摘要：openAI发布了震惊世界的o3，其在ARC-AGI测试评分暴涨，从GPT的只有几分，暴涨到87分，超越了人类的85分的水平。其IQ测试分数据说已经达到157万，概率是10分之7.8。

openAI发布了震惊世界的o3，其在ARC-AGI测试评分暴涨，从GPT的只有几分，暴涨到87分，超越了人类的85分的水平。其IQ测试分数据说已经达到157万，概率是10分之7.8。

如此经验的表现，是否意味着AGI（通用人工智能）就将来临呢？如果说大模型要实现AGI，就表明大模型能够像人一样思考。人有逻辑思维能力，也具有创意思维能力，如果大模型，或者干脆说chatGPT实现AGI，就代表大模型也得具有逻辑思维能力和创意思维能力。

从大模型的设计原理来看，大模型的底层原理就是概率，而逻辑思维能力本身就是对概率的判断，因此毫无疑问，大模型进化后，基本可以判断是会具备逻辑思维能力的。那么，大模型能否具有创意思维能力呢？创意思维能力表现在空间感知、直觉、想象力，其思考过程具有跳跃性。

在逻辑运算中，包含与（AND）、或（OR）、非（NOT）三种基本操作。在布尔代数中，通过简化，只包含了真和假的运算，这为计算机的设计提供了理论依据。计算机设计之初，就是通过电路开关来表达0和1，0代表假，1代表真。可以这么说，整个计算机就是基于0和1的真假运算。

由于0和1的电路最为简单，因此计算机诞生以后，从集体管进化到集成电路只花了20多年，从集成电路到大规模集成电路只花了十几年，现在是一个拇指盖大小的芯片，可以轻松的集成200多亿个晶体管。

0和1的二进制虽然简单，有助于推动计算机技术的发展，现在更是应用到大模型领域，推动了人工智能的发展。但是二进制有一个致命的问题，是二进制无法解决的，这也就决定了大模型未来无法走向AGI，无法拥有创意思维能力。

若要回答此问题，就必须对数学和物理的发展历程予以了解。在 13 世纪，中国的数学家方才发明了小数，数轴也由此从离散的整数轴转变为实数轴

到17世纪，解析几何和微积分诞生，解析几何和微积分的发现，奠定了当今是物理学和数学基础。但是不论是解析几何还是微积分，都依赖于小数的发现，没有小数就不可能诞生解析几何和微积分，也就不会近代的物理和数学。

解析几何是把代数和图形相结合，而图形的连续性，这必然要求数的表现是连续的，而数的连续，必然要求小数能够能够填满数轴，也就是小数是连续的。微积分核心是极限理论，而极限理论的核心就要求小数必须是连续的，譬如一个曲线的极限是1，那么在趋近于无穷大时，曲线无限逼近1，但是不能是1，这必然要求小数是连续。

现代化的基石是基于小数是连续性而建立起来的，但是二进制在表达小数时，却存在严重的问题。从二进制本身来看，二进制可以完美的表达所有的整数，包含所有正整数和负整数，但是二进制在表达小数时，却只能表达少部分的的小数，在二进制的设计里，小数的分布是离散的，譬如，二进制就不能表达0.1，0.2等常用小数，譬如在FP32中，0.1的表达是0.1（10进制）=0.000110011001100110011001100110011…（2进制）

而把这个二进制转换成为10进制，其真实的数是0.1000000014901161。这就开始产生误差了。

根据计算机的IEEE 754标准，PF32的E的取值范围是0到255，因此FP32实际上只能表达256个数，M的最大极限是2的23次方个数，就是8388608个，因此FP32最大只能表示2147483648个小数。甚至连精度更高的FP64，M的最大极限是2的54次方个数，就是4503599627370496个数，E的最大取值数量有2048个，因此FP64最大能够表达9223372036854775808个数，就是922.33亿亿个数。

不论是FP32还是PF64，甚至FP无穷，其表达的数虽然看起来非常非常多，但是就是无法让填满实数轴。如果还是不理解这一点，我用一个例子来说明一下：0点几到1.0之间是有无数个小数的，0.1到0.2之间也是有无数个小数的，0.01到0.02之间，也是有无数个小数的，任意两个有确定数值的小数之间，都是有无数个小数的。

二进制无论如何拓展，都无法满足表达所有的小数。从理论上看，二进制是可以表达无穷个小数，但是这无穷个小数，却填不满数轴，也就是二进制表达的小数本质上是离散的，而不是连续的，无数个小数，是无法用二进制表达的，就像0.1，无论采用多少位的二进制，都无法精确的表达，都是近似的表达，只是随着二进制的浮点长度增加，近似的程度更高而已。

从二进制的底层设计来看，二进制天然无法表达所有的小数。而对于无理数，二进制是完全无法表达。在数学和物理中，我们广泛使用自然数e和圆周率π，这两个都是无理数，二进制不能表达，那么所有基于二进制的算法就无法基于这两个数去做高度抽象，发现这两个数的特征及其运算规律。

有人会说，10进制也无法表达这两个数，但是10进制和二进制的区别就是，只要你给定一个位数，不论多长，10进制就可以给你表达出来，而二进制做不到，这是本质的区别。现在的数学和物理大厦，都是基于连续性创建的。而二进制是离散数学，因此，用二进制的大模型实现AGI根本是不可能的，因为它做不到它无法表达的事情。

既然二进制无法实现AGI，怎么看待o3的表现呢？

创新是分为2种的，第一类创新就是0到1的原始创新，创造新学科，创建新理论，这类创新大约占10%，譬如小数的发明，解析几何的发明，电磁学的发现，相对论和量子力学的发现；第二类创新是1到10，10到100的工艺创新，基于大数据的概率创新，大约占90%，譬如医药的研发、坐诊、人工智能推荐、发现新蛋白质、下围棋、打游戏等。

二进制的大模型极为擅长的就是第二类创新，但是几乎无法完成0到1的原始创新，如果大模型无法完成0到1的原始创新，那么实现AGI就是不可能的事情。

但是，即使二进制的大模型无法实现AGI，我们仍然需要拥抱人工智能大模型，学习大模型，因为它可以帮助人类解决90%的问题，而且效率只会比人类高——人类做出判断需要积累丰富的经验和掌握丰富的知识，但是代际迭代速度极慢，而人工智能可以完美的继承所有人的丰富经验和全部知识，并以此作为判断依据，因此必然是又快又好。

量子计算机出现后，能否会实现AGI呢？其实也不能，因为量子计算机的计算依赖量子比特的数量，一旦量子比特确定以后，那么量子计算机表达的可能性就是有限的。譬如谷歌的105个比特的量子计算机，其包含的可能性最大也只有2的105次方，这是一个有限的数，而不是无限数。因此，从底层原理来看，量子计算即使实现量子霸权了，也是无法实现AGI的。

要想实现AGI，可能依赖人类在10进制计算机、生物计算、模拟计算等方面的理论与技术突破，单纯依靠二进制计算机和量子计算机，永远也无法实现AGI，只能实现高阶智能，高高阶智能，高高高阶智能。就是不管大模型的测试智商有多高，永远也无法突破桎梏，实现人类才拥有的0到1的创新能力，从而达成AGI。

明天，我们沿着o3这条路，给大家剖析英伟达面临的危机。

来源：芒格视角