喺人工智能由「科幻」踏入「日常」嘅 2025 年，一篇 LinkedIn 文章引發業界對 AI 局限嘅深度反思。作者 Alex Wang，喺 LinkedIn 上有超過百萬 followers，以「AI 仍然做唔到啲咩？點解呢啲最有趣」為題，剖析咗當前大型語言模型（LLM）同大型推理模型（LRM）喺泛化、可靠性同世界建模等方面嘅難題。Wang 強調，AI 喺結構化任務（例如客戶支援同知識工作流自動化）已經成熟，但呢啲「做唔到」嘅空白唔係 AGI（通用人工智能）嘅遙遠幻影，而係一張可見嘅「研究地圖」——佢哋會指引下一波突破，例如多模型生態同因果推理架構。本文結合 2025 年最新基準報告同專家訪談，會剖析呢啲局限嘅成因、表現同影響，說明點解「AI 嘅短板」反而成為創新推手。畢竟，喺 DeepSeek V3.2 同 Mistral 3 呢啲開源模型層出不窮嘅時代，承認局限並唔係退縮，而係前行嘅智慧。
AI 嘅雙面鏡：成就耀眼，局限顯現
到 2025 年，AI 嘅光芒已經照到全球經濟：OpenAI 嘅 GPT‑5 系列每日處理 30 億次查詢，Google 嘅 Gemini 3 喺 LMArena 基準上 Elo 分超過 1500，生成式 AI 市場規模預計達 5000 億美元。由 Waymo 嘅自動駕駛到 Adobe Firefly 嘅專業圖像生成，AI 已經滲透交通、醫療同創意產業。X 用戶 @ZaStocks 發帖列舉：「AI 可以自動駕駛、即時翻譯、生成影片，甚至喺軍事情資中即時決策。」呢啲成就源自 Transformer 架構嘅規模化：參數由 GPT‑3 嘅 1750 億升到 2025 年嘅萬億級，訓練數據超過 10 萬億 token。
然而，正如 Wang 所講，AI 嘅「成熟」只限於「數據分佈入面」嘅模式匹配。Aussie AI 研究報告指出，LLM 喺重複性任務上準確率可達 95%，但一遇到邊緣個案就會崩潰。例如，喺 2025 年 AIME 數學競賽基準上，DeepSeek V3.2‑Speciale 得分 96%，但喺變體題（例如加入物理約束）時只得 70%。X 上 @willccbb 吐槽：「都 2025 年喇，GPT‑3.5‑turbo 仲唔識做乘大數。」呢啲都唔係孤例：Palantir 嘅 AI 平台雖然優化咗供應鏈，但用家報告話喺突發地緣事件下預測偏差超過 20%。Wang 嘅見解係，呢啲局限唔係「bug」，而係一種「feature」——佢哋暴露咗 AI 從「預測機」向「智能實體」躍遷嘅需求。
拆解 AI 嘅七大「做唔到」：由泛化到情感嘅深層裂縫
Wang 將 AI 局限歸納成七類，並用具體例子佐證，呼應 2025 年多份調研。第一，真泛化缺乏：AI 擅長做內插（interpolation），但驚外推（extrapolation）。LeetCode Copilot 博文舉例，AI 幫手寫測試面試過關率達 90%，但遇到「邏輯謎題變體」（例如一處非常規條件）時，失敗率飆到 80%。原因係訓練數據偏向常見模式，缺乏魯棒性——LRM 好似 o1 喺遷移學習上，只有 60% 成功率。
第二，可靠性崩潰：長鏈推理容易出現幻覺（hallucination）。Wang 指出，頂級 LLM 喺 1000 token 以上序列後，連貫性會降到 70%。2025 年，Anthropic 嘅 Claude 4.5 喺多步規劃中錯誤率達 15%，需要「驗證器模型」去輔助。
第三，冇內置世界模型：AI 缺乏物理同因果直覺。Wang 引用 Google DeepMind 嘅 Genie 3，佢哋用佢嚟生成虛擬倉庫模擬去訓練代理，但喺真實世界部署時，AI 會忽略重力或碰撞，失敗率達 40%。Meta 嘅 LRM 研究亦證實，AI 喺常識規劃（例如「倒牛奶唔灑出嚟」）上只有 65% 準確。
第四，即時學習缺失：模型一經凍結，就冇辦法動態適應。Wang 對比人類話：「AI 冇『現場學習』（in‑situ learning）。」到 2025 年，Google 嘅嵌套學習雖然有進步，但要適應新任務仍需重訓，耗時數小時。
