如果把AI丢回1930年,它能自学写Python吗?

如果一个模型从未听说过互联网，不知道什么是登月，甚至不知道人类发明了计算机，它还能产生智能吗？

两天前，Hugging Face 上出现了一个“异类”。它拥有 13B 参数，训练了 2600 亿个 Token。它的特殊之处在于：它在物理意义上，穿越回了 1930 年。

它的名字叫：talkie。

一、 2600亿个“旧”单词：一场公有领域的复古实验

talkie 的数据集极度“纯净”且“陈旧”。它只读 1930 年 12 月 31 日之前的书籍、报纸、专利和法律文书。

为什么要卡在 1930 年？答案很现实：版权。在这个时间点之前的出版物在美国已进入公有领域，开发者可以完全合法、无纠纷地喂给 AI。

谁在背后操刀？这个项目的团队名单堪称豪华，尤其是第三位：

• Nick Levine：耶鲁出身的独立研究者。

• David Duvenaud：多伦多大学副教授，NeurIPS 最佳论文得主。

• Alec Radford：重磅人物！ OpenAI 联合创始人，GPT-1/2/3 的核心作者，被奥特曼称为“爱因斯坦级天才”。

这位开创了 GPT 时代的顶级大神，离开 OpenAI 后做的第一个大项目，不是追求更强的算力，而是复刻一个“数字古董”。

二、 没见过计算机的 AI，竟然会写 Python？

这听起来像个悖论：talkie 的训练语料库里连一个字节的代码都没有，因为它诞生时，世界上根本没有编程语言。

但这正是实验最迷人的地方：测试“泛化能力”。

研究者给 talkie 出了道 Python 题：给出一个旋转密码的编码函数，要求写出解码函数。

奇迹发生了：talkie 的答案非常简洁——只需把编码函数里的“加号”改为“减号”。

这意味着：尽管它从未见过 Python 语法，但它理解了“编码与解码互为逆操作”这一抽象逻辑。它不是在“背代码”，而是在尝试用一种它不懂的语言去“解决逻辑问题”。

作者感叹道：“这表明模型具备超越训练数据本身的泛化能力。”

三、 现代灵魂的“入侵”：完全复古难以实现

虽然研究者竭尽全力封锁现代信息，但 talkie 还是不可避免地被“污染”了。

1. 说话方式的“现代病”： 经过强化学习后，talkie 居然学会了“关于X的五件事”这种 21 世纪自媒体式的口吻。因为它的“教练”是 Claude 3.5 —— 一个彻底的现代 AI。

2. 时间泄露： 当被问到 1936 年的美国总统时，talkie 准确报出了罗斯福的名字。而罗斯福 1932 年才当选。这说明再严密的过滤也难免有“漏网之鱼”。

四、 结语：智能是推理，还是更高级的检索？

talkie 的出现，揭开了一个困扰 AI 界已久的问题：目前的 AI 表现出的智能，到底有多少是推理能力，有多少只是对海量互联网答案的高效重组？

诺贝尔化学奖得主 Demis Hassabis 曾提出过一个终极拷问：

“爱因斯坦在 1915 年发表广义相对论，但相关的数学工具在 1911 年就已存在。那么，一个只读到 1911 年数据的模型，能不能独立推理出相对论？”

talkie 只是迈出了一小步，但它告诉我们：真正的智能，或许并不依赖于你见过多少新知识，而在于你能从旧知识中推导出多少真理。