AI模型频频败北的智力测试，人类表现如何？

空间推理：人类的先天优势

空间推理是人类认知的强项，也是AI至今难以逾越的障碍之一。典型的‘心理旋转’测试要求判断两个二维图像是否代表同一三维物体的不同视角。尽管多模态大模型已具备图像分析能力，但在该类任务上表现依然极差。研究者指出，即便‘世界模型’概念被频繁提及，当前语言模型仍无法像建筑师或机械工程师那样，在脑海中灵活操纵三维结构——这种具身化空间思维尚未被现有架构有效建模。

记忆与适应性边界：过拟合的双刃剑

大模型拥有海量训练数据赋予的‘超常记忆’，这使其在知识问答中碾压人类，却也埋下隐患：当新题与训练中见过的题目高度相似时，模型易忽略关键差异，直接复用旧答案。2024年谷歌与伊利诺伊大学厄巴纳-香槟分校联合研究证实，模型在‘骑士与无赖’（Knights and Knaves）变体题中频繁出错——该类逻辑谜题要求根据角色真假陈述推断身份，而微小的条件改动即可让模型沿袭错误模式。类似现象亦见于SimpleBench测试：题目表面简化，实则暗藏需即时识别的逻辑陷阱，人类能快速察觉，顶尖模型却屡屡‘踩坑’。

抽象与视觉推理：编码方式决定成败

AI不仅在3D空间推理上受挫，二维抽象推理同样薄弱。最具代表性的基准是ARC-AGI（Abstraction and Reasoning Corpus - Artificial General Intelligence），它要求从数个输入-输出示例网格中归纳出普适变换规则。有趣的是，当网格以数字字符串（如‘0,1,0;1,1,1’）而非图像形式输入时，模型性能显著提升，说明其本质依赖符号模式匹配，而非真正理解视觉关系。更关键的是，即使答对，模型常生成复杂且不可泛化的‘特设规则’，而人类则基于简洁的视觉概念（如‘镜像’‘平移’‘颜色翻转’）进行推理。尽管过去一年模型在ARC-AGI整体得分大幅提高，但部分题目（如文中所附）仍持续难倒主流系统。

直觉陷阱：人类独有的认知盲区

并非只有AI会落入思维陷阱。心理学家设计了另一类‘反向SimpleBench’题目：这些题目专攻人类固有认知偏差，例如锚定效应、可得性启发等，导致人类常凭直觉给出错误答案，而AI因无此类生物性启发式，反而可能答对。这揭示了一个深层事实：AI与人类的‘错误’源于不同机制——前者是架构与训练范式局限，后者是进化塑造的认知捷径；二者并非同一维度上的‘高低之分’，而是异构智能体的差异化表现。