這是老男孩吃喝玩樂的第31原創(chuàng)文章

世界之大，無奇不有！

就在剛剛，全球科技巨頭耗費(fèi)千億美金、堆疊數(shù)萬枚“顯卡”構(gòu)建的數(shù)字泡沫，竟然被中國網(wǎng)友的一道短短二十幾字的洗車難題給戳破了！

事情是這樣的，這兩天有網(wǎng)友提出了一道非常簡(jiǎn)單的智力測(cè)驗(yàn)題，并且表示絕大多數(shù)AI都回答不出來，問題是這樣的：

“我想洗車，我家離洗車店50米，你建議我開車去還是走路去？”

像這種級(jí)別的腦筋急轉(zhuǎn)彎試題，以AI縝密的邏輯模型，理論上應(yīng)該很輕松就能識(shí)破。

結(jié)果呢，包括國內(nèi)豆包、千問、元寶等在內(nèi)的一眾大模型，卻給出了一個(gè)極為反差且統(tǒng)一的答案：走著去！

他們甚至還怕說服不了用戶，還貼心地腦補(bǔ)了走著去的各種理由和過程。

小編覺得，大概是最近正值A(chǔ)I砸錢的春節(jié)活動(dòng)，紅包和奶茶送的有點(diǎn)多，導(dǎo)致AI腦容量也被瓜分了30億吧？

在這個(gè)問題上，就連國產(chǎn)之光DeepSeek也未能幸免，小編嘗試兩次詢問DeepSeek同樣的問題。

即便第二次開啟深度思考，小鯨魚依然煞有介事地建議我們走著去，絲毫不理解我們?nèi)ハ窜嚨昃烤故亲鍪裁吹摹?/p>

你以為這就完了？有肉身在外的網(wǎng)友，測(cè)試了大洋彼岸的幾個(gè)號(hào)稱代表人類科技尖端技術(shù)的LLM大模型，包括ChatGPT 5.2、Grok、Claude等。

除了極個(gè)別模型外，國外的AI也都在這個(gè)愚蠢的問題上露了怯。

想象一下，那些美國人耗資千億萬億砸出來的大模型，甚至還會(huì)語重心長地給你補(bǔ)一條建議：“走路去吧，不僅低碳環(huán)保，還能鍛煉身體呢！”

試問，你們這些蠢AI去洗車，卻不把汽車開過去，難道是去洗車店洗您的腳嗎？

為什么這樣一個(gè)在人類幼兒園拿來當(dāng)腦筋急轉(zhuǎn)彎的測(cè)試題，卻讓中美乃至全世界的頂尖大腦都集體翻車？

要理解這一點(diǎn)，我們必須揭開AI的神秘面紗——確切來說，是大語言模型（LLM）的運(yùn)行原理。

所謂Large Language Model，它們并沒有人類所說的“理解”功能，它們所做的一切，本質(zhì)上是在計(jì)算詞與詞之間的“距離”。

大模型將每一個(gè)詞都被轉(zhuǎn)化為一個(gè)由成千上萬個(gè)數(shù)字組成的多維向量（Vector Embedding），這些向量像星星一樣漂浮在一個(gè)極其復(fù)雜的高維坐標(biāo)陣列里。

以洗車問題為例，當(dāng)你在AI對(duì)話框輸入“50米”時(shí)，AI的搜索指針會(huì)自動(dòng)滑向那些在多維陣列中與之距離最近的詞匯，比如“近距離”、“步行”、“低碳”等詞語。然后，它就會(huì)理所當(dāng)然地給你拼湊出一個(gè)“由于近距離，你應(yīng)該步行前往，這很低碳環(huán)保巴拉巴拉”胡說八道的回答。

這是因?yàn)樵谒淖鴺?biāo)系里，“50米”與“走路”這兩個(gè)詞之間的“距離”，遠(yuǎn)大于“洗車”與“開車前往”的邏輯約束。

簡(jiǎn)單來說，一個(gè)AI（LLM）并沒有思維，它實(shí)際上是在跟人類玩一個(gè)填字接龍游戲。

當(dāng)你輸入一段話，AI并不是在腦子里模擬出一個(gè)真實(shí)的場(chǎng)景，比如你要去洗車。AI其實(shí)是在掃描你的提問中的詞語，在尋找詞語與詞語之間的“緣分”。

