一个2岁孩子在没有训练数据的情况下，竟能自主泛化出预判感谢、搬砖垫脚、主动提问甚至撒谎等复杂行为。本文通过五个真实场景，对比当前AI在长尾场景中的无力，犀利指出大模型的“聪明”与“智能”高度解耦，并探讨AGI为何任重道远。

为什么我会有如此强烈的感慨和想法 ？

起因是一位 2 岁大的孩子在我家住了半个月，周末在家无意识中观察到几个有趣的场景。

你很难想象，一个才 2 岁大的孩子，会做出如此令人意想不到的决策和选择。

场景一

我在卧室，让小宝宝去客厅帮我拿水杯。

当他拿回水杯，走回卧室，在递给我水杯同时，说了一句让我意想不到的话，他说：不用 谢谢。不用 谢谢。

我：黑人问号脸？

为了验证他到底是否真的懂『谢谢』这两个字的含义，我还是说：谢谢你。

你猜他回复什么？

他甚至还用有点生气的口气说：说了不用 谢谢额，不用谢谢。

我：震惊脸！

的确 有些离谱。

1. 他得知道当帮助别人时，别人都会对自己说：谢谢。（这属于训练数据，他父母肯定教过他）。

2. 他得知道当对方说感谢，你要回复：不客气。（这属于训练数据范畴，肯定也教过）。

3. 前两步都是正常流程，一来一回，交互结束。

但他甚至提前预判了对方可能采取的语言行为，而直接跳到第二步，告诉你：不客气。 （如果是两个成人，这没什么大不了，你可能还会觉得对方挺幽默的，你还没说谢谢，对方先说了不客气 :-）。

这种感觉只能用那张梗图：

但如果是训练出来的具身智能，在同样的场景中是否会采用同样的策略呢？

I’m not sure.

场景二

小宝宝在厨房，站在姑姑旁边。

抬头看到姑姑在案板上切西瓜（小宝宝个子太矮，实际上他看不到西瓜，你知道他只有 2 岁大）。

他问：你在切什么？

姑姑：切西瓜。

这时，小宝宝转头返回了客厅（事后看来，他做了一个惊人决定：他去搬垫脚石了）。

你猜他搬来了什么东西？

他搬来了 健身砖，还一下搬来了 2 块（一共有 4 块）。

搬到厨房后把两个摞在一起，然后双脚站在健身砖上。

OMG，当时我就震惊了。

1. 在整个过程中，没有任何一个人告诉他：

你需要借助外力来提升自己的视野范围。

我在想： 如果是 AI 的话？再没有人类明确的指令下，它是否能自主推理出，需要找垫脚石？

以及它是否必须依赖类似的训练数据或者场景？

2. 客厅有小凳子，但他没有借用，是没找到吗？

为什么只搬了 2 块而不是所有 4 块，是因为只能搬动 2 块还是推理出 2 块已经够用了？

3. 他是如何具备如此复杂的泛化能力的，进而推断出这 2 块砖可以代替凳子完成同样的垫脚任务？

要知道，凳子与垫脚用途毫无关联的健身砖从形态上差异还是比较大的。

而且，从来没有人告诉过他，健身砖可以用来垫脚增高——即他没有训练数据可用。

如果是具身智能的话，同样的场景，它是会只视小凳子为有效决策而视两块健身砖为不相关任务吗？

I’m not sure.

场景三

我家在 6 楼，没有电梯，需要步行上下楼。

下楼的时候，小宝宝刚走 2、3个台阶，就不走了。

站在台阶上，一只手扶着栏杆，伸出另一只手做招手状，示意让你抱抱。

当你说：你自己走。

小宝宝会再次摇动胳膊，示意你抱抱。

他到底是基于什么理由做出不想爬楼梯的决策？

1. 他是通过观察台阶的多少，推理出如果自己走完会很累？

2. 还是他可能压根就没有【累】的意识，也不知道什么是累？ 或只是感到楼梯的害怕？（害怕是人类生理上的一种感知，但能被数字化存储用于训练 AI 吗？貌似不能吧 🙁

