凡是听过我的讲座或参加过Flexa研讨会的人都知道，我两年来一直在强调：人工智能不会思考。而要在企业界打造真正有用的产品，第一步就是放弃这种幻想。
苹果研究人员进行的一项新研究—— 《思考的错觉》——揭示了一个核心观点：高级语言模型（LLM），即使是像 Claude 3.7、DeepSeek-R1 和 OpenAI o1 这样最先进的模型，实际上也不会“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。
这个结论很有说服力：我们在这些模型中所谓的“推理”，实际上是对已知模式的脆弱模拟。
为什么这对企业如此重要？
因为我仍然看到一些公司押注于那些消耗资源、号称通用化但实际效果甚微的“思考型”解决方案。在Flexa Cloud，我们了解到，最佳方案来自另一条路径：让 AI 发挥其最大优势——识别模式、自动化工作流程以及减少明确定义问题中的摩擦。
现实世界中的实际应用并不需要人工智能“思考”，而是需要它提供可预测且可扩展的结果。这正是我们在零售、医疗保健、金融、农业综合企业和工业领域的项目中所做的——始终关注实际影响，而非神奇的魔法。
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“人工智能在想什么？”，而是“它能以速度、规模和可靠性解决什么问题？”
下面这张幻灯片的照片是我从开始做人工智能方面的演讲和研讨会以来一直在使用的。现在连苹果公司也掌握了这项技术。
