哈薩比斯出的難題，GPT之父接上了：用一個知識停在1930年的模型
研究背景與核心問題
今年年初，哈薩比斯提出了一個極其硬核的AGI（人工通用智能）判定標準：一個訓練數據截止到1911年的模型，能不能自己推導出愛因斯坦1915年提出的廣義相對論？這個問題旨在測試AI是否真正理解知識，還是僅僅在重複訓練數據。
實驗設計與模型構建
研究者Alec Radford等人使用1931年前的數據訓練了一個13B參數的模型Talkie，其「世界觀」被凍結在1930年12月31日，完全切斷了現代知識的汙染。該模型沒有接觸過任何現代技術或編程語言，卻在測試中展現出令人驚訝的能力。
關鍵發現與技術挑戰
- 模型能部分理解編程概念：儘管沒有見過一行代碼，Talkie卻能寫出Python代碼，顯示出其具備一定的邏輯推理與語言生成能力。
- 時間洩漏問題：舊書重版中的現代序言或檔案整理註釋，可能無意中引入後設信息，即使採用特徵過濾算法也難以完全阻斷。
- 知識斷層的測試價值：這種「復古模型」為研究者提供了罕見機會，以驗證AI是否真正理解知識，而非僅依賴數據訓練。
延伸討論與未來意義
這項研究不僅挑戰了當前大模型的訓練方式，也引發了對AI是否具備真正理解與推理能力的深層思考。若一個沒有現代知識的模型能自主推導出複雜科學理論，將為AGI的發展提供關鍵證據。