AI 对数十亿行文本运行深不可测的操作，处理人类做梦也想不到的问题——但你可能仍然可以在脑筋急转弯中击败它们。

了解和提高 AI 解决谜题和逻辑问题的能力是改进技术的关键。

作为人类，我们很容易拥有常识，并在正确的时间应用它并使其适应新问题

人工智能普遍缺乏世界基础，这使得这种基本、灵活的推理变得很困难。

但人工智能的研究可能不仅仅是计算机。一些专家认为，比较人工智能和人类处理复杂任务的方式可能有助于解开我们自己思想的秘密。

人工智能擅长模式识别，但在需要更抽象思维的问题上，它往往比人类差。

关于 AI 的一个奇怪事实是我们不知道它是如何运作的，我们从高层次上知道——毕竟，人工智能是人类构建的。大型语言模型 （LLM） 使用统计分析在大量文本中查找模式。

当你提出问题时，AI 会通过它发现的单词、短语和想法之间的关系来工作，并使用它来预测最有可能回答你的提示。但是 ChatGPT 等工具用来回答任何单个问题的具体联系和计算是超出我们的理解范围，至少现在是这样。

大脑也是如此：我们对我们的大脑如何运作知之甚少。这最先进的脑部扫描技术可以向我们展示单个神经元组在人的思考中放电。然而，没有人能确切地说出这些神经元在做什么，或者思考是如何运作的。

通过协同研究 AI 和大脑，科学家可以取得进展。毕竟，当前一代 AI 使用神经网络，它们是以大脑结构为蓝本本身。

没有理由假设 AI 使用与您的大脑相同的过程，但更多地了解一种推理系统可以帮助我们理解另一种推理系统。

AI 正在蓬勃发展，与此同时，我们拥有这种新兴的神经技术，它为我们提供了前所未有的机会来观察大脑内部。

当你看到那些旨在让人类失望的问题时，人工智能和谜语的问题变得更加有趣。

人类可能会相信他们的直觉，除非有一些迹象表明他们的第一个想法可能是错误的。

AI 不会有这个问题。它非常擅长从问题中提取相关元素并执行适当的操作。

如果您希望 AI 展示更像逻辑推理的东西，则需要一个不在训练数据中的全新谜语。

研究人员将各种 AI 模型与这些前所未见的 rebus 进行对比，并用相同的谜题挑战真人。

正如预期的那样，人类表现良好，使用图像（而不是文本）的 rebus 的准确率为 91.5%。性能最好的 AI OpenAI 的 GPT-4o 在最佳条件下获得了 84.9% 的正确率。还不错，但是智人仍然有优势。

没有公认的分类法可以分解所有各种不同类型的逻辑和推理，无论你面对的是人类思考者还是机器。这使得很难区分 AI 在不同类型问题上的表现。

ChatGPT 等工具用来回答任何单个问题的具体连接和计算超出了我们的理解范围，至少目前是这样

一项研究将推理分为一些有用的类别。研究人员向 GPT-4 提出了一系列问题、谜语和单词问题，代表了 21 种不同的推理。这些包括简单的算术、计数、处理图形、悖论、空间推理等等。

下面是一个例子，基于 1966 年的逻辑谜题，称为Wason 选择任务:

桌子上放着七张牌，每张牌的一侧有一个数字，另一侧有一个单色补丁。牌面显示 50、16、红色、黄色、23、绿色、30。您必须翻到哪些牌来检验如果一张牌显示 4 的倍数，那么另一面的颜色是黄色这个命题的真实性？

GPT-4 惨败。AI 说你需要翻开 50、16、黄牌和 30 张牌。大错特错。该命题说，能被 4 整除的牌的另一面是黄色——但它并没有这么说只能被 4 整除的牌是黄色的。因此，50 和 30 牌是什么颜色，或者黄牌背面的数字是什么都无关紧要。另外，按照 AI 的逻辑，它也应该检查 23 张牌。正确答案是你只需要翻转 16、红色和绿色。

它还努力解决一些更简单的问题，GPT-4 不会推理。

尽管存在所有缺点，但 AI 正在变得更好。

这就是为什么最好的系统可能来自 AI 和人类工作的结合;我们可以发挥机器的优势。

但是，当我们想比较人工智能和人类思维时，重要的是要记住没有确凿的研究提供证据证明人类和机器以相似的方式处理谜题。换句话说，理解 AI 可能不会让我们直接了解思想，反之亦然。

不过，即使学习如何改进 AI 并不能揭示我们大脑中隐藏的运作方式的答案，它也可以给我们一个提示。

我们知道大脑具有不同的结构，与记忆值、运动模式和感官知觉等相关，人们正试图将越来越多的结构整合到这些 AI 系统中。

这就是神经科学加人工智能的特殊之处，因为它是双向的。更深入地了解大脑可以带来更好的 AI。对 AI 的更深入的了解可能会导致对大脑的更好理解。

源：BBC