Nature重磅：AI和人脑的根本区别找到了，我们对“聪明”的理解可能全错了

一篇发表在2025年《自然·机器智能》（Nature Machine Intelligence）上的研究，像一颗深水炸弹，炸开了人工智能和人类认知之间最深的那道墙。

这篇由二十多位国际顶尖专家联手的研究，它告诉我们，AI和人类在“泛化能力”上，压根就不是一回事。

什么叫泛化能力？说白了，就是举一反三、活学活用的本事。

你给一个小孩看几把椅子，他就能认识世界上所有的椅子，甚至能把一个没见过的墩子也叫“椅子”，因为他理解了“椅子是用来坐的”这个抽象概念。

AI呢？你给它看一百万张椅子的照片，它能以极高的精度认出第一百万零一张椅子。但如果这张椅子是一个没见过的墩子，它可能就懵了。

咱们聊的不是一回事

研究牵头人之一，Benjamin Paassen教授一针见血地指出：“‘泛化’对AI和人类来说，意味着完全不同的事情”。

这就是问题的核心。

人类的泛化，走的是一条“抽象”的路。我们看世界，会自动忽略掉那些不重要的细节，比如椅子的颜色、材质、高矮，然后抓住最本质的特征——“有个平面能支撑屁股”。这个过程，是概念思维。我们的大脑里形成了一个关于“椅子”的灵活框架，可以套用在任何新事物上。

AI的泛化，走的是一条“统计”的路。它没有“概念”，只有“模式”。在它眼里，椅子不是一个功能性的东西，而是一堆像素点的特定组合。它通过学习海量数据，记住哪些像素组合最可能被标记为“椅子”。这更像是暴力破解，而不是真正的理解。

所以，人类的学习是高效的。一个概念，看几个例子就通了。

AI的学习是笨重的。一个概念，需要成千上万，甚至数百万个数据样本去喂养，才能勉强“记住”模式。

这就引出了一个更深层的问题：大脑和算法的底层逻辑，到底有什么不同？

一个灵活一个死板

<