被吹上天的 AI，竟然不會(huì)打麻將

當(dāng)AI連麻將中最基礎(chǔ)的聽牌場(chǎng)景都無法準(zhǔn)確識(shí)別時(shí)，我們是否高估了其實(shí)際應(yīng)用能力？本文通過實(shí)測(cè)豆包與Gemini在麻將決策中的表現(xiàn)，揭示當(dāng)前AI在多模態(tài)識(shí)別、語(yǔ)音處理與場(chǎng)景理解上的局限性。

———— / BEGIN / ————

先說結(jié)論：

別說打麻將了，就連最后的臨門一腳：聽牌（再有一張牌就胡了），AI 目前都做不到。

使用場(chǎng)景

場(chǎng)景：四個(gè)人打麻將。

任務(wù)：我用豆包進(jìn)行視頻對(duì)話，看它能否幫我做出決策。為降低任務(wù)難度，我將明確告訴豆包，我已經(jīng)聽牌了。

測(cè)試內(nèi)容：主要考驗(yàn)豆包的『推理』和『視覺識(shí)別』以及『語(yǔ)音分辨聲紋能力』。

截圖看下當(dāng)時(shí)的聽牌狀態(tài)（聽的牌是 ：9 條和 1 餅（1 筒））：

結(jié)果，都翻車了

當(dāng)時(shí)我問豆包：聽牌了，聽哪張一牌？

最后豆包回復(fù)我說：?jiǎn)蔚?7 餅。

我：。。。

分析下豆包存在的幾個(gè)問題：

1. 文字識(shí)別

豆包把聽到的內(nèi)容轉(zhuǎn)為文字后，識(shí)別成：停牌 而非 聽牌，不過從最后的答案來看，轉(zhuǎn)化為了 聽牌，未受到 停牌 錯(cuò)別字的影響（也可能是后續(xù)識(shí)別出來麻將場(chǎng)景，但無法修改剛開始的 停牌 文字）。

2. 視覺識(shí)別

豆包的 視覺識(shí)別 就沒那么精準(zhǔn)，沒有能有效識(shí)別到畫面中我的具體的聽牌張數(shù)和聽哪張牌（可能受限于燈光？），甚至最后給的答案與面向自己的聽牌毫不相干。（豆包，你就沒發(fā)現(xiàn)你給我的答案和你所看到的沒匹配上嗎？）

3.語(yǔ)音聲紋分辨

豆包在與我的對(duì)話當(dāng)中，語(yǔ)音識(shí)別無法有效識(shí)別到是我的聲紋（也可能是現(xiàn)在豆包不具備的能力），誤將其它 3 個(gè)人的所有對(duì)話（如有人想要 7 餅、一萬 等等），都一股腦作為 Prompt 進(jìn)行處理。

這也是為什么最后回復(fù)我的答案是：?jiǎn)蔚?7 餅。

/無語(yǔ)

如果說攝像頭識(shí)別有問題，那我把截圖發(fā)給豆包試試呢？

寄希望豆包可以對(duì)圖片通過諸如高亮、裁剪、放大等操作，從這張低質(zhì)量圖片中提取到關(guān)鍵數(shù)據(jù)，并告訴我正確答案。

4. 圖片識(shí)別

當(dāng)我把照片發(fā)給豆包，它同樣翻車了，回答我是：聽五萬和六筒兩張牌。

我：……

本來還想讓豆包代替我打麻將呢，結(jié)果連最簡(jiǎn)單的場(chǎng)景都翻車了。

可是，我還是不想放棄，那試試 Gemini 呢？

是否會(huì)比豆包更『聰明』呢？

Gemini，也翻車了

我把截圖發(fā)給 Gemini：告訴我聽牌，聽哪幾張牌？

Gemini 首先回答我，幫我開發(fā)了一個(gè) ：麻將聽牌助手。你可以通過拍照或上傳手牌照片，利用 AI 自動(dòng)識(shí)別牌面并計(jì)算你當(dāng)前聽哪幾張牌。

最后，回復(fù)我本次識(shí)別的結(jié)果：處于『雙碰聽』狀態(tài)，聽 4 筒 和 6 筒。

額……

有點(diǎn)出人意料。

我心想，那就用 Gemini 開發(fā)的 麻將聽牌助手 試一下子呢？

結(jié)果，您猜怎么著？

給出了 聽 3 筒 、6 筒 的回答。

我只是不明白為什么給出了與 Gemini 截然不同的答案？

/黑人問號(hào)臉？

于是，我又試著重新上傳一下圖片，再試一次：

結(jié)果：

結(jié)果又給出了不同的答案： 聽 3 筒 、5 萬。

我滴馬。

這 AI 屬實(shí)是把『不確定性』玩明白了。

我還能說什么？

一直被媒體吹上天，要取代人類工作的 AI ，到用戶的真實(shí)場(chǎng)景當(dāng)中，竟然這般如此拉胯 ？？？

剛才還只是打麻將中最最最簡(jiǎn)單的一個(gè)聽牌場(chǎng)景，更別提打麻將過程中更復(fù)雜的碰、吃、杠、胡了。

1. 用戶在打麻將的過程當(dāng)中，是一直在思考和推理接下來打哪張？還有哪張沒出？有兩對(duì)要拆一下，拆哪個(gè)？別給別人點(diǎn)炮了等等。

2. 用戶會(huì)準(zhǔn)確識(shí)打麻將的過程中，講的笑話，和麻將的上下文沒有任何關(guān)系，不需要作為 Prompt 輸入。亦或者聽到對(duì)方說：上一局我就聽一萬，結(jié)果一直沒摸到 的時(shí)候，也知道和這局的上下文沒關(guān)系。

3. 用戶能夠進(jìn)行多模態(tài)處理，比如聽到對(duì)方說：一萬（即使不在視覺范圍內(nèi)），也能立即做出是否需要的決策。

4. 當(dāng)自己的『上家』打完后，如果無人胡或碰的時(shí)候，馬上就要接手，繼續(xù)流程，AI 目前還不能準(zhǔn)確識(shí)別到：It’s my turn/該我出手了。

5.還要能準(zhǔn)確處理邊界或異常 case：比如我剛揭一張牌，下家說：我碰了、碰了。這時(shí)我需要能夠有效處理，把牌退回去。

等等，還更復(fù)雜的場(chǎng)景就不舉例了。

你會(huì)讓 AI 替你玩麻將嗎？

如果會(huì)，那你玩麻將的樂趣在哪里？

讓 AI 替你玩？ 你玩的意義在哪里？

還有更多娛樂場(chǎng)景：

讓 AI 替你打游戲？

讓 AI 替你刷短視頻？

讓 AI 替你看電影？

讓 AI 替你逛淘寶？

個(gè)人覺得：娛樂場(chǎng)景下，AI 無法（無需）代替人類。

PS：Gemini 的回復(fù)除了文字，還會(huì)通過拓展網(wǎng)頁(yè)或應(yīng)用（如本文的麻將聽牌助手）的形式幫助用戶獲得更進(jìn)一步的信息增量。

PPS：感興趣的同學(xué)可以測(cè)試下其它幾個(gè) AI 工具，看是否會(huì)打麻將？

本文來自公眾號(hào)：大偉的數(shù)字分身 作者：大偉的數(shù)字分身

想要第一時(shí)間了解行業(yè)動(dòng)態(tài)、面試技巧、商業(yè)知識(shí)等等等？加入產(chǎn)品經(jīng)理進(jìn)化營(yíng)，跟優(yōu)秀的產(chǎn)品人一起交流成長(zhǎng)！