摘要：• 这是一个令人振奋的考古学奇迹。这些碳化的赫库兰尼姆卷轴（Herculaneum scrolls）是古罗马世界唯一幸存下来的图书馆藏书，但因火山灰碳化而无法展开。AI（特别是机器学习算法结合CT扫描技术）的“虚拟展开”能力，让失落了两千年的古代哲学著作重见天

这些关于人工智能的“惊人事实”涵盖了AI在各个领域取得的突破以及它所面临的挑战和潜在影响。

1. AI在古代文明研究中的惊人突破

• AI解码了2000年前的维苏威火山卷轴，这些卷轴一碰即碎。

• 这是一个令人振奋的考古学奇迹。这些碳化的赫库兰尼姆卷轴（Herculaneum scrolls）是古罗马世界唯一幸存下来的图书馆藏书，但因火山灰碳化而无法展开。AI（特别是机器学习算法结合CT扫描技术）的“虚拟展开”能力，让失落了两千年的古代哲学著作重见天日。

• 获胜团队在“维苏威火山挑战赛”中利用AI破译了卷轴上的数百个古希腊单词，揭示了一部关于快乐来源的哲学作品，其中提到了音乐和美食等。这被认为是“历史性的时刻”，有望催生“第二次文艺复兴”。

2. AI在生命科学领域的革命性成就

• AlphaFold赢得了2024年诺贝尔奖，将多年的工作转化为几分钟。

• 这极大地肯定了AI在蛋白质结构预测领域的颠覆性贡献。蛋白质结构决定了其功能，AlphaFold能快速准确地预测所有已知蛋白质的结构，将过去耗时数月或数年的实验工作缩短到几分钟，对药物开发、生物技术和基础生命科学研究具有划时代的意义。

• 2024年诺贝尔化学奖确实授予了David Baker、Google DeepMind的Demis Hassabis和John Jumper，以表彰他们“利用计算机进行蛋白质设计”和开发AlphaFold2预测蛋白质复杂结构，解决了长达半世纪的难题。

3. AI对动物交流和人类语言学的探索

• AI解码了鲸鱼的交流，有可能使我们与鲸鱼对话。

• AI通过分析鲸鱼的叫声（如抹香鲸的“滴答声”）序列，发现了被认为仅属于人类的“音位字母表”（phonetic alphabet）等复杂的组合结构。这挑战了人类中心主义的语言观，并为跨物种交流提供了新的可能。

• CETI项目（鲸类翻译倡议）和地球物种项目等非营利组织正在应用AI工具（如LLM）来解码和标记抹香鲸、白鲸等动物的交流数据。虽然学会“人类-鲸鱼”双向翻译仍有挑战，但AI已能以86%的准确率预测鲸鱼行为，并辅助自然保护工作。

4. AI的能源与资源消耗问题

• 一次ChatGPT查询比Google搜索多消耗10倍的能量和半升水。

• 突显了大型语言模型（LLM）在推理阶段的巨大能耗和水耗。与传统搜索相比，LLM的计算量更大，数据中心需要消耗大量的电力和水资源进行冷却。AI的爆发式增长对能源可持续性提出了严峻挑战。

• 有研究指出，一次ChatGPT搜索耗电量约为Google搜索的9.7倍（约2.9 Wh）。训练GPT-3的用电量相当于一个人看185年的Netflix，并且GPT-3训练过程中消耗了惊人的70万升水。

5. AI与人类学习效率的对比

• GPT-4需要13万亿个Token来学习，人类儿童只需要500万个。

• 这个对比揭示了当前AI学习模式（大规模统计模式匹配）与人类学习模式（天生语言能力和社会互动）在效率上的巨大差异。AI是“蛮力”学习者，需要海量数据；而人类是“高效”学习者，能通过更少的例子、结合认知和社交线索进行泛化。

• 人类具有先天的语言能力并通过社交互动学习，而AI则完全依赖大规模的统计模式匹配，需要数千倍的例子。

6. AI在软件开发中的应用现状

• AI现在编写了所有代码的41%，仅2024年就编写了2560亿行代码。

• AI辅助编程工具（如GitHub Copilot）的普及正在彻底改变软件开发。AI已成为开发者的重要“副驾驶”，大幅提高了编码效率。

•超过25%的新代码由AI编写，使用GitHub Copilot的开发者编码速度提高了55%。

• 虽然AI生成代码的“采纳率”在一些企业内部可能低于宣传的数字（如仅20%-30%），但AI辅助编程通过节省开发时间，对提升研发效能的影响是显著的。

7. AI“推理”能力的局限性

• 当问题变得过于复杂时，AI“推理”模型会完全崩溃。

• 这指出了当前最复杂的AI模型在处理超越简单模式识别的真正复杂问题解决方面的根本局限。尽管AI在许多任务上表现出色，但其深度理解和复杂逻辑推理能力仍存在瓶颈。

• 即使是OpenAI的o3和DeepSeek的R1等最复杂的模型，在性能上也遇到了“墙”，它们的表现会完全崩溃，揭示了AI处理超出模式识别的复杂问题解决能力的基本局限。

这些事实描绘了一个AI能力高速增长与显著局限并存的时代。AI正在以前所未有的方式加速科学发现（如蛋白质结构、古代卷轴），改变工业流程（如代码编写），甚至挑战人类对生命和语言的理解（如鲸鱼交流）。然而，这种进步是以巨大的能源和资源消耗为代价的，并且在面对真正复杂的逻辑推理和高效学习（与人类相比）时，仍然存在根本性的挑战。AI的发展既是巨大的机遇，也是对能源和认知科学的深刻考验。

来源：Tonyecc65