AI 的 IQ 測出來了，但這個數字可能什麼都代表不了

最近有個叫 AI IQ 的網站在科技圈引起不小的討論。它把 50 幾個主流語言模型全部拿去跑 IQ 測試，然後畫出常態分佈圖，讓你可以一眼看出「哪個 AI 最聰明」。直觀、好懂、馬上能拿來跟朋友說嘴。 問題是：這件事本身就是個陷阱。 大家直覺上會覺得，IQ 分數高的 AI 就是比較強。但 IQ 測試本來就是設計給人類的——測試語言理解、空間推理、數字模式識別。這些能力對人類來說，跟「能不能在現實世界解決問題」有一定相關性，因為人腦的資源是稀缺的，IQ 高代表你能用有限的認知資源做更多事。 AI 完全不是這個邏輯。GPT-4 跟 Claude 的「資源限制」跟人腦根本不同，它們的弱點也不一樣——有的在長上下文推理掉分，有的在多步驟計算出錯，有的在指令遵循上很穩但創意生成很普通。把這些差異壓縮成一個數字，等於把所有資訊都丟掉了。 更值得注意的是：如果模型廠商知道有人在用這套評測，他們可以針對性地優化 IQ 題型的表現。這不是陰謀論，Goodhart's Law 說得很清楚——當一個指標變成目標，它就不再是好指標了。這在 benchmark 領域已經發生過好幾次，MMLU、HumanEval 都被玩壞過。 IQ 這個包裝更危險，因為它讓非技術背景的人產生一種「我懂了」的錯覺。老闆看到 AI IQ 排行榜，可能就直接決定公司要用哪個模型，跳過實際測試任務場景這個步驟。 真正有用的評測方式，從來都是「把模型丟進你實際的任務裡跑看看」。沒有捷徑。 用單一數字來衡量智慧，對人類已經是個爭議了幾十年的問題，現在把同樣的框架搬來套 AI，只是讓這個問題更複雜，然後假裝它變得更簡單了。