MIT研究：AI能否真正理解現實世界？

大型語言模型能否真正理解現實世界？MIT與哈佛提出新測試方法

早在17世紀，德國天文學家開普勒（Johannes Kepler）發現了行星運動的規律，讓人們能準確預測太陽系內行星的軌跡。但直到數十年後，牛頓（Isaac Newton）提出萬有引力定律，才真正揭示了這些運動背後的基本原理。牛頓的理論不僅解釋了行星運動，還能應用於大砲彈道、潮汐變化，甚至太空衛星發射等多個領域。

如今，人工智能（AI）系統在進行具體預測方面表現出色，類似開普勒的軌道預測。但問題是，這些AI是否真正理解了預測背後的深層原理，像牛頓理論那樣擁有跨領域的世界模型？隨著社會對AI依賴日增，研究人員正努力尋找方法，評估AI系統對現實世界的理解深度。

麻省理工學院（MIT）資訊與決策系統實驗室（LIDS）與哈佛大學的研究團隊近日提出一種新方法，來檢驗AI系統是否能將某領域的預測能力，轉化為對更廣泛現實世界的理解，並能應用於不同領域。初步結果顯示，現時AI系統在這方面的能力仍相當有限。

該研究團隊包括哈佛博士後Keyon Vafa、MIT電機工程及計算機科學研究生Peter G. Chang、MIT助理教授Ashesh Rambachan，以及MIT教授Sendhil Mullainathan。這項研究於近期在加拿大溫哥華舉行的國際機器學習會議（ICML）上發表。

Vafa指出，人類能夠從具體預測進一步構建起世界模型，但現有基礎模型（foundation models）或AI是否已經達到這一步，仍是個問題。他強調，研究焦點並非AI是否有潛力，而是「目前為止，它們做到了嗎？」

Mullainathan教授補充，雖然檢驗算法預測準確度已有成熟方法，但如何測試AI是否「真正理解」其預測內容，甚至定義「理解」本身都充滿挑戰。

以開普勒與牛頓的類比來說，兩者都能準確模擬特定任務，但牛頓的理論能夠推廣到新問題和不同場景。若AI能擁有類似能力，便能超越單一任務，推廣到更多複雜問題。

另一個比喻是，長期以來人類靠經驗培育作物和動物，但孟德爾（Gregor Mendel）發現了遺傳的基本法則，這種抽象理解讓科學進步更快。

研究團隊針對不同複雜度的AI預測系統進行測試。最簡單的例子是一維格子模型（lattice model），類似青蛙在一排蓮葉間跳躍，AI僅透過青蛙的跳躍指令，判斷蓮葉的排列結構。結果顯示，AI在此類簡單模型中能成功還原「世界狀態」。但隨著維度和狀態數增加，AI的判斷能力明顯下降。

更複雜的測試是「黑白棋」（Othello）遊戲，AI能準確預測允許的落子，但無法推斷整個棋局的真實狀態，尤其是被封鎖的棋子。

團隊還評估了五種不同類型的實際預測模型，發現系統越複雜，越難建立與現實相符的世界模型。

為此，研究人員提出一種新指標「歸納偏差」（inductive bias），用以量化AI系統對現實世界狀態的近似程度。這指標反映AI是否能從大量數據中推斷出符合現實的內在規律。

Vafa表示，這個指標可作為評估平台，幫助研究人員在已知真實模型的情況下測試AI表現，進而提升對未知領域預測的信心。

目前已有科學家嘗試利用AI預測化學化合物、藥物分子、蛋白質摺疊等未知領域的特性，但Vafa坦言，即使是基本物理力學問題，AI距離真正理解還有很長路要走。

Chang指出，儘管基礎模型在各領域如生物、物理、機械人學等積累大量數據並訓練，期望AI能內化這些領域知識以應用於多種任務，但現實情況是，這條路仍充滿挑戰。

這項研究不僅揭示了當前AI理解能力的不足，也為未來優化訓練方法和評估標準提供了方向。Chang強調，「一旦有了量化指標，工程師就能針對該指標優化系統，推動技術進步。」

—

評論與啟示

這篇來自MIT與哈佛的研究，深刻揭示了當前AI雖然在特定任務上能呈現驚人預測力，但距離真正理解世界、建立跨領域的通用世界模型仍有顯著差距。這對香港乃至全球的AI發展皆有重要啟示。

首先，這提醒我們不要過度迷信AI的「智慧」，尤其是基於大數據訓練的模型，往往依賴模式匹配而非本質理解。這種「表層智能」在面對新問題時可能脆弱，容易出錯。

其次，該研究提出的「歸納偏差」指標，為AI理解力提供了可量化的評估標準，這對推動AI向更高層次的「知識內化」至關重要。香港的科研和企業若能採納類似指標，將更有利於培育具備真正推廣能力的AI系統，而非僅僅是「黑盒」預測工具。

此外，研究中提到的類比（如開普勒與牛頓、經驗育種與孟德爾遺傳定律）非常適合用來教育公眾與業界，幫助他們理解AI現階段的局限與未來潛力，避免盲目期待或恐慌。

最後，這也提醒政策制定者與投資者，AI技術的發展不應只看短期應用效益，更要注重基礎理論與跨領域的理解能力提升。只有這樣，AI才能真正成為推動社會科技進步的強大引擎。

總結來說，這項研究為AI的發展指明了「從預測到理解」的必經之路，也為我們提供了檢驗和推動AI進步的有效工具。香港作為科技創新重鎮，應積極關注並參與此類前沿研究，推動本地AI產業走向更具智慧與可持續的未來。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。

🖼️ AI 圖庫｜抄咒語學玩法

想睇吓人哋點玩 AI 畫圖？圖庫集合大量 Flux / Gemini 作品， 可以一 click 複製咒語，直入生成器再改做自己版本。

✅ 真實作品示範

📋 一鍵複製咒語

✨ 不定期加入新圖

✏️ 「修改」按鈕直連生成器

👀 入去睇圖 + 抄咒語

Gallery

Gallery

Gallery