AI和人,谁更聪明?

我爱免费

作者：微信文章
结论1：AI技术正经历着一场惊人的加速发展，在过去几年中取得了指数级的进步，在许多任务上已经超越人类。预计在未来几年内，AI 在现有主流基准上将全面稳定地超越人类水平，并且AI 的“智力天花板”将被持续推高。

这张图表展示了从2012年到2024年初，8项关键AI技术在特定基准测试（Benchmarks）上的表现，并与人类在该任务上的表现（Human baseline，设定为100%）进行比较，其中7项已经超越了人类基准线，剩余1项也很接近了。特别值得注意的是近几年的发展速度，随着半导体技术的进步，多条曲线，尤其是代表更复杂能力的曲线，在2021年之后呈现出非常陡峭的上升斜率。

图像分类（Image Classification, ImageNet Top-5）：在2015-2016年就接近或达到了人类水平。

中等水平的阅读理解（Medium-level reading comprehension, SQuAD 2.0）：在2018-2019年达到。

英语语言理解（English language understanding, SuperGLUE）：在2020-2021年左右超越人类。

视觉推理（Visual reasoning, VQA）：在2020-2021年超越。

多任务语言理解（Multitask language understanding, MMLU）：在2023-2024年超越。

竞赛级数学（Competition-level mathematics, MATH）：从相对较低的水平在短时间内实现了巨大的飞跃，在2023-2024年超越。

博士级科学问题（PhD-level science questions, GPQA Diamond）：AI的表现从出现开始就迅速攀升，在2023-2024年超越。

多模态理解与推理（Multimodal understanding and reasoning, MMMU）：在2022年后也显示出加速增长。

反映了AI能力的发展路径：早期突破主要在感知层面（如图像识别）和相对基础的语言任务。而近年来的快速进展则更多地体现在需要更深层次理解、逻辑推理、跨学科知识应用（MMLU, GPQA）以及整合多种信息模态（MMMU, VQA）的复杂认知任务上。

结论2：顶尖AI智商已经达到人类前1%，进入了传统意义上“高智商”的区间。挪威门萨（Mensa Norway）IQ测试是门萨国际组织在挪威分支的标准化智力评估工具，其测试时长为25分钟35题，最高分数设置为145（标准差15），主要考察图形分类、空间推理、逻辑关系等能力。TrackingAI.org通过两种不同的 IQ 测试，一种自己出题、不上线的"Offline Test" 和 "Mensa Norway" 挪威门萨测试来评估和比较不同人工智能（AI）模型的“智商”水平。每周测试 20 个语言 AI 和 6 个视觉 AI，并显示最近 7 次测试的平均分数。在挪威门萨测试中：

2025年4月17日发布的openAI O3智商136，已经达到人类前1%的水准2025年3月25日发布的Gemini 2.5 Pro Exp.智商128，接近人类前2%大多数AI智商已经超过100，超越了人类的平均值

128的数值和我每天用Gemini 2.5 Pro的体感基本吻合，经常会被它的智商惊叹到。



在"Offline Test"中，3个大模型超过110：

2025年4月17日发布的openAI O3智商1162025年3月25日发布的Gemini 2.5 Pro Exp.智商1152025年2月25日发布的Claude 3.7 Sonnet Extended，智商110

AI 在不同类型的 IQ 测试中表现可能差异巨大。这也提示我们，使用单一 IQ 测试来评估 AI 的“通用智能”可能存在局限性，结果可能受到测试设计和 AI 模型特定能力的强烈影响。Mensa Norway 测试的高分可能反映了当前 AI 在模式识别、逻辑推理（尤其是非语言类）方面的强大能力。