最近，一个看似微不足道的问题在全球范围内引发了热烈讨论:世界上究竟是轮子多还是门多?这个问题虽然初看似乎无足轻重，但实际上却为我们提供了一个探讨生成性人工智能（AI）能力的绝佳机会。
这个话题最初在2022年意外走红，一个简单的问题在推特上引发了无数网友的争论，随后在TikTok上也引起了广泛关注。人们开始热烈辩论，到底轮子和门哪个数量更多。然而，想要回答这个问题并不简单，尤其是如果我们只从日常生活的视角来看，统计周围的轮子和门就像在做无尽的数学题——根本无法精准完成。
如果你看到一辆车，车上的轮子和门似乎都一目了然，数起来也许简单。但实际上，轮子和门的定义远不止于此。比如，车里的引擎可能隐藏着很多轮子，而“门”这个概念也可以扩展到很多地方，比如车的后备厢和手套箱等。辩论的两派分成了“门派”和“轮派”，每一方的支持者都为自己的论点激烈辩护，甚至在社交媒体上引发了不少争议。
图源备注：图片由AI生成，图片授权服务商Midjourney
随着这一话题的热度不断上升，许多企业也趁机入局，借此机会进行宣传。做门的公司和制造轮子的厂家纷纷发表意见，甚至有些品牌借机推出“边喝咖啡边思考这个问题”的促销活动。随着时间的推移，这个话题渐渐淡出公众视野，但问题依旧悬而未决。
随着生成性人工智能的崛起，人们开始好奇，这项技术能否解开这个谜团。比如，ChatGPT作为一款流行的AI工具，凭借其快速响应的能力，成为了人们讨论的对象。
当我向ChatGPT提问:“世界上是轮子多还是门多?”时，它给出的回答是:“这个问题并没有明确的答案。我们可以将问题细分来讨论。”接着，它列举了许多可能的轮子和门的来源，包括汽车、摩托车、家具等。这一回答虽未能给出结论，却有效阐释了问题的复杂性，显示了生成性AI的思考过程。
不甘心于如此模糊的回答，我继续挑战ChatGPT:“你刚刚的回答避而不谈。要不你选择一个，轮子多还是门多?”结果，ChatGPT倾向于认为“轮子多”，并且给出了一些理由，如轮子在车辆、玩具、行李等方面的广泛应用。这让我忍不住想，AI如此轻易地选择一方，是否会让人误解这已是答案呢?
最后，我又试图引导ChatGPT进行更深入的思考，提出通过统计年产量的方法来比较轮子和门。此时，ChatGPT开始提供一些数据，讨论全球汽车年产量和相关的轮子和门的制造情况，显示出这项技术处理复杂问题时的潜力。
