AI遭遇新挑战：ARC-AGI-2测试成绩惨淡，人类实力碾压AI
随着人工智能（AI）技术的飞速发展，我们正目睹着AI在各个领域的广泛应用。然而，近期的一项新测试——ARC-AGI-2，却为AI带来了新的挑战。这项由知名人工智能研究员弗朗索瓦・肖莱（François Chollet）共同创立的非营利组织Arc Prize基金会推出的测试，旨在衡量领先人工智能模型的通用智能水平。令人惊讶的是，大多数AI模型在测试中的表现并不理想。
ARC-AGI-2测试由一系列类似谜题的问题组成，要求AI从一组不同颜色的方块中识别出视觉模式，并生成正确的“答案网格”。这一设计的目的是迫使AI适应未曾见过的新问题。这一系列谜题的设计难度极高，截至目前，大多数AI模型都在该测试中表现不佳。
以推理能力著称的AI模型，如OpenAI的o1-pro和DeepSeek的R1，在ARC-AGI-2测试中的得分仅为1%至1.3%。而包括GPT-4.5、Claude 3.7 Sonnet和Gemini 2.0 Flash等强大的非推理型模型，得分也仅在1%左右。这些数字令人震惊，因为这些模型在许多其他任务中表现出色，但在ARC-AGI-2测试中却无法识别视觉模式，生成正确的答案网格。
值得注意的是，Arc Prize基金会还邀请了超过400人参加ARC-AGI-2测试。这些参与者组成的“小组”能够正确回答测试中60%的问题，这一成绩远远超过了任何AI模型的得分。这进一步证明了人类在解决这类问题上的优势，同时也揭示了AI在通用智能方面的局限性。
然而，ARC-AGI-2的推出并非全无成果。Arc Prize基金会联合创始人格雷格・卡姆拉德（Greg Kamradt）在其博客中指出：“智能不仅仅是解决问题或取得高分的能力。这些能力的获取和部署效率是至关重要的决定性因素。”这一观点强调了效率在AI能力获取和部署中的重要性。
尽管如此，ARC-AGI-2测试的成绩仍然引发了人们对AI未来的担忧。随着AI技术在各个领域的广泛应用，人们期待的是能够解决现实世界复杂问题的通用智能系统。然而，ARC-AGI-2测试的结果表明，当前的AI系统在处理这类问题时存在明显的局限性。
与此同时，科技行业许多人呼吁需要新的、未饱和的基准来衡量AI进展。Hugging Face联合创始人托马斯・沃尔夫（Thomas Wolf）最近在接受TechCrunch采访时表示，AI行业缺乏足够的测试来衡量所谓的通用人工智能的关键特质，包括创造力。这种观点得到了ARC-AGI-2测试结果的印证。
尽管面临挑战，我们仍应看到AI的巨大潜力。随着技术的不断进步，我们相信AI将在未来解决更多复杂的问题，提高生产效率，为人类带来更多的便利和价值。然而，这并不意味着我们应该忽视AI目前面临的挑战。相反，我们应该正视这些问题，通过持续的研究和开发，寻找解决之道。
总的来说，ARC-AGI-2测试的成绩虽然令人失望，但同时也为我们提供了重要的反馈和启示。它提醒我们，尽管AI取得了显著的进步，但我们仍有更多的工作要做，以实现通用人工智能的理想。面对这一新的挑战，我们期待着未来的发展，并相信AI将在未来继续为我们带来惊喜和成就。
