2016 年 3 月 10 日，首尔四季酒店。
空气几乎凝固
人机五番棋第二局，韩国传奇九段李世石手握白子，眼神紧盯棋盘。
第 37 手，AlphaGo 执黑，突然落子在五路肩冲。
刹那间，解说席一片死寂
韩国解说嘉宾金成龙九段倒吸一口凉气：“这是错着吧？
电脑莫非死机了？”
在人类千年的围棋理论中，五路落子是公认送给对手实地的愚蠢之举。
然而，李世石盯着这颗黑子，整整长考了 15 分钟，甚至在中途罕见地离场走向走廊，点燃了一支烟来平复狂跳的心脏。
那一手，彻底改写了世界围棋史，也成了整个人类科技史上不可磨灭的图腾。
▲ Thore Graepel 个人网站主页与标志性的第 37 手
十年后的今天，大语言模型席卷全球
从 ChatGPT 到各类宣称具备“深度思考”的新模型，整个科技界都在欢呼：机器终于学会像人类一样思考了！
然而，就在所有人沉浸在狂欢中时，亲手参与打造 AlphaGo 核心搜索系统的奠基人之一，Thore Graepel，突然推开 Google DeepMind 的大门决然离去。
他不仅走了，还在《麻省理工科技评论》（MIT Technology Review）上甩下一篇言辞极其锋利的万字长文：
《Don’t be fooled，LLMs don’t reason》（别被骗了，大语言模型根本不会推理）！
▲ Thore Graepel 发布的公开长文推文
他几乎是指着当红大模型的鼻子冷斥：今天的 AI 根本没有学到当年“第 37 手”哪怕一丁点的灵魂。
你们看到的所谓“思维链”，不过是一场自欺欺人的“事后圆谎”！
01十年谜底揭开：第 37 手无关“机器灵感”，实为一记理性的耳光
世人谈起当年的第 37 手，总喜欢把它浪漫化为“神经网络神秘的灵光一现”。
但 Graepel 在文章中撕碎了这个神话：第 37 手剥离了直觉光环，完全源于底层搜索机制的残酷纠偏。
要理解这一切，得先看懂 AlphaGo 身体里共存的两个灵魂：
- 系统 1（策略网络）
：这是个“直觉模仿器”。它吞噬了 3000 万盘人类高手棋谱，看到盘面就能立刻凭本能报出：“人类高手下一步通常会走哪”。
- 系统 2（蒙特卡洛树搜索，MCTS）
：这是个冷酷的“显式推演者”。它不迷信直觉，而是从当前盘面出发，硬生生劈出成千上万条推演分支，计算每一步的终极胜负。
Graepel 首次披露了一个惊人的底层技术内幕：
面对第 37 手那个局面，AlphaGo 的系统 1 扫过全盘后，给出的专家先验概率只有区区万分之一（1 in 10,000）！
在“机器本能”看来，这一步烂透了
如果按照今天主流大模型的机制，仅凭前向概率采样或者自回归联想，这手棋在诞生的千万分之一秒内，就会被系统当成垃圾直接抹杀！
但为什么它最终震撼了世界？
因为蒙特卡洛树搜索（系统 2）启动了
在极其严苛的搜索公式（PUCT）下，随着常见招法在推演中纷纷触碰到死胡同，探索奖励机制强行让算力流向了这个万分之一的冷门分支。
推演一步步展开
价值网络结合模拟走子，在数千步推演的尽头惊讶地发现：局部虽然亏损，但在极其辽阔的中腹，黑棋竟然铸造了一堵无法撼动的外势铜墙！
最终，搜索机制狠狠推翻了神经网络的初选直觉！ 它把被本能打入冷宫的第 37 手，硬生生顶上了历史的舞台。
这才是所谓“创造力”的深层机制：严密推理绝不顺着直觉滑行，核心在于通过审议推演，具备彻底打碎自身偏见的纠错能力。
02大模型的画皮：拉得再长的思维链，也是在盲目猜词
十年后的今天，大模型厂商们搬出了“思维链（Chain of Thought）”，让模型在给出答案前输出长达几千字的“思考过程”。
许多人惊呼：AI 已经拥有了人类的慢思考系统 2！
但在 Graepel 看来，这完全是皇帝的新衣。
今天的大模型底层依然是一个简单的自回归循环：一次又一次猜测下一个 token。
把思考拉长，无非是让同一种下一词概率联想，在敲定最终答案前多空转了一会儿。
它自始至终是一台被疯狂扩容的超强系统 1。
Graepel 直刺现代大模型永远迈不过去的三道天堑：
1. 没有显式、可检查的“认知账簿”
在 AlphaGo 里，每一步搜索推演都有清晰透明的博弈树节点：考虑过哪些选择、排除了哪些变化、胜率几何，全盘写在账簿上。
大模型呢？
它空空如也
它没有一个独立、持久、可供审计的认知状态。
