蒙娜丽莎的微笑，大模型们的“迷眼”挑战

在科技飞速发展的今天，人工智能（AI）大模型似乎无所不能，从撰写文章到生成图像，它们的能力令人惊叹。然而，当面对一幅看似简单的图画时，这些大模型却纷纷“栽了跟头”。这幅图画，正是日本艺术家北冈秋吉创作的、以蒙娜丽莎为原型的视觉错位图。

这幅图的特别之处在于，当你眯着眼睛看时，会清晰地看到蒙娜丽莎的微笑；但当你睁大眼睛看时，却只能看到一系列色彩斑斓的条纹。这种视觉错位效果，对于人类来说或许是一种有趣的视觉游戏，但对于AI大模型来说，却是一场前所未有的挑战。

为了验证大模型们的表现，有人进行了一波简单实测。首先登场的是ChatGPT，它虽然能准确判断出这是一张视觉错位图，也通过“眯着眼睛”识别出了具体的脸部轮廓，但在最后关头却识别错了人。再让它深度思考一下，答案却给不出来了，似乎陷入了迷茫。

紧接着是Gemini，它的回答还停留在各种颜色的条纹上，虽然辨认出了这是个侧脸的轮廓，但却无法更进一步。而Grok则直接表示无法辨认，要求提供一张更清晰的照片。

国产大模型的表现又如何呢？豆包与Gemini类似，能够判断出图像的风格、人脸轮廓，但却无法判断具体人物。深度思考之后，它甚至从黑色轮廓中判断出了这是爱因斯坦，这显然与事实大相径庭。Qwen在完成深度思考后，发现了这是个人的侧脸剪影，但同样没有判断出画的这个人是谁。

然而，在一众模型全军覆没之际，o3-Pro却一次性回答正确。这可能与它的推理轨迹有关。与o3（非pro版）相比，o3-Pro的推理能力显然更强。有人怀疑它是不是通过搜索得出了答案，但这一猜测很快被驳回。因为o3也可以用搜索，但却无法做到这一点。而且从o3-Pro的推理摘要中看，它只有在模糊后才能看到真相，这可能是通过使用某种工具或算法实现的。

还有尝试了三次的GPT-4o，虽然最终偶然猜对了答案，但过程却充满了不确定性。网友在它第一次打错之后，就给模型提示说这是一张著名的画作，于是就莫名玩起了“海龟汤”的游戏，即通过不断提问和提示来逼近真相。

这次挑战不仅让我们看到了大模型在视觉识别方面的局限性，也引发了我们对AI能力的深入思考。虽然AI在某些方面已经超越了人类，但在面对一些看似简单的视觉问题时，它们却可能束手无策。这提醒我们，在追求AI技术发展的同时，也要保持对其能力的客观认识，不断探索和完善AI的应用场景和算法模型。

对于这次挑战感兴趣的读者，不妨亲自尝试一下，或许你能找到让大模型“眯眼”的秘诀，成为那个成功解锁蒙娜丽莎微笑的人。