亦或还是昨天下楼时，是由别人抱着下楼的？

3. 没有人告诉过他，求助别人可以通过招手状示意抱抱， 也就是说他没有这方面训练数据啊。

试想如果我牵着一只智能机器狗，假设它遇到了当前的长尾新场景（如台阶太高导致无法上下楼，无法识别），它会如何决策，是找人类寻求帮助吗以及如何发出求助信号？

场景四

小宝宝坐在沙发上，看到姑姑给我后背挠痒时，他问姑姑：怎么了？（意指为什么挠我的后背）

1. 他是出于什么样的动机和逻辑？为什么会主动产生这样的疑问？ 没有人教过他：看到或听到不懂的要问为什么或怎么了？

他是怎么就能【主动】产生【问】的决策呢？（没有收到大人的指令） 如果是具身智能AI人形机器人，看到（感知）这个场景，是否也会做出同样的决策去询问对方呢？

比如家政服务机器人，看到主人一直咳嗦，是否会主动询问：哪里不舒服？或推理出是时候马上给主人倒一杯水了？

2. 类似这种家庭日常对话，亦或者说在 AI 看来甚至没有任何【价值】的对话、聊天的数据，是否存在或是否应该存在？

但恰恰是这种在 AI 看来没有任何【有效价值】的对话才是家庭日常内容的主体部分。

3. 人类居家日常毫无有效价值的对话和交流内容，必要存在，但却没必要完全存储。

毕竟没有人会记得，也不需要记得每天吃饭时家人的每句对话的全部内容（仅记忆相关事宜，而非每一句话）。

场景五

他竟然会主动撒谎！！！

带他去赵一鸣买了糖，告诉他少吃糖。

到家之后自己拿了两块糖，跑到卧室，坐到床上吃（还背对着我们）。

吃完之后，回到客厅。

我问他：你刚才吃什么了？

他竟说：没有吃糖。

『那你吃的什么？』

『什么也没吃呀』

你能理解带给你的那种难以置信的 震撼 吗？

撒谎以及如何撒谎，我万分肯定 没有人教过他。

而且，你想让一个 2 岁的孩子弄明白，什么是撒谎 、人类为什么要撒谎，这类抽象概念，也挺难的。

他是如何思考和推理的？

1.大人不让吃糖

2.我吃了

3.大人会生气—推理出 可能挨揍

4.我怕疼，如何规避这个结果？

5.那就说：我没吃！

那么这是 智能涌现 或 智能觉醒 吗？如果是具身智能的话。

I’m not sure.

以上我举例的场景都非常有限，而且在他两岁的世界（数据）中，依然存在着数以万计的长尾场景他没遇到过。

但他第一次面对时，竟然能做到自主泛化，可以在即使没有样本数据（训练数据）时，做出合理又堪称高效的推理和决策、执行并通过反馈进行修正。

我们人类总是假设智能等于聪明，越智能，（认为）泛化能力也越强。

但事实上对于 AI 而言（生成式 AI ） ，并非如此。

对于现在的 AI 大模型来说，聪明和智能，竟然高 度 解 耦。

这也是为什么，每次每当有大模型 LLM 新版本发布时，厂商总会拿出来 Benchmark 声称自己又又又屠榜了，秒杀全人类。

但在实际任务场景中却往往在小学生的题目上就能翻车给你看。

这到底是真 智 能还是真 智 障啊？

究其原因还是因为目前的 AI 训练与人类完全不一致的底层逻辑。

尽管貌似看上去训练人工智能，和养孩子有些类似。

但正如我在《马斯克：人工智能，压根没有智能》中有提到 AI 的本质是模式识别和概率统计（直白点就是：词语接龙）。

所谓 AGI 要取代人类（AGI：通用人工智能），在我看来，任重而道远。

前几个月，Demis Hassabis 提出一个评判 AGI 标准的「爱因斯坦测试」：

『用截止到 1911 年的全部人类知识训练一个模型，然后看它能不能独立推导出广义相对论，就像爱因斯坦在 1915 年做到的那样。

如果能，那就算 AGI，理应具备能够创造出像「相对论」级别的原创知识的能力。』

而现有所有大模型所具备的数据、知识量，都已经更新到人类的 2026 年了（当然已远超 1911 的全人类知识）

但爱因斯坦在哪里？

狭义相对论又在哪里？

这也是为什么 Yann LeCun 对《纽约时报》表示：『大语言模型并非通向超级智能乃至人类水平智能的路径。』

甚至我前两天看个新闻都能给我整错，而且错的离谱（日期：11.4，腾讯新闻，在老黄辞职前）：

那么，你回答我，以前的洗衣机，现在进化到 AI 智能洗衣机，它会自己主动想洗衣服吗？

你回答我，以前的空调，现在进化到 AI 智能空调，它会自己主动想开机凉快一会吗？

你回答我，以前的汽车，现在进化到遥遥领先，它会自己主动想去穿山越岭体验人生吗？

这也是为什么我个人（至少目前）觉得，很长一段时间内在现有框架下，根本无法进化出所谓的 AGI（不客气的讲，甚至没有哪怕一丁点希望）。

不过，你倒是可以生个孩子，体验下人类 AI 的养成计划。

正如这篇文章的主题：

搞 AI 人工智能，有必要（试着）养个孩子。

以上。