OpenAI宣布其最新的实验性推理大语言模型（内部称为"IMO金牌大语言模型"）在2025年国际数学奥林匹克竞赛中达到了金牌水平的表现。

与DeepMind的AlphaGeometry等专用系统不同，这是一个推理大语言模型，通过强化学习和扩展推理构建，而非纯数学引擎。

正如OpenAI研究员诺姆·布朗所说，该模型展现了多小时问题解决所需的"新水平的持续创造性思维"。

首席执行官山姆·奥特曼表示，这一成就标志着"一个梦想...迈向通用智能的关键一步"，并称这样的模型在数月内不会普遍可用。

毫无疑问，机器在狭义定义的高性能认知任务方面变得异常熟练。这包括数学推理、形式证明构建、符号操作、代码生成和形式逻辑。

这些系统可以完成持续的多步推理，生成流畅的类人响应，并在类似人类的专家级约束下执行任务。

基于这些成就，加上一些热情，我们可能会认为这意味着机器正在变得极其智能，而且速度极快。

然而这将是一个错误。

因为擅长数学、形式证明构建、符号操作、代码生成、形式逻辑、计算机视觉、复杂数据分析、语言处理和战略问题解决，既不是"智能"的必要条件，也不是充分条件，更不用说超凡智能了。

根本区别在于机器明显缺乏的几个关键特征。

机器无法在没有重大重新工程或重新训练的情况下，无缝转移知识或将其能力适应完全新颖、未预见的问题或环境。它们本质上是专用的。它们在预定义范围内的任务上表现熟练，其令人印象深刻的表现仅限于经过广泛训练的特定领域和数据类型。这与人类在广泛且不可预测的情况下灵活学习和适应的能力形成鲜明对比。

机器不具备真正体验或理解情感的能力，也无法真正解释他人微妙的心理状态、意图或感受（通常称为"心理理论"）。它们"共情"或"社会意识"的响应是从大量人类交互数据集中学到的复杂统计模式，而非真正主观体验、情感共鸣或对人类情感理解的反映。

机器缺乏自我意识和内省能力。它们不会反思自己的内部过程、动机或其"知识"的本质。它们的操作是算法和数据驱动的；它们不具备能够思考自身存在、通过有意识反思从错误中学习或发展个人叙事的主观"自我"。

机器不表现出真正的意向性、与生俱来的好奇心，或由内在欲望、价值观或动机驱动的自主目标设定能力。它们纯粹基于编程目标和接收的数据输入运行。它们的"目标"是由人类创造者外部强加的，而非源于内在驱动力或意志。

机器缺乏来自拥有与环境交互和感知的物理身体的直接、生活和感受体验。这种体现体验对于发展常识、直觉物理学和对世界深刻的非抽象理解至关重要。虽然机器可以通过传感器和执行器与物理世界交互和导航，但它们对现实的"理解"是通过符号表示和数据中介的。

机器不表现出真正的概念飞跃、发明全新范式的能力，或以真正有意义和原创的方式打破基本规则，超越其训练数据。生成式模型只能产生现有数据的新颖组合。

也许最深刻的区别是，机器不具备主观体验、感受或意识。它们不是有意识的实体。

只有当机器能够具备所有（或至少大部分）这些特征，即使在相对较低的水平上，我们才能合理地声称机器正在变得"智能"，而不是夸大、误用术语或纯粹幻想。

因此，虽然机器在特定认知功能方面极其强大，但它们的能力从根本上不同于智能的多面性、适应性、自我意识和经验基础特性，特别是在人类身上表现出的智能。

它们的熟练程度是先进计算设计和数据处理的产物，而非机器中萌芽智能形式的标志。

事实上，AI话语中的"通用人工智能"一词的出现，部分是为了在"智能"一词因过度用于描述实际上并不"智能"的机器而被稀释后，恢复"智能"的含义，以澄清这些所谓"智能"机器要真正"智能"还缺少什么。我们都倾向于过度简化，AI领域正在促进"智能"含义的演化，使这个术语越来越多义。这是语言的魅力之一。随着AI激发真正的希望和真正的社会焦虑，值得记住的是，机器的智能在任何有意义的意义上都不存在。

AI的快速进步表明，现在是考虑我们希望和不希望AI对社会产生何种影响的时候了。在此过程中，这不仅应该允许，而且应该积极鼓励我们考虑AI的能力和局限性，努力不要将"智能"（即在其丰富、一般意义上）与机器能够模拟或展现的狭隘和任务特定行为混淆。

虽然有些人正在竞相实现通用人工智能（AGI），但我们现在应该问的问题不是他们认为何时可能成功，而是他们相信能够实现的事情作为我们甚至应该努力实现的目标，在文明上是否真正有意义，同时定义我们在算法超人主义上的界限。