现在是时候仔细研究一下认知、计算和清晰度了。

关键点

  • 人工智能可以流畅地模仿思维，但缺乏记忆、意图和自我。

  • 人类的思维是活生生的、情感化的、根植于时间的。

  • 混淆流畅性和洞察力可能会让我们丧失自己的认知能力。

这里有一点值得思考：像 ChatGPT、Claude 和 DeepSeek 这样的大型语言模型 (LLM) 不仅仅回答我们的问题；它们还表现出智能。

他们的回答往往精辟、有说服力，而且表达能力惊人。对很多人来说，这种流利就足够了。但流利并不等同于思考。在当今人们对思考和输出存在认知混淆的背景下，或许是时候稍微解开这个谜团了。

乍一看，这些系统似乎会“思考”。但这种外表掩盖了一个重要的区别，这个区别很容易被忽视，甚至更容易被忘记，尤其是当语言听起来如此……人性化的时候。

随着人工智能逐渐融入我们的写作、学习和推理方式，了解大语言模型与人类思维的区别不再只是出于学术好奇，而是一种认知需要。

人类思维的架构

人类的思维根植于经验。它由记忆塑造，由情感驱动，由意图引导，并由自我的连续性串联起来。现在，停下来，再读一遍这句话。我们思考不仅仅是为了回应，而是为了理解——为了创造意义，探索模糊性，并修正我们自己的信念。

人类思维的一些决定性特征不仅是可识别的，而且是深刻感受到的。

  • 时间性。人类的认知存在于时间之中。我们记住昨天，并展望明天。

  • 主体性。我们发起思考。我们探究问题，寻求理解。

  • 情感和动机。我们的思维从来都不是中立的；它受到价值观、目标、恐惧和欲望的影响。

  • 学习与整合。我们成长、遗忘，并重新构建。思维是动态的、迭代的、变革性的。

  • 自我。有一个“我”在思考，一个叙事性的自我，有过去、现在和未来。

像人类一样思考，意味着要融入——融入身体、融入情境、融入故事。关键在于——我们不仅仅是处理信息，我们更是在体验信息。

机器的逻辑

相比之下，大语言模型（LLM）做的事情截然不同，但却极其强大。它们通过统计推断而非主观经验来运作。它们没有自我，没有记忆（除非有外部支撑），也没有“想要”任何东西的理由。它们提供的是一种概率上的智慧，或者更简单地说，是基于海量数据集中的模式生成正确语言的能力。

大语言模型的思考方式与人类不同。他们的成果反映出一种统计上的静止，甚至是一种冰冷的现实。

  • 一个永恒的泡沫。它不知道昨天发生的事，也无法预知明天。每一次提示往往都是一次重置。

  • 无状态操作。除非收到指示，否则它不会记住之前的对话。

  • 没有意图，没有信仰。它不在乎自己说了什么。没有偏好，没有目的，也没有目标。

  • 结构模仿。它反映了一种智能写作的形式，但没有创造这种形式的潜在经验。

  • 回响，而非洞见。它插入，而非发明。它重新排列，而非重新思考。

说大语言模型“思考”可能有点夸大其词了，至少目前如此。

计算的轨迹

当然，如今的区别可能不会永远存在。计算的发展轨迹正在加速——飞速……我们正在见证记忆、具身化、感官模式，甚至最基本的能动性融入下一代模型。随着每一次迭代，模拟与认知之间的界限变得越来越模糊。虽然目前大语言模型（LLM）在运行时缺乏意识或连续性，但未来的系统可能会挑战这些限制——以及我们对思维的定义。此外，人工智能的力量具有递归性，即“思考”开始完全发生在思考者之外。

计算与混淆

危险不在于我们会把大语言模型（LLM）和普通人混淆。危险在于，我们会开始期望自己能像他们一样思考——快速、流畅、顺畅。但人类的思维并非如此。它需要付出努力，充满不确定性，有时甚至会让人感到不适。

这就是重点。

我们不应该抛弃或怀疑大语言模型，但我们需要学会与它们保持适当的认知距离。从本质上讲，这些系统并非思维伙伴，尽管如今许多人已经接受了这种词汇。它们是一面面镜子——一面璀璨的镜子——反映着人类语言的形态，却缺乏人类思维的精髓或灵魂。

免责声明：

本文所发布的内容和图片旨在传播行业信息，版权归原作者所有，非商业用途。 如有侵权，请与我们联系。 所有信息仅供参考和分享，不构成任何投资建议。投资者应基于自身判断和谨慎评估做出决策。 投资有风险，入市需谨慎。

关注我们，一起探索AWM！

2025-04-07

2025-04-03

2025-04-05