欢迎观看本期【巷语记】，在阅读此文之前，麻烦您点击一下“关注”，既方便您进行讨论和分享，又能给您带来不一样的参与感，感谢您的支持。

文 |无言

2026年的AI圈现在有点热闹得过了头，AGI这词儿快被各家公司说烂了。

今天这家宣布"AGI近在咫尺"，明天那家号称"已突破通用智能"，但真要问他们AGI到底是个啥，多数时候都含糊其辞。

更要命的是，现在评估AI能力的那些测试，越来越像应试教育的考场去年Llama4刚闹出刷榜丑闻，说是在代码测试里拿了高分，结果实际部署时连个简单的系统漏洞都查不出来。

就在这时候，吴恩达突然扔出个重磅消息，他要搞个"图灵-AGI测试"，说是要给现在虚火旺盛的AGI赛道降降温。

传统测试为啥失灵了？

现在AI圈对AGI的定义简直乱成一锅粥。

硅谷那些公司把AGI当成季度KPI来喊，今天说"三年内实现"，明天又改成"已完成50%"，但问他们具体衡量标准，要么拿不出，要么就是自家定的"内部标准"。

斯坦福HAI研究院去年出过份报告，说全球差不多三分之一的AI企业，把"AGI"当营销话术用，实际技术水平离真正的通用智能还差着十万八千里。

老祖宗艾伦·图灵1950年搞的那个测试也有点跟不上趟了。

那个测试就看AI能不能模仿人类对话，但会聊天不代表能干活啊。

2024年OpenAI用GPT-4通过了简化版的图灵测试，可真让它搞医疗诊断，误诊率比实习医生还高，让它写段复杂代码，跑起来全是bug。

这就好比拿英语六级成绩去招聘程序员，方向从根上就偏了。

更头疼的是那些所谓的"基准测试"，现在成了刷榜重灾区。

就说GPQA、AIME这些测试吧，数据集都是公开的，AI团队只要针对这些题猛练，成绩肯定好看。

MIT技术评论去年做过调查，78%的AI模型在测试集上的表现，比真实场景里高出三成还多。

这跟学生熬夜背题库应付考试有啥区别？考分再高，真到工作岗位上还是抓瞎。

新测试到底想解决啥问题？

既然老办法不行，那吴恩达这次提出的新测试又是咋回事呢？简单说，就是让AI去"上班"。

测试的时候会给AI配个工作环境，有互联网，有浏览器，还能开Zoom会议，然后让它完成人类裁判设计的真实任务可能是给新员工做客服培训。

也可能是跟进一个完整的项目管理流程，一搞就是好几天，最后看它能不能达到人类员工的熟练程度，这才是判断标准。

本来想这测试可能跟以前一样搞些选择题，后来发现完全不是。

跟传统测试比，它有三个明显的突破，任务没范围，今天让你写报告，明天可能让你做PPT，环境跟真上班一样。

还得跟人协作，评估维度也多，不光看结果，还得看效率、错误率，甚至有没有创新想法。

吴恩达在自己博客里说得挺实在，"AGI的价值最终得看它能不能创造经济效用，总不能老停留在聊天吹牛的阶段。"

这测试的真正目的，怕是想给行业降降温。

就算现在没有AI能通过，至少能让那些天天喊"AGI来了"的公司消停点，把精力放在真正有用的技术上。

有AI伦理学者就说，这玩意儿可能会成为AGI领域的"退烧药"，让大家从概念炒作回到实际应用。

说起来，这测试也不是没争议。

有专家担心，人类裁判的主观判断可能影响结果，毕竟每个人对"熟练程度"的理解不一样。

有人建议得搞个多维度评分表，效率占多少，错误率占多少，创新能力占多少，还得找不同机构的人来监督，这样才公平。

吴恩达这步棋走得挺有意思，短期看，能让那些靠AGI概念骗融资的项目现原形。

Gartner预测说，如果这测试真能推广开，AI行业里"AGI概念融资"占比能从现在的45%掉到20%，反倒是那些解决具体问题的实用型项目能多拿30%的投资。

长期来看，要是真有AI能通过这测试，那才是实打实的技术突破，比现在空喊口号有意义多了。

想想吴恩达以前干的事，从Coursera上的AI课程到推动深度学习普及，他好像总喜欢在行业跑偏的时候拉一把。

这次的图灵-AGI测试，说不定真能成为AGI发展的指南针，让技术往真正有用的方向走。

当然，这事儿还得行业、学术界和监管机构一起使劲，把测试规则打磨得更科学。

毕竟技术发展快不是坏事，但得走得稳，走得对，才能真的帮到人。

支持作者，写作不易！如果您喜欢我的文章，可以点个“关注”，成为铁粉后能第一时间收到文章推送。