挑戰 AI 謎題：七項測試檢驗機器智慧
AI 與遊戲的關係
自 1959 年 IBM 科學家阿瑟·薩繆爾（Arthur Samuel）發表「機器學習」概念，並讓演算法學會玩西洋跳棋以來，謎題與棋類一直是測試人工智慧（AI）進步的核心舞台。象棋、圍棋（Go）等傳統棋盤遊戲，以及近年《紐約時報》推出的「Connections」連線題，都曾成為模型能力的試金石。
七項測試概覽
以下七項測試分別聚焦於 AI 與人類認知的不同切面，讓讀者一窺機器智慧的強項與盲點。
| 測試 | 重點 | 人類優勢 | |------|------|----------| | 1️⃣ 空間推理（心智旋轉） | 判斷同一物件在不同角度的投影 | 具備三維想像與旋轉能力 | | 2️⃣ 微調謎語 | 細微字句變化會使模型失誤 | 靈活的語境理解 | | 3️⃣ 視覺拼圖 | 複雜圖形的組合與拆解 | 高度的圖形辨識 | | 4️⃣ 記憶 Trivia | 大量事實回憶與快速檢索 | 概念串聯與推理 | | 5️⃣ 變體連線題 | 「Connections」題目細節變化 | 抽象關聯思考 | | 6️⃣ 多步推理 | 需要多層次邏輯的解題 | 系統化的步驟規劃 | | 7️⃣ 常識判斷 | 依賴日常生活常識的判斷 | 真實世界經驗 |
測試一：空間推理的挑戰
在 IQ 測驗中常見的「心智旋轉」題目，要求受測者判斷兩張圖是否為同一物體的不同視角。雖然現代大型語言模型（LLM）已能處理視覺輸入，但在此類三維旋轉任務上仍表現慘淡。即便模型聲稱具備「世界模型」——即對物理環境的內部模擬——實際上仍無法像建築師或機械工程師般自由操控 3D 物件。
測試二：記憶與 Trivia 的雙刃劍
LLM 受訓於海量文本，擁有驚人的事實記憶力，這使它在 trivia（問答競賽）上能輕易超過一般人。但正因如此，當謎題與模型訓練資料高度相似時，模型往往會「照本宣科」——直接回覆記憶中的答案，而忽略題目中微妙的差異。2024 年 Google 與伊利諾伊大學厄巴納‑香檳分校（University of Illinois Urbana‑Champaign）共同進行的研究就證實，模型在面對僅有細部變化的題目時，正是因為過度依賴記憶而失誤。
測試三：文字謎語的敏感度
文字謎語常以雙關、隱喻或語序變化設計。即便是最先進的模型，也會在這類微調題目上卡關。這顯示出 AI 在「語境靈活性」方面仍有顯著差距，與人類能即時捕捉語言細節的能力形成對比。
測試四：視覺拼圖的弱點
視覺拼圖要求將碎片重新組合成完整圖像，測試的是空間感與圖形辨識。實驗顯示，當拼圖的形狀或顏色稍作改動，模型的正確率會急劇下降，說明目前的視覺模型仍缺乏對「形狀概念」的深層理解。
測試五至七：連線題、推理與常識
《紐約時報》2024 年底的 Connections 題目，最先進的模型只能解出約 18% 的題目；到了 2025 年初，部分模型已能接近完美解答。然而，這種進步並非線性，仍受限於題目設計的微小變化。多步推理與常識判斷則測試模型在長程邏輯與日常經驗上的表現，結果顯示 AI 在需要跨領域聯想時仍易出錯。
未來展望
七項測試不僅是對 AI 能力的量化指標，更是指引研究者改進模型的指南。隨著「多模態」學習（同時處理文字、圖像、聲音）與「世界模型」的深化，我們有望看到機器在空間推理與視覺拼圖上的突破。同時，如何在保持龐大記憶庫的同時，提升模型的「語境靈活度」與「常識推理」能力，將是未來研究的關鍵。
結語
如果你在上述七項測試中能夠超過 AI，說明人類在抽象思考、靈活推理與真實世界感知上仍具優勢。這不僅是對機器智慧的挑戰，更提醒我們：AI 的進步永遠需要人類的洞察與指引。讓我們持續以謎題為鏡，觀測、思考、並共同塑造更具智慧的未來。