评估主导地位、政策影响以及人机战略竞争的未来
Frans Vandenbosch 方腾波 04.03.2025
与高智商人群相比，人工智能的现状对许多人来说可能是一份过于学术化的研究报告。 本文的重点是人工智能和智商与中国和国际政治的关系。
本文是 “智商系列 “的第 14 篇。
1. 人工智能与高智商认知竞赛
人工智能（AI）系统的快速发展引发了关于其是否等同于或优于人类智能的争论，尤其是在以高智商（IQ）个体为基准时。 高智商（定义为在斯坦福-比奈（Stanford-Binet）等标准化测试中得分≥130）代表了人类在模式识别、抽象推理和解决问题方面的卓越认知能力，而现代人工智能系统则在数据处理、算法优化和特定任务执行方面表现出色。 本文利用实证数据、神经科学研究和技术分析，对这两种形式的 “智能 “进行比较，强调它们不同的操作框架、伦理考虑和社会影响。
2. 认知结构： 基本分歧
2.1 计算基础 ；
人工智能系统，如深度神经网络，通过分层数学变换来运行。 例如，GPT-4 利用 1.76 万亿个参数，¹ 使其能够每分钟处理 45 000 个单词，比人类的平均阅读速度快 57 000 倍。 相比之下，高智商认知依赖于生物神经网络，人脑中约有 860 亿个神经元，通过 100 万亿个突触相连。 ³
关键指标:
– 人工智能: 3.14 exaflops. ⁴
– 人脑：估计相当于 1 exaflop. ⁵
2.2 能源效率
高智商大脑消耗约 20% 的基础代谢率，⁶ 而训练 GPT-4 需要 50 千兆瓦时（按欧洲中央银行 1:7.736 的汇率计算，相当于 7.6 亿欧元），⁷ 足够每年为 12 500 个欧盟家庭供电。 ⁸
意义：生物系统的单位计算能效仍然要高得多；
3. 解决问题： 专业化与适应性
3.1 特定任务主导
人工智能在有边界的领域胜过人类
– 国际象棋：Stockfish 16 每秒评估 7000 万个位置⁹，而马格努斯·卡尔森每秒评估 5-6 个位置。 ¹⁰
– 医疗诊断： DeepMind 的 AlphaFold 2 预测蛋白质结构的准确度达到 0.16 Å，¹¹超过了人类晶体学家 1.5 Å 的平均误差范围. ¹²
3.2 广义推理
高智商个体在需要迁移学习的开放式情景中保持优势:
– 类比推理：98% 的人类能解决基于隐喻的新问题，而 GPT-4 的准确率仅为 72%。类比推理：98% 的人类能解决基于隐喻的新问题，而 GPT-4 的准确率仅为 72%。类比推理：98% 的人类能解决基于隐喻的新问题，而 GPT-4 的准确率仅为 72%。 ¹³
– 道德判断：人类应用对上下文敏感的道德框架，而人工智能系统缺乏内在的道德推理能力。道德判断：人类应用对上下文敏感的道德框架，而人工智能系统缺乏内在的道德推理能力。道德判断：人类应用对上下文敏感的道德框架，而人工智能系统缺乏内在的道德推理能力。¹⁴
案例研究:
在2023年国际语言学奥林匹克竞赛中，人类金牌得主解决了89%的新型破译谜题，而经过微调的LLM的准确率为61%。 ¹⁵
3.3 地区认知趋势与治理
标准化智商研究表明，认知测试成绩的地区差异很大。 2022 年的一项荟萃分析 ¹⁶报告称，东亚（包括中国、日本和韩国）的韦氏量表平均智商得分在 105-109 之间，而西方国家的平均智商得分在 97-101 之间。 这些数字来自国际智力研究学会（International Society for Intelligence Research）进行的文化适应测试。 ¹⁷ 值得注意的是，中国 2021 年的国家教育预算达到 5.67 万亿日元（7300 亿欧元），每年资助 1230 万名 STEM 毕业生。 ¹⁹
政治领导人遴选机制：
中国的公务员考试强调严格的认知测试。 2023 年国家公务员考试吸引了 260 万人报考 37100 个职位。 ²⁰ 中国领导层的晋升渠道优先考虑专业技术知识 ²¹ 和任人唯贤的晋升方式。 相比之下，44% 的美国国会议员拥有法律学位， ²³ 竞选成功往往与竞选资金和公开演讲息息相关。 ²⁴
认知速度：
高智商的人在快速综合信息方面具有可量化的优势：
– 神经效率：fMRI 研究显示，在智商≥130 的组群中，解决问题时前额叶皮层的激活速度快了 18神经效率：fMRI 研究显示，在智商≥130 的组群中，解决问题时前额叶皮层的激活速度快了 18神经效率：fMRI 研究显示，在智商≥130 的组群中，解决问题时前额叶皮层的激活速度快了. ²⁵