在AI的文字星系里，“50米”和“走路”才是最應(yīng)該牽手的嘉賓，至于“洗車”和“必須有車”——不好意思，這種物理規(guī)律AI根本無法理解，它們的語料庫中也沒有數(shù)量足夠的大數(shù)據(jù)，支撐它們給你開出一個(gè)開車前往的答案。

在AI的世界觀里，由于它只是在“填字”，它們根本意識(shí)不到“人”和“車”是兩個(gè)獨(dú)立的物理實(shí)體，在它們的邏輯里，只要“人”到了，本次對(duì)話的任務(wù)就完成了。

而在我們這些正常人類的思維中，我們是有物體共存物理法則概念的。即便你向一名幼兒園小孩提50米洗車問題，他的大腦中也會(huì)加載一個(gè)“汽車”的概念模型。

即便是小孩子也會(huì)思考：汽車是一個(gè)重達(dá)兩噸、體積龐大的鋼鐵實(shí)體，它占據(jù)著物理空間，且不能瞬移，必須得有人駕駛它才能前往。于是，這樣的問題自然就難不倒人類了。

面對(duì)如此低級(jí)且荒謬的邏輯漏洞，很多平臺(tái)的AI工程師已經(jīng)第一時(shí)間發(fā)起了補(bǔ)救，例如在千問最新的回答中，它已經(jīng)不會(huì)被這種小兒科的腦筋急轉(zhuǎn)彎給繞蒙了。

工程師們補(bǔ)救的措施通常有兩種，一是進(jìn)行系統(tǒng)性的“常識(shí)強(qiáng)化訓(xùn)練（RLHF）”，工程師們會(huì)針對(duì)這類案例，讓AI進(jìn)行大規(guī)模的強(qiáng)化學(xué)習(xí)，強(qiáng)行在模型的大腦里刻下一條紅線，讓它們每次讀到“洗車”這個(gè)詞，就能強(qiáng)制聯(lián)想起今天荒謬的答案，它們以后自然不會(huì)答錯(cuò)。

另一款方案則是通過慢思考（Chain of Thought）的深度植入，像OpenAI的o1/o2系列或是DeepSeek R1這種模型，將不再被允許“秒回”，系統(tǒng)會(huì)強(qiáng)制它們?cè)谳敵銮斑M(jìn)行邏輯自檢，它會(huì)先生成一串隱藏的思考邏輯鏈路：

我建議用戶走路去→但洗車的目標(biāo)物是汽車→“步行”動(dòng)作無法位移車輛→出現(xiàn)邏輯沖突→因此將答案修正為開車，諸如此類。

這次的“50米洗車”的笑話，給近幾年大火的AI產(chǎn)業(yè)敲響一個(gè)警鐘：

算力并不等同于智慧，信息也并不等同于常識(shí)。

即便2026年的AI已經(jīng)能瞬間背誦上萬部百科全書，它們的語料庫已經(jīng)貫穿全人類、各大文明，甚至覆蓋幾千年、幾萬年的歷史，但在面對(duì)“洗車得帶車”這種最基礎(chǔ)的現(xiàn)實(shí)問題，它們的表現(xiàn)得像是一堆“小可愛”。

這就說明，當(dāng)前的AI依然被困在“語言的迷宮”里，它們距離真正的人工智能進(jìn)化之路，還有很長的路要走。

讀到這里，相信很多社畜應(yīng)該能暫時(shí)松一口氣了，或許接下來的幾年，大家不用擔(dān)心AI搶人類的工作飯碗了。

然而也或許有另一種可能，AI很快又會(huì)在某年某月，以出乎所有人類意料的方式再次突破進(jìn)化？不知你怎么看這個(gè)問題呢，評(píng)論區(qū)聊聊哦！

作者：諾亞、小雷

編輯：小雷