第五，宏觀目標設定乏力：代理能夠做細節目標，但冇戰略視野。Wang 舉例：AI 可以糾正代碼，但唔明白「點解要做呢個項目」。Bindu Reddy 喺 X 上話，有 20–50% 嘅工作可以自動化，但「安全／權限／上下文」仍然需要人類把關。
第六，情感 grounding 真空：AI 只係模擬共情，冇「生活經驗」。Wang 警告，喺談判或人力資源情境中，AI 好易陷入「有缺陷嘅前提」。LinkedIn 帖子 @mnovello23 補充：「AI 自動化數據清洗，但做唔到建立關係或情感洞察。」2025 年，AI x Education 子欄報告顯示，AI 評分作文存在種族偏見，分唔清「好寫作」同「唔好寫作」。
第七，邊緣個案脆弱：喺模糊情境下，AI 嘅直覺唔足夠。Wang 視之為歷史規律：「每次突破都係解決之前嗰啲邊緣問題。」Facebook 群組討論指，AI 識寫代碼，但唔識「設計用戶體驗或架構決策」。
呢啲「做唔到」唔係一成不變：2025 年，Kweku Opoku‑Agyemang 喺 X 上反駁 cynics：「AI 已經喺數學題目做到 100%、可以代理自治。」但 Wang 堅持，承認短板係進步嘅前提。
成因探源：預測式架構嘅「原罪」同資源瓶頸
AI 局限嘅根源係多維交織。首先，核心架構缺陷：Transformer 係個「預測器」，唔係「理解者」。Wang 剖析話：LLM 靠統計關聯去生成，喺長鏈情境容易「漂移」，幻覺率介乎 10–20%。Personal Science Guide 警告，生成式 AI 嘅「幻覺風險」源自數據噪聲。
其次，數據同計算壁壘：訓練數據愈嚟愈耗盡——到 2025 年，有分析估計高質語料只剩大約 1% 未用。X 用戶 @aasim 話：「我哋消耗咗電力、數據、資金，甚至測量智能嘅方法。」DeepSeek V3.2 雖然降成本達 90%，但世界模型仍需模擬萬億次互動，計算需求係而家嘅 10 倍。
第三，設計哲學偏差：AI 更加係為基準而優化，而唔係為現實而設。Wang 引用 Fei‑Fei Li 嘅話：「規模唔係唯一出路，要有認知啓發式架構。」到 2025 年，歐盟 AI 法例加強咗呢點：要求「因果推理」透明，違規罰款可達營收嘅 7%。仲有，倫理盲區放大咗局限：為咗避免偏見而去人性化數據，反而犧牲咗深度。
「做唔到」嘅魅力：創新引擎同深遠影響
Wang 嘅核心觀點係：呢啲空白「最有趣」，因為佢哋係「可研究」——唔係玄學，而係可操作嘅信號。舉例，世界模型嘅缺口催生咗 Genie 3 類模擬器，推動機械人由實驗室走入工廠；可靠性問題促成多模型監督，例如 OpenAI 嘅「工具調用」生態。
分析 AI 之「做唔到」會喺多層面發揮影響，係把雙刃劍。正面係推動人機協作。AI x Education 強調：「集中喺 AI 做唔到嘅位——建立關係、情感洞察。」企業例如 Palantir 用 AI 去輔助決策，但保留宏觀判斷俾人類，令效率提升 30%。負面係若忽略呢啲問題，風險會擴大——幻覺可能導致醫療誤診（2025 年報告顯示 5% 個案），或者代理失控（例如自治車嘅邊緣事故）。全球影響方面，發展中國家因開源而受惠（例如 Mistral 3 嘅多語言支援），但數據鴻溝又可能加劇不平等。Wang 預測：突破會來自「改變學習方式」——長時記憶、不確定性建模等，可能解鎖十倍性能跳躍。
結語：由「做唔到」到「做得到」嘅黎明
Alex Wang 嘅反思好似一面鏡，映照出 AI 嘅光芒同陰影。喺 2025 年，我哋見證咗由「巔峰 AI」到「現實對峙」嘅轉折。正如 @CaibelPlayz 喺 X 上所言，AI 唔應該當法官或軍人，但呢啲正好係人類價值嘅防線。未來，承認「做唔到」會推動由規模到結構嘅範式轉移——可能喺 2026 年，Garlic 模型會填補某啲編碼鴻溝。AI 係放大鏡：佢照亮我哋嘅局限，同時亦點亮無限可能。喺呢個「做唔到最有趣」嘅年代，創新者應該以此為鑑，攜手向前。