大型语言模型（LLM）领域最近掀起了一阵波澜，源头是苹果公司发布的一篇名为“思考的幻觉”（The Illusion of Thinking）的研究论文。这篇论文声称揭示了大型推理模型（LRM）在解决复杂问题时的根本局限性，甚至提出了“完全精度崩溃”等耸人听闻的观点。然而，仔细分析后，我们发现这篇论文的核心论点可能存在偏差，甚至更像是苹果公司在人工智能（AI）领域战略定位的一种尝试。本文将深入剖析该论文，探讨其背后的动机，并分析其对理解 AI推理能力 的影响。
实验设计：真的是测量智能吗？
苹果的研究人员通过一系列经典谜题，如汉诺塔、过河问题等，测试了LRM的性能。他们特别关注了当模型被提供明确的算法（例如，解决汉诺塔的步骤）时，其表现是否有所提升。实验的关键在于逐步增加问题的复杂性，并观察模型性能的下降情况。
然而，文章作者指出，苹果对“复杂性”的定义实际上只是规模的扩大，即在保持算法结构不变的情况下，增加问题的参数。这种测试方法与其说是测量 智能，不如说是测量计算耐力。例如，汉诺塔问题的算法复杂度和柯尔莫哥洛夫复杂度在整个测试过程中并没有改变，变化的只是盘子的数量。这就像测试一辆跑车是否能拉货，发现它不行，然后得出跑车设计不好的结论。
这种实验设计的缺陷在于，它忽略了LRM被训练成具有类似人类思维方式这一事实。当面对大规模计算任务时，模型会像人类一样，考虑任务的实际性和交互性。因此，模型的“失败”并非源于推理能力的缺失，而是源于对任务合理性的思考。
测试结果：模型的表现真如论文所说？
为了验证苹果的结论，文章作者使用DeepSeek R1、Claude Sonnet 4、ChatGPT 4o以及Gemini 2.5 Pro等最新模型进行了类似的汉诺塔实验。与苹果论文中选择较旧模型不同，这些都是目前最先进的系统。
实验结果显示，这些模型都展现出了与苹果批评的行为相反的特性。它们在进行大规模计算之前都会犹豫，并寻求更优雅或更用户友好的解决方案。例如：
- DeepSeek R1 进入了无限的思考循环，甚至回忆起了可以解决问题的Python递归代码，但无法决定如何进行。
- Claude Sonnet 4 开始有条不紊地打印移动步骤，在识别到错误后，智能地转向递归方法。
- ChatGPT 4o 立即意识到需要递归解决方案，并编写了Python代码，甚至提供了前20步，并允许用户下载完整的解决方案。
- Gemini 2.5 Pro 展示了复杂的战略思维，首先考虑递归方法，然后迭代地优化其策略，同时只突出显示关键步骤。
这些模型的表现表明，它们并非无法解决问题，而是试图以更有效和更符合人类认知的方式解决问题。这与苹果论文中描述的“完全精度崩溃”形成了鲜明对比。
关键洞察：环境感知的重要性
文章作者指出，环境感知 是理解模型行为的关键。例如，DeepSeek R1无法确定它是否在可以访问Python执行的模拟环境中运行。如果给任何这些LLM访问Python并要求它们运行算法，它们每次都会得到正确的答案。这并非推理失败，而是执行环境的限制。
LLM虽然运行在计算机上，但如果没有Python解释器等计算工具，它们也无法完美地执行算法。但这与人类的思考方式类似。我们难以进行复杂的心理运算，容易在复杂的递归问题中迷失方向，并在工作记忆超载时犯计算错误。但这并不意味着我们不能思考。
苹果的动机：真的是纯粹的科研？
文章认为，苹果发布这篇论文的动机并非完全出于科研。事实上，苹果的 AI战略 似乎是：发现AI系统的局限性（这本身是建设性的），然后宣布这些局限性是根本性的和不可逾越的，然后就此止步。没有提出新的架构，没有提供创新的解决方案，也没有实际推动该领域的发展。
这更像是一种战略定位。当你在赛跑中落后时，一种选择是宣布这场比赛毫无意义。苹果称其AI系统为“Apple Intelligence”，但其自己的研究论文却认为真正的AI推理是一种幻觉。与此同时，Siri——他们的旗舰AI产品——仍然停留在2000年代的命令和响应交互时代，而LLM正在从根本上改变我们对人机对话的看法。
实际案例与数据：支持论点的证据
为了进一步支持论点，我们可以参考以下案例和数据：
- AlphaGo的成功：AlphaGo通过深度学习和强化学习相结合，战胜了围棋世界冠军李世石。这表明AI在解决复杂问题方面具有巨大的潜力，即使这些问题涉及高度的推理和战略思维。
- GPT-3在自然语言处理方面的突破：GPT-3能够生成高质量的文本，进行机器翻译，甚至编写代码。这表明AI在理解和生成自然语言方面取得了显著进展。
- 自动驾驶汽车的发展：自动驾驶汽车依赖于AI技术来感知周围环境，做出决策并控制车辆。虽然仍面临挑战，但自动驾驶汽车的发展表明AI在复杂环境中的应用前景广阔。
这些案例表明，AI并非如苹果论文所描述的那样，存在根本性的局限性。相反，AI在各个领域都取得了显著进展，并有望在未来发挥更大的作用。
结论：不要被“思考的幻觉”迷惑
苹果的“思考的幻觉”论文是对 智能 含义的根本误解。通过将计算执行与推理能力混为一谈，他们得出了听起来很复杂但完全偏离主题的研究结果。
真正的幻觉并非在于AI的思考，而在于苹果试图将自己在AI领域的落后地位重新定义为智力上的优势。当竞争对手通过突破性架构推动边界时，苹果却发表论文解释为什么进步是不可能的。也许苹果应该专注于构建真正有效的AI，而不是撰写关于AI为何不能思考的论文。
抛开学术包装，剩下的只是一个简单的事实：苹果测试了语言模型是否能当计算器，发现它们不能，于是得出结论，它们一定不聪明。他们测试的模型实际上展示了复杂的推理，通过识别模式、推导解决方案并做出关于计算实用性的智能决策。苹果只是测量了错误的东西。
最终，我们不应被“思考的幻觉”所迷惑，而应继续探索AI的潜力，推动其在各个领域的应用，并认识到 AI推理能力 在不断发展和进步。真正的突破往往隐藏在对现有技术局限性的挑战和对新可能性的探索之中。
总之，苹果公司的论文引发了关于 AI推理能力 的重要讨论。虽然其结论可能存在争议，但它提醒我们，在评估AI系统的能力时，需要采用更全面的视角，并考虑环境感知等因素。 同时，也应警惕将其研究结果用于 AI营销 的可能性，避免被其潜在的战略意图所误导。