Import AI 469：Science AI、RSI 模拟器与扎克伯格的技术悲观主义

DiG-bench 表明，Fable 展现出一定的创造性直觉：……分析 AI 系统的新前沿，是理解它们有多擅长推断其环境中未成文的规则……AI 系统通过探索和好奇心，能在多大程度上弄清其环境的规则，而不是被直接告知这些规则？这对于更好地理解 AI 系统的直觉和创造能力是一个重要问题，而 DiG-bench（Discovery in Games，游戏中的发现）正在提出这个问题，它是一个包含 70 款游戏的新基准，“旨在绘制受控良好的交互系统中发现能力的全貌”。与视觉版“ARC”游戏类似，在 DiG-bench 中，“每款游戏都是一个自成一体的微型世界，有其自身的法则，但规则和目标都对玩家隐藏，必须通过交互来揭示”。你可以在官方项目网站（digbench.ai）上亲自试玩其中一些游戏，以感受它们。它衡量的关键之处在于，玩家能否发现决定其成败的重要机制——基本上，通过摆弄这些游戏，你会感受到自己的行动如何改变环境，并由此揭示你必须理解才能通关的机制。其理念是，如果你能解开这些游戏，你就具备相当不错的能力，能在新颖环境中发现重要信息并更新自己的先验。谁做了这项研究：作者来自 Thinking About Thinking、牛津大学、普林斯顿大学、阿卜杜拉国王科技大学、瑞士 AI 实验室、Inria、MIT。其中一位作者是 Juergen Schmidhuber，一位极具创造力的元老级 AI 研究者。关键事实：

纯文本：这些游戏基本上对语言模型来说是原生形式。它们大多也“足够短，以至于大多数轨迹都能完全容纳在当前前沿模型的上下文窗口内”。

手工打造、新颖且私密：所有这些游戏都由人类专家构建。大多数游戏保持私密，以免 AI 系统在它们上面训练。

可通关但困难：每款游戏都至少被一名人类通关过，“但玩家报告称发现许多游戏很难”。

技能多样：解开所有这些游戏需要不同的技能和策略。

实验：这些游戏附带可选的实验模式，让人们可以随意摆弄它们，而不必受到严格的行动“步数限制”。

令人安心的难度：这些游戏足够困难，当今的前沿模型无法通关。

AI 系统的表现如何？该基准分为七个层级，第 1 层最简单，第 7 层最难。已有 21 款游戏公开发布，其余则暂不公开。大多数游戏有多个关卡，玩家在每一步可采取的行动数量从 2 个一直到 34 个不等。

Opus 5 和 Fable 5 配合 Claude Code 是总体表现最好的模型，其次是 GPT-5.5

只有 Opus 5 和 Fable 5 能够通关（第 7 层）中的任何任务（0.2）。在获得 harness（例如 Claude Code）的情况下，Opus 5、GPT-5.5 和 Kimi K3 能够通关第 6 层的一些任务。

GLM-5.2 和 Gemini 3.1 Pro 能够通关第 4 层的一些关卡。

总体而言，这看起来真的很难！

“每个人都将拥有一个能力卓越的个人智能体，它理解你、你的目标以及你所关心的一切。”

“每个人都将拥有令人难以置信的创作工具来表达自己的想法。”

“每个人都将拥有强大的工具来创建新企业，经济将变得更加具有创业精神。”

“每个人都将拥有一位个性化导师和教练，他们在每个学科都拥有博士学位，并有无尽的耐心帮助你学习任何你想学的东西。”

“每个人都将受益于科学进步，并能够为科学进步做出贡献。”

“每个人都将免费或以可负担的方式获得这些工具。”

缺失的问题：这篇文章中我最不理解的部分，是扎克伯格将能够发明的 AI 系统与个人赋能混为一谈。这篇文章充满了似乎假定这些东西是捆绑而来的内容，例如：

“虽然一个人一天能提出的问题数量有限，但超级智能为帮助实现你的目标所能发明的有价值之物是无限的。”

“超级智能越是作为发明的工具，个人能力就越有可能超越自动化，未来对人们就越有利。”

“每个人很快都将拥有发明超能力。”

“我们得到哪种结果，取决于自动化一方与个人赋能和发明一方之间的进展平衡。”

启发这个故事的事物：金字塔的建造；高迪的圣家堂；陵墓与未来的陵墓。感谢阅读！