生成式AI半个理解力都没有

寂静回声

假如你被放进一个陌生的世界。你看到一些方块、开关、光点，你不知道规则，也没有任务提示。你唯一能做的，就是动手去试：推一下开关、挪动一下方块、看看会不会发生点什么。你试了几次，发现光点闪烁和按钮颜色有关；再试几次，你发现规则变了。你皱眉，重置实验，从头再来。
——这，就是人类理解世界的方式。
而最新的一篇论文告诉我们：生成式AI 还不会这样做。一项 MIT等诸多知名机构完成的论文干了一件特别聪明的事：他们设计了一个专门用来考察“生成式AI 到底懂不懂世界”的测试体系，叫 WorldTest。

在这个测试里，没有奖励分数，没有“答对/答错”的标签。生成式AI就像一个刚来到地球的外星人，被放进一个互动式的小世界。它可以自由移动、点击、观察、重启。它要靠自己的试验去发现世界的规律。接着，环境会偷偷变化：有的规则改了，有的目标不一样了。生成式AI需要用之前的经验，去推理新的情况，这才是真正的“理解考”。
你可以把它想象成一种智力体检：生成式AI不再比谁算得快，而是看谁更像一个会动脑的科学家。

研究团队招募了 517 个真人 和当下最强的三款模型——Claude 4 Sonnet、Gemini 2.5 Pro、OpenAI o3。结果堪称久违的美好结局：人类赢了，赢得漂亮。
在三个关键任务上——预测、规划、检测规则变化——人类表现全面碾压。

人类的行为有两个明显特征：一是探索更快更聪明。困惑度下降得快，说明人会逐渐聚焦，形成假设，再去验证。二是会主动重启。一旦感觉搞错了，就立刻重来。
而生成式AI呢？大多数时候就像小孩乱点屏幕。它们不会重启实验，也不会形成新假设，只是一遍又一遍“撞运气”。换句话说，它们并不懂得“试验”的意义——它们会模仿答案，但不会质疑规则。
这其实戳中了生成式AI的软肋。我们经常夸大生成式AI的“理解力”：它会写诗、会编程、能解释量子物理，看起来无所不能。但在这项测试里，它被要求面对真正陌生的世界，而不是数据里见过的样本。这时候，它的聪明就戛然而止。它能观察，却不真正“学习”；能预测，却不真正“理解”。
理解的本质，不是预测下一个词，而是察觉世界何时变了。人类的学习方式，是一种“假设—验证—修正”的循环。而生成式AI的学习方式，更多是“观察—关联—生成”。
鹦鹉能学会模仿人类说“天气真好”，但当你突然说“外面下刀子了”，它依旧重复那句老话。它学的是统计规律，不是世界模型。
论文不只是说明“人类赢了”，而是给出了一个新的衡量标准。过去我们衡量智能体靠分数、靠奖励、靠表现；现在，我们有了一个更接近认知本质的测试：你能否主动实验、能否发现变化、能否修正假设。
这就是所谓的“World Model”——世界模型。

真正聪明的系统，不是只会反应，而是会建立心智。它不仅知道“如果我这么做，结果会怎样”，更知道“如果规则变了，我该怎么重新理解”。作者把这种测试称为 “黑箱行为学” 框架，也就是说，它不看模型内部的参数结构，只看它的“外部行为”。就像心理学家研究动物智力，不拆脑子，只看它怎么应对新问题。这使得 WorldTest 成为一个很有前景的生成式AI测试标准——它可以揭示智能体是否具备“科学式学习”的能力。
这项研究给生成式AI的未来指出了一条路：想真正变得聪明，要学会 假设、怀疑、修正。这听起来很人类，但也许这才是智能的本质。
这种“理解力”并不是算法能直接训练出来的。它需要一种类似“好奇心”的机制，需要在探索中不断地提问自己：“我为什么要这样做？”“规则是不是变了？”“我还能不能解释这个世界？”
不是因为我们算得快，而是因为我们会思考；不是因为我们有更多数据，而是因为我们会怀疑数据。