它不知道自己正相信什么，更无法随新证据系统性修正假设。
2. 知识与逻辑被搅成了一团混沌
在严密的理性系统中，“我知道什么事实”与“我如何运用逻辑操纵事实”是泾渭分明的。
而在大语言模型里，牛顿力学、莎士比亚十四行诗与逻辑推理规则，全部被稀释熔铸在那几千亿个黑盒浮点权重里。
只要输入轻轻一变，逻辑就会随之融化变形。
3. 先射箭后画靶：你的推理是“编”出来的
这是最致命的一击
认知科学研究早已表明，现代大语言模型生成的长篇大论，往往是模型在底层潜空间早已有了一个模糊的倾向，再在文本框里倒推出一套听起来头头是道的理由。
模型看似在步步为营，本质却是在事后圆谎。
这在聊天娱乐中无伤大雅，但在科学实验、工程架构、医疗诊断中，是会致命的。
一个病人误诊了，医生必须精准复盘：究竟是化验数据有误，是病理假设错误，还是推理逻辑断裂？
面对一个只会“事后编故事”的模型，人类甚至找不到问责的抓手。
03神仙打架：图灵奖得主拍手，前 Anthropic 大佬反诘
这篇长文在硅谷与学术界激起了巨大回响。
图灵奖得主 Yann LeCun 第一时间表态力挺：“好文章！推理过程必须包含搜索，大语言模型根本不具备这种能力！”
这与 LeCun 多年来倡导的世界模型与显式规划路线一脉相承。
▲ 图灵奖得主 Yann LeCun 回复力挺：推理过程必须包含搜索
但反击很快到来，且刀刀见肉
多伦多大学教授、前 Anthropic 团队负责人 David Duvenaud 直接贴出长文里的三段论，当面发出灵魂拷问：
“没有持久可审计的状态？
知识与推演揉杂？
事后拼凑解释？
这不全是在说人类自己吗？
！ 照你这套苛刻的标准，那我本人算会推理吗？”
▲ David Duvenaud 提出硬核反诘：这些标准人类也做不到，难道人类就不会推理了？
这场交锋瞬间触及了认知哲学的最深处。
Graepel 的回复更是毒辣得不留情面：
“没错！人类靠自己的颅内直觉，本来就做不好推理！”
他指出，如果放任人类顺着意识流信马由缰，大脑天然就是一台充斥着认知偏差和事后合理化的机器。
人类文明之所以能建立现代科学，关键在于发明了纸笔、数学符号、预注册实验和双盲同行评审，从而摆脱了脆弱的大脑直觉！
人类是靠外挂的严格工具和结构化流程，才把自己拉出了伪推理的泥潭。
Duvenaud 随后追问：“按这个逻辑，如果我们给大语言模型外挂上类似的工具链，就能实现可靠的推理？
这难道正是你离职想要探索的方向？”
这场高手过招，终于将争论带到了最核心的本质：机器推理不能寄希望于千亿参数的自发涌现，它必须被装上外置的骨骼与缰绳。
04打破盲目扩张的神话：Metis Reasoning 的新路线
Graepel 选择在这个时间节点离开 Google DeepMind，几乎是一次对主流 AI 信仰的公然背叛。
当前全球顶尖的 AI 实验室，依然将海量算力与万亿美元资本全部倾注在 Scaling Law（尺度定律） 上，他们坚信只要堆叠更多 GPU、塞入更多数据、把系统 1 撑得无限大，高级智慧就会像奇迹一样凭空破土。
但 Graepel 冷冷地泼了一盆冰水：规模可以让直觉更加锋利，但绝不会让直觉自动蜕变为审议。
据彭博社等外媒报道，Graepel 在离开后迅速创立了名为 Metis Reasoning 的新公司，正寻求数千万美元初始融资，未来剑指科学研究、高端工程与复杂机器人。
他要做的，就是把 AlphaGo 式的搜索与审议架构带到物理世界。
在开放世界中，机器不再面对 19×19 的方寸棋盘，而是一个充满迷雾与未知的复杂宇宙。
在这里，大语言模型不再充当发号施令的“大脑”，转而作为提议假设与生成工具的“直觉四肢”；
在这之上，必须存在一个独立无私的评估内核，用科学的方法，步步推演，严密验真。
十年前的那个下午，李世石重重地将白子拍在棋盘上，拼尽毕生智慧对抗来自虚空的机器智能。
十年后的今天，当浮躁的科技界沉溺于会说漂亮话的聊天机器人时，当年那个站在机器身后破译棋道的天才，却转身离开聚光灯，走向了最荒凉的冷门无人区。
正如他在长文最后所写的那样：
不要被眼前的流畅所迷惑
要想造出攻克癌症、解开宇宙物理谜题的智能，机器不能仅停留于善于编造解释的模仿者，必须演进为能够推翻自身假设、保持严谨审慎的理性推演系统。
这场关于人类与机器智能本质的探索，才刚刚起步。
热门跟贴