AGI要取代人类（AGI：通用人工智能），在我看来，任重而道远。
前几个月，DemisHassabis提出一个评判AGI标准的「爱因斯坦测试」：
『用截止到1911年的全部人类知识训练一个模型，然后看它能不能独立推导出广义相对论，就像爱因斯坦在1915年做到的那样。
如果能，那就算AGI，理应具备能够创造出像「相对论」级别的原创知识的能力。』
而现有所有大模型所具备的数据、知识量，都已经更新到人类的2026年了（当然已远超1911的全人类知识）
但爱因斯坦在哪里？
狭义相对论又在哪里？
这也是为什么YannLeCun对《纽约时报》表示：『大语言模型并非通向超级智能乃至人类水平智能的路径。』
甚至我前两天看个新闻都能给我整错，而且错的离谱（日期：11.4，腾讯新闻，在老黄辞职前）：
那么，你回答我，以前的洗衣机，现在进化到AI智能洗衣机，它会自己主动想洗衣服吗？
你回答我，以前的空调，现在进化到AI智能空调，它会自己主动想开机凉快一会吗？
你回答我，以前的汽车，现在进化到遥遥领先，它会自己主动想去穿山越岭体验人生吗？
这也是为什么我个人（至少目前）觉得，很长一段时间内在现有框架下，根本无法进化出所谓的AGI（不客气的讲，甚至没有哪怕一丁点希望）。
不过，你倒是可以生个孩子，体验下人类AI的养成计划。
正如这篇文章的主题：
搞AI人工智能，有必要（试着）养个孩子。
以上。