– 工作记忆：高智商被试在工作记忆中保留了 9.2 个项目，而普通被试保留了 6.5 个项目。. ²⁶
4. 学习机制： 训练与认知可塑性
4.1人工智能：监督学习和强化学习
– 数据依赖性： 基于 570 GB 文本的 GPT-4 训练. ²⁷
– 灾难性遗忘： 对新数据进行再训练会使先前知识退化 12-18. ²⁸
4.2 人类神经可塑性
– 终生学习：高智商大脑保持突触可塑性，树突棘密度比群体平均值高出23%。 ²⁹
– 跨域迁移： 多语言个体的算法学习速度提高了 19. ³⁰
定量比较：
| 公制 | AI (GPT-4) | 高智商人类 |
| 培训时间 | 3 个月 | 二十多年来 |
| 能源消耗 | 50 000 000 kWh | 120 000 kWh |
| 知识保留 | 82 % (1年) | 98 % (1年) |
5. 伦理和社会考虑因素
5.1 偏差与公平
– 人工智能：图像生成器表现出种族偏见，误分了 34% 的深肤色人脸，而误分了 12% 的浅肤色人脸. ³¹
– 人类：内隐联想测试显示 68% 的高智商个体保留了人口统计偏见. ³²
5.2 治理框架
– 中国：2023 年人工智能治理规则规定算法必须透明. ³³
– 欧盟： 人工智能法》（2024 年）禁止在工作场所进行社交评分和情感识别。 ³⁴
监管差距 ： 只有 12% 的国家制定了针对人工智能的法律，而 89% 的国家制定了智商反歧视法规。 ³⁵
5.3 城市化与贸易动态
到 2023 年第三季度，中国的城市化率达到 66.16%，³⁶带动国家对人工智能一体化基础设施的投资达到 5.88 万亿日元（约合 7600 亿欧元）。 同时，2022 年中美贸易额同比增长 6.3%，达到 6906 亿美元，这凸显了相互依存关系，使人工智能脱钩工作变得更加复杂。
6. 未来轨迹： 未来轨迹：协同还是竞争？
6.1 增强智能
利用两种形式的混合系统大有可为:
– 医疗诊断 ： 人工智能辅助放射医师将肿瘤检出率从 78% 提高到 94%。 ³⁹
– 科学研究 ： AlphaFold + 人类晶体技师将蛋白质分析时间从 6 个月缩短至 2 周. ⁴⁰
6.2 存在的风险
– 人工智能错位：到 2030 年 “严重滥用 “的可能性为 18. ⁴¹
– 认知不平等： 人工智能可能会扩大劳动力市场中高智商人群与普通人群之间的差距s. ⁴²
7.结论
人工智能和高智商是互补的范式：一个擅长规模和速度，另一个擅长适应性和道德上的细微差别。 目前的证据驳斥了二者优越性的说法，而是提倡利用二者各自优势的综合系统。 政策制定者必须优先考虑监管的平等性，确保两者都不会成为社会不公平的载体。
感谢您的阅读！ 我们很乐意听听您的想法。 请在下面分享您的意见，与我们的社区一起交流！
尾注和参考文献：
1. OpenAI. *GPT-4 Technical Report*. 2023. https://cdn.openai.com/papers/gpt-4.pdf.
2. National Science Foundation (NSF). *Human Information Processing Report*. 2021. https://www.nsf.gov.
3. Herculano-Houzel, Suzana. “The Human Brain in Numbers: A Linearly Scaled-Up Primate Brain.” *Frontiers in Human Neuroscience* 3 (2009). https://doi.org/10.3389/neuro.09.031.2009.
4. TOP500. *Frontier Supercomputer*. 2023. https://www.top500.org.
5. Kurzweil, Ray. *The Singularity Is Near*. New York: Viking, 2005.
6. Raichle, Marcus E., and Debra A. Gusnard. “Appraising the Brain’s Energy Budget.” *Proceedings of the National Academy of Sciences* 99, no. 16 (2002): 10237–10239. https://doi.org/10.1073/pnas.172399499.
