人工智能能否真正理解周围的世界？

现代人工智能模型在解决特定任务方面取得了令人瞩目的成果，从自然语言处理到图像生成均有建树。然而，它们是否能够深刻理解周围世界，这一问题仍未有定论。参加麻省理工学院《技术评论》圆桌讨论的专家强调，当前的人工智能系统仅在统计规律框架内运作，缺乏对上下文或因果关系的真正“意识”。

讨论参与者举例说明，即使是GPT-4或Gemini等先进模型，也会犯下与数据不足无关的错误，而是因为无法超越预设算法来解读信息。例如，人工智能可能正确回答关于物理定律的问题，却无法解释某一现象为何以特定方式发生。这表明模型仍停留在表层信息处理阶段。

尽管如此，关于构建更“具备意识”的AI系统的研究仍在继续。一种方法是整合多模态数据——结合文本、图像、音频等多种信息源，以形成更全面的世界认知。另一种途径是开发能够通过与真实环境互动进行自主学习的模型，而非仅依赖静态数据集。专家一致认为，这一领域的突破可能在未来几年内实现，但需要全新的架构和方法。