极客网·极客观察2月27日 最近，OpenAI、DeepSeek、谷歌、Anthropic都推出新模型，它们都宣称模型已经具备真正的推理能力，也就是人类解决问题时运用的思维方式，但问题在于：AI大模型所说的推理真的和人一样吗？
现在的模型可以将复杂问题分解成小问题，然后逐步解决小问题再给出回应，业界将这个过程称为“思维链推理”。这些模型有时表现让人惊叹，可以解决逻辑谜题和数学难题，能够快速写出完美代码，但有时面对极为简单的问题却显得蠢笨。
于是乎，反对者认为所谓的“思维链推理”根本不算推理，而支持者却认为是推理，虽然不如人类灵活，但它正在朝着真正的推理前进。
反对者：只是用启发式原则猜测答案
科学家一直在研究人脑是如何运行的，目前大家一致认为大脑存在多种不同的推理类型。
推理有演绎推理，即从一个一般性的陈述出发，得出一个具体的结论。还有归纳推理，利用具体的观察结果来做出更广泛的概括。除此还有类比推理、因果推理、常识推理。
与人脑推理相比，目前的AI推理还很狭隘。
圣塔菲研究所（SFI，Santa Fe Institute，SFI）教授梅兰妮·米切尔（Melanie Mitchell）曾在一篇论文中写道：“从有限的数学和经验中找到一条规则或者一套模型，将它应用于新的未曾见过的情境中，在现实世界，我们非常看重这样的推理。即使是非常小的孩子，也能从几个例子中学习并发现抽象规则。”
孩子能做到，现在的AI能吗？许多人持怀疑态度。
爱丁堡大学技术哲学家肖恩·瓦洛尔（Shannon Vallor）在谈到OpenAI o1时表示：“AI所做的只是一种元拟态行为（meta-mimicry）。”
什么意思？就是说以前的ChatGPT旧模型会模仿其训练数据中人类所写的陈述内容，新的o1可以模仿人类得出陈述内容的过程，虽然o1输出的结果会让人觉得它在推理，但这不是真正意义上的推理。
举个例子，问ChatGPT一个问题：“1个人带1匹狼、1只羊、1捆草过河。如果人在场，狼不敢吃羊、羊不敢吃草，可是小河边的船每次只能让人带一种东西过河。那么，如何用最少的渡河次数把所有东西都带到河对岸呢？”
虽然o1相比旧版有所改进，但架构并未有太大变动，它在回答问题时出现失误。瓦洛尔认为：“在回答问题失败时，我们会看到一个事实，即模型并没有进行真正的推理。”
随后推出的o3让米切尔感到惊讶，但她更让他吃惊的是o3在解决问题时消耗的算力如此巨大。由于OpenAI内部运作并不透明，人们无从知晓大模型用这些算力做了什么。如果OpenAI不能做到公开透明，便无法确定模型真的将大问题分解成若干步骤，然后给出一个更完美的整体答案。
去年纽约大学在一篇名为《Let’s Think Dot by Dot》的论文中质疑过AI推理，研究人员发现，把思维链（Chain-of-Thought，CoT）推理中的具体步骤，替换成毫无意义的“...”（点号），产生的推理结果也大差不差。
米切尔认为：“AI更像是一个启发式原则构成的集合，不是推理模型。”启发式原则能帮你猜出问题的正确答案，但它并非真正通过思考获得答案。
又例如，研究人员曾开发一个视觉模型，用来分析皮肤癌。初看时，模型似乎能判断皮肤上的斑点是否为恶性病变，但事实证明，在训练数据中恶性斑点照片旁边往往有了标尺信息，模型只是因为标尺信息的存在将斑点判定为恶性病变，这是一种启发式思考。
由此可以怀疑，看起来AI似乎在用“推理”解决问题，但实际上只是在利用“记忆信息”进行启发式探索。
支持者：不是纯粹推理但也不是背诵
Redwood Research致力于降低人工智能风险，该公司首席科学家瑞安·格林布拉特（Ryan Greenblatt）认为，当前的AI明显是在进行某种形式的推理。
