任何听过我的讲座或参加过 Flexa 研讨会的人都知道，我已经重复这一点两年多了： 人工智能不会思考在企业界打造真正有用的东西的第一步就是抛弃这种幻想。
苹果研究人员进行的一项新研究—— 思考的幻觉 — 阐明一个中心点： 高级语言模型 (LLM)，即使是最复杂的模型，如 Claude 3.7、DeepSeek-R1 和 OpenAI o1，实际上也无法“思考”。
这些模型在受控环境中接受了汉诺塔、跳棋、过河和积木世界等经典谜题的测试。测试的目的是了解它们在面对日益复杂的任务时如何推理，而不仅仅是衡量它们是否得出正确的最终结果。
他们发现了什么？
- 简单任务： 没有“思想”的模型（没有 思想链）更快、更准确地解决问题。令人惊讶，不是吗？
- 中等复杂度任务： 结构化思维的模型开始占据优势。目前为止，一切顺利。
- 复杂任务： 每个人都会失败，即使是最坚强的人。他们失败的原因并非缺乏时间或代币。只是 当任务变得更加困难时，减少推理的努力。这出乎所有人的意料。
这个结论很有力： 我们在这些模型中所说的“推理”实际上是对已知模式的弱模拟。
为什么这对企业如此重要？
因为我仍然看到公司押注于“思考”解决方案，这些解决方案消耗资源、承诺通用，但收效甚微。 弹性云 ，我们了解到最好的结果来自另一条途径： 充分利用人工智能的优势——识别模式、自动化流程、减少明确定义问题中的摩擦。
真正的、可运行的应用程序不需要人工智能“思考”。它们需要它 提供可预测且可扩展的结果。这就是我们在零售、医疗保健、金融、农业综合企业和工业项目中所做的——始终关注影响，而不是魔法。
如果你还指望人工智能能像人类一样推理，那简直是天方夜谭。但了解什么是人工智能（以及什么不是人工智能）可以提升你企业的生产力。
正确的问题不是： “人工智能是怎么想的？” 和： “它通过速度、规模和可靠性解决了什么问题？”
下面是一张幻灯片的照片，自从我开始讲课和举办人工智能研讨会以来，我一直在课堂上使用这张幻灯片。现在， 蘋果 已经發現了。
