莫拉维斯悖论：向听觉图灵测试

本研究表明，当前AI系统在人类轻易完成的听觉任务上会出现灾难性失败。以莫拉维斯悖论（即人类简单完成的任务往往对机器困难，反之亦然）为灵感，我们引入一个听觉图灵测试，包含917个挑战，涵盖七个类别：重叠语音、噪声中的语音、时序失真、空间音频、咖啡店噪声、电话失真和感知幻觉。我们评估了最先进的音频模型，包括GPT-4的音频功能和OpenAI的Whisper，发现其失败率超过93%，即使表现最好的模型在人类成功率高出7.5倍（52%）的任务上也仅实现6.9%的准确率。这些结果揭示了AI系统在处理复杂听觉场景时的注意力聚焦失败，尤其是在选择性注意、噪声鲁棒性和情境适应方面。我们的基准不仅量化了人机听觉之间的差距，还提供了这些失败发生原因的洞见，表明当前架构缺乏实现类人听觉场景分析的基本机制。传统的音频CAPTCHA设计突显了人类进化出的常见过滤器，而机器学习模型往往难以选择。本工作建立了一个诊断框架，用于衡量向类人水平机器听力的进展，凸显了需要将选择性注意、基于物理的音频理解和情境感知集成到多模态AI系统中的必要性。