格林布拉特说：“机器的处理方式不像人类那样具有普遍性，它们更多依赖记忆和知识，而非人类那样依靠推理和判断，但机器仍在进行处理。”
既然AI模型可以解答超出样本范围的难题，而且表现出色，就可以说它们是在进行某种推理。
“过河问题”是一个很经典的问题，在训练数据中，AI应该已经学习过很多次。但当用户提出问题时，AI并没有给出正确答案，它可能知道答案，只是进行了复杂的不必要的“思考”，人有时也会犯这种错误。
格林布拉特举例说，如果你花一个月时间学习色彩理论，从互补色到不同色调的心理影响，再到文艺复兴时期某些颜料的历史意义。学完之后参加测试，试题问：“这幅风景画中为什么要把天空画成蓝色？”你可能会被误导，写出极为复杂但没有必要的答案，比如你可能会说蓝色代表神圣的天空，说画是清晨完成的，象征着新生……实际上答案很简单：因为天空就是蓝色的。
Open Philanthropy分析师阿杰亚·科特拉（Ajeya Cotra）认为，有些活动被人类称为推理，在这一范畴内，AI将会表现得越来越好。人类说AI只是在进行“元拟态”活动，重点不在于“元拟态”，而在于“只是”。人类的意思可能是它不会对世界产生重大影响，我们离超级人工智能还有很远，这种断定值得怀疑。
再比如，在一堂大学物理课上，面对问题时学生的表现参差不齐。有人作弊，直接给出答案。有人是天才，无需思考公式的内容，凭借深刻的理解与直觉给出答案。大多学生凭借记忆记住公式，努力思考用哪个公式解答问题。
科特拉认为，现在的AI和大多学生一样，它会将记忆内容与一些推理内容结合起来。AI可能不太聪明，但它很勤奋，能记住无数方程式。它将强大的记忆与少量理解结合，找出针对某个问题的方程式组合，然后给出答案。
乍一看，AI和天才学生一样极为聪明，但细细分析就会发现答案中的漏洞，尽管如此，并不意味着AI没有推理。
换句话说，这些模型既不是纯粹地进行推理，也不是纯粹地进行背诵。
科特拉说：“我认为这是处于两者之间的一种状态。人们对此感到困惑，因为他们想要将其归入某一类别，要么说是单纯的记忆，要么说是真正意义上的深入推理。但实际上，推理的深度是有一定范围的。”
结语：锯齿状智能
研究人员用“锯齿状智能”这一术语能描述今天的AI，就是说它既能出色解决一些数学问题，碰到简单问题时又会变得愚蠢。
人类总是喜欢将AI的智能与人类智能类比，或者我们应该换个角度看待，将人工智能视为“与众不同”的智能，不要纠结于“比人类更聪明”或者“比人类更愚笨”。
人工智能正在进化，某一天也许变得无比强大，能够囊括人类所有的智能，甚至还有余力，这种变革值得期待。（小刀）
- 来自上海WAIC的信号：AI大模型实现飞跃，人形机器人进步神速
- WAIC 2025观察 | “冲上去”的超聚变，如何做智能体时代的探索者？
- “流量波动”下的DeepSeek：东南亚机遇显现，但观望心态未解
- 英伟达恢复H20销售 这杯毒酒中国企业要不要喝？
- 首席AI官和首席数据官，哪个能走到最后？
- 从VTuber到Faceless频道，AI虚拟角色改写内容创作赚钱逻辑
- 华为联发科专利官司再燃战火 双方到底争的是什么？
- 瑞金医院与华为“博士天团”联手攻坚 炼就顶级病理大模型并启动开源
- 投行称英伟达市值将冲击6万亿美元 AI之外还有机器人万亿市场
- 中国信通院提出AI WAN目标架构，运营商IP广域网价值变现迎契机
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