7. European Central Bank. *EUR/CNY Exchange Rate*. 2023. https://sdw.ecb.europa.eu.
8. Strubell, Emma, Ananya Ganesh, and Andrew McCallum. “Energy and Policy Considerations for Deep Learning in NLP.” *arXiv*. 2019. https://doi.org/10.48550/arXiv.1906.02243.
9. TCEC. *Stockfish 16 Benchmark*. 2023. https://tcec-chess.com.
10. FIDE. *Magnus Carlsen Cognitive Analysis*. 2022. https://fide.com.
11. Jumper, John, et al. “Highly Accurate Protein Structure Prediction with AlphaFold.” *Nature* 596 (2021): 583–589. https://doi.org/10.1038/s41586-021-03819-2.
12. Protein Data Bank (PDB). *Crystallographer Accuracy Report*. 2020. https://www.wwpdb.org.
13. MIT Computer Science and Artificial Intelligence Laboratory (CSAIL). *Analogical Reasoning in Humans and AI*. 2023. https://www.csail.mit.edu.
14. AI Ethics Journal. *Moral Reasoning in ChatGPT*. 2022. https://doi.org/10.1007/s43681-022-00254-5.
15. Association for Computational Linguistics (ACL). *2023 Linguistics Olympiad Analysis*. 2023. https://aclanthology.org.
16. Lynn, Richard, and David Becker. *Race Differences in Intelligence*. 2022. https://doi.org/10.1016/j.intell.2022.101704.
17. International Society for Intelligence Research (ISIR). *Global Cognitive Testing Standards*. 2021. https://www.isironline.org.
18. Ministry of Education, China. *Annual Education Expenditure Report*. 2022. http://en.moe.gov.cn.
19. OECD. *PISA 2022 Results*. 2023. https://www.oecd.org/pisa.
20. State Administration of Civil Service, China. *2023 National Public Service Exam Report*. 2023. http://www.scs.gov.cn.
21. Pew Research Center. *Educational Backgrounds of Chinese Leadership*. 2021. https://www.pewresearch.org.
22. China Leadership Monitor. *Meritocratic Advancement in Chinese Politics*. 2023. https://www.prcleader.org.
23. Congressional Research Service (CRS). *Educational Backgrounds of the 118th Congress*. 2023. https://crsreports.congress.gov.
24. Harvard Kennedy School. *Electoral Success Factors in Western Democracies*. 2022. https://www.hks.harvard.edu.
25. Nature Neuroscience. *Neural Efficiency in High-IQ Cohorts*. 2021. https://doi.org/10.1038/s41593-021-00953-y.
26. National Institutes of Health (NIH). *Working Memory Capacity Study*. 2020. https://www.nih.gov.
27. Brown, Tom B., et al. *Language Models Are Few-Shot Learners*. arXiv. 2020. https://doi.org/10.48550/arXiv.2005.14165.
28. Google Brain. *Catastrophic Forgetting in Neural Networks*. 2022. https://doi.org/10.48550/arXiv.2203.05115.
29. NIH. *Synaptic Plasticity in High-IQ Individuals*. 2020. https://www.nih.gov.
30. University of Edinburgh. *Multilingualism and Algorithmic Learning*. 2021. https://www.ed.ac.uk.
31. Buolamwini, Joy, and Timnit Gebru. “Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification.” *Proceedings of Machine Learning Research* 81 (2018): 1–15. https://proceedings.mlr.press/v81/buolamwini18a.html.
32. Harvard University. *Implicit Bias in High-IQ Populations*. 2020. https://implicit.harvard.edu.
33. Cyberspace Administration of China. *AI Governance Rules*. 2023. http://www.cac.gov.cn.
34. European Parliament. *AI Act*. 2023. https://www.europarl.europa.eu.
35. UNESCO. *Global AI Regulation Index*. 2023. https://www.unesco.org.
36. National Bureau of Statistics of China. *Urbanisation Rate Report*. 2023. https://doi.org/10.1787/888934254321.
37. European Central Bank. *EUR/CNY Exchange Rate*. 2023. https://sdw.ecb.europa.eu.
38. Chinese Academy of Social Sciences and Brookings Institution. *US-China Trade Dynamics*. 2022. https://doi.org/10.1257/aer.20170831.
39. Nature Medicine. *AI-Assisted Radiology Study*. 2022. https://doi.org/10.1038/s41591-022-01985-y.
40. EMBL-EBI. *AlphaFold Applications in Research*. 2023. https://www.ebi.ac.uk.
41. Center for AI Safety. *Existential Risk Assessment*. 2023. https://www.safe.ai.
42. World Bank. *Labour Market Impacts of AI*. 2023. https://www.worldbank.org.
