追问大模型“思考”：它真的懂这个世界吗？

【导语】当AI大模型展现出惊人的逻辑推理能力时，我们不禁要问：它们真的在思考吗？专家们的争论如火如荼，有人认为这是AI认知的革命，也有人视其为语言幻觉。本文将揭示大模型思考的本质，探讨其模拟思考的技术手段，并指出其致命漏洞。在依赖大模型做决策日益普遍的今天，我们更应清醒认识到：大模型的思考是一种工具能力，可用但不可信，真正的思考在于理解意义。

当大模型写出逻辑缜密的报告、解出复杂的数学难题，我们总会不自觉问：这些大模型，是真的在思考吗？打开搜索引擎，专家们的争论早已白热化，有人把大模型的推理能力称作AI认知革命，也有人直言这只是流畅语言包装的幻觉。

要弄清大模型怎么思考，首先得打破一个误区：大模型的思考，和人类的思考从本质上就不是一回事。

三大技术模拟思考效果

人类的思考，是基于对世界的真实理解：我们看到苹果落地，会联系重力、质量等物理概念，甚至联想到万有引力的发现故事;而大模型的思考，本质是一场基于数据和算法的精密模拟，不会理解概念，只会根据海量训练数据，预测接下来该说什么才符合逻辑。

需要指出的是，不要把大模型输出的流畅性，错当成对事物的理解。大模型能输出因为地球有重力，所以苹果会落地，但大模型不会真的知道重力是什么，也不会像人类一样抬头观察苹果坠落的轨迹，只是从训练过的文本里，学到了重力和苹果落地这两个概念的关联规律。

尽管没有真正的认知能力，但如今的大模型能靠技术手段，模拟出一步步思考的效果。具体来看：

第一，推理时拆步骤。部分企业提及的推理时推理(Inference-Time Reasoning)技术，核心是让大模型在输出答案前，先写下思考步骤，这就是思维链提示(Chain-of-Thought Prompting)。

比如面对“小明有5个苹果，给了小红2个，又买了3个，现在有几个？”这个问题，普通模型可(kě)能(néng)直(zhí)接(jiē)输(shū)出(chū)6个(gè)，而(ér)支(zhī)持(chí)思(sī)维(wéi)链(liàn)的(de)模(mó)型(xíng)会(huì)先(xiān)写(xiě)：“第(dì)一(yī)步(bù)，算(suàn)小(xiǎo)明(míng)给(gěi)小(xiǎo)红(hóng)后(hòu)剩(shèng)下(xià)的(de)苹(píng)果(guǒ)：5-2=3;第(dì)二(èr)步(bù)，算(suàn)买(mǎi)完(wán)后(hòu)的(de)数(shù)量(liàng)：3+3=6;所(suǒ)以(yǐ)答(dá)案(àn)是(shì)6。”

这(zhè)种(zhǒng)拆(chāi)步(bù)骤(zhòu)的(de)过(guò)程(chéng)，看(kàn)起(qǐ)来(lái)像(xiàng)人(rén)类(lèi)在逐步思考，但本质是大模型根据提示，模仿人类解题的文本格式，其实仍然不会理解减法加法的实际意义，只是按训练数据里的解题模板生成逻辑链。

第二，架构上优先推理。一些新推出的大模型系列，主打推理优先，相当于从模型设计阶段，就强化了逻辑推演的权重，不只是在输出时拆步骤，还会在处理问题时，先调用逻辑模块分析问题类型，再决定是否需要调用工具、访问数据库。

比如你问“某年份全球新能源汽车销量Top3的品牌是哪些？”，普通模型可能直接输出训练数据里的旧数据，而采用推理优先架构的模型会先判断：“这个问题需要最新数据，我的训练数据截止到前一年，所以得调用数据库查目标年份的最新数据。”

这种先判断再行动的过(guò)程，看起来像在规划思考路径，但本质是模型内置的规则在起作用，那就是能够识别需要实时数据的问题特征，却不会理解为什么需要最新数据。

第三，借工具(jù)补(bǔ)短(duǎn)板(bǎn)。不(bù)少(shǎo)前(qián)沿(yán)大(dà)模(mó)型(xíng)的(de)进(jìn)步(bù)，很(hěn)大(dà)程(chéng)度(dù)体(tǐ)现(xiàn)在(zài)多(duō)模(mó)态(tài)+工(gōng)具(jù)整(zhěng)合(hé)上(shàng)：它(tā)们(men)能(néng)处(chù)理(lǐ)图(tú)片(piàn)、生(shēng)成(chéng)代(dài)码(mǎ)，还(hái)能(néng)调(diào)用(yòng)计(jì)算(suàn)器(qì)、查(chá)阅(yuè)文献(xiàn)，甚(shén)至(zhì)连(lián)接(jiē)数(shù)据库。

当你让大(dà)模(mó)型(xíng)分(fēn)析(xī)一(yī)篇(piān)PDF论(lùn)文的(de)核(hé)心(xīn)观(guān)点(diǎn)，它(tā)会(huì)先(xiān)调(diào)用(yòng)PDF解(jiě)析(xī)工(gōng)具(jù)提(tí)取(qǔ)文本(běn)，再(zài)用(yòng)逻(luó)辑(ji)模(mó)块(kuài)梳(shū)理(lǐ)观(guān)点(diǎn)，整(zhěng)个(gè)过(guò)程(chéng)像(xiàng)极(jí)了(le)人(rén)类(lèi)找(zhǎo)资(zī)料(liào)、做(zuò)总(zǒng)结(jié)的(de)思(sī)考(kǎo)流(liú)程(chéng)。

但(dàn)别(bié)忘了，工具只是大模型的延伸手脚，不是延伸大脑，能调用计算器算出复杂的数学题，却不会理解计算结果的意义;能查文献总结观点，却不会像人类一样对观点提出质疑，只是按预设流程，把工具的输出整合成符合(hé)逻(luó)辑(ji)的(de)答(dá)案(àn)。

大(dà)模(mó)型(xíng)思(sī)考(kǎo)的(de)致(zhì)命(mìng)漏(lòu)洞(dòng)

再(zài)精(jīng)密(mì)的(de)模(mó)拟(nǐ)，也(yě)藏(cáng)不(bù)住(zhù)大(dà)模(mó)型(xíng)思考的先天缺陷。一方面，大模型会像人类一样尝试多种解题策略，比如解一道复杂的数学题时，先试代(dài)数(shù)方(fāng)法，不行再试几何模型，甚至会编写简单代码验证思路;但另一方面，很多推理路径里都存在幻觉，比如凭空捏造一个不存在的定理，或者把两个无关的公式强行结合，最后得出一个看似合理、实则错误的结论。

更关键的是，大模型无法像人类一样自我纠错。人类在思考时，会不断反问自己这个步骤对吗？有没有漏洞？但大模型只会沿着看起来符合逻辑的方向走，一旦第一步出现幻觉，后面的推理只会越错越远。

写在最后：

当人们开始用大模型做决策，当企业依赖大模型生成报告，我们更需要清醒：大模型的思考是一种可用但不可信的工具能力，它能帮我们节省时间、拓宽思路，但不能替代人类的判断。毕竟，真正的思考从不止于符合逻辑，更在于理解意义。

供稿单位：重庆天极网络有限公司

审核专家：李志高 高级工程师/重庆天极网络有限公司总裁

声明：除原创内容及特别说明之外，部分图片来源网络，非商业用途，仅作为科普传播素材，版权归原作者所有，若有侵权，请联系删除。