人工智能作为异样智能：反对线性智能模型
人工智能
2026-02-06 v1
摘要
我们支持并扩展Susan Schneider对线性AI进步模型的批评，提出两个新概念：“熟悉的智能”和“异样的智能”。AI智能可能是异样智能，这会挑战熟悉的能力与局限模式，结合某些领域的超人能力与其他领域的亚人水平，甚至在同一领域内结合超人洞察力与少数人类会做出的惊人错误。我们发展并捍卫一种非线性智能模型，其中“通用智能”并非统一的能力，而是能够在广泛环境中以广泛方式实现多种目标的能力，这以方式挑战非任意地归约为单个线性量。我们以对抗性测试方法评估AI能力的含义为结论。如果AI是异样智能，我们应该期望即使是最有能力的系统在看似显而易见的任务中也会出错。在非线性的AI智能模型下，这些错误本身并不表明该系统缺乏卓越的通用智能。相反，对单一任务类型(如IQ测试)的优异表现不能作为该系统在该任务域之外的广泛能力的假设依据。
引用
@article{arxiv.2602.04986,
title = {Artificial Intelligence as Strange Intelligence: Against Linear Models of Intelligence},
author = {Kendra Chilson and Eric Schwitzgebel},
journal= {arXiv preprint arXiv:2602.04986},
year = {2026}
}