（关注公众号设为🌟标，获取AI深度洞察）

想一想这个简单的问题：小红有两个姐姐和一个兄弟。那么，她的兄弟小明有几个姐姐呢？

停下来想一想...答案是什么？

你可能会在脑海中想象一个家庭：三个女孩和一个男孩。然后很快就明白，作为家里唯一的男孩，小明实际上有三个姐姐（包括小红和她的两个姐姐）。

看起来很简单，对吧？但你刚才其实做了一件很厉害的事——推理！这不像记住"北京是中国首都"这样的事实，而是通过已知信息思考出新的结论。

有趣的是，即使现在最先进的人工智能，如GPT-4，在遇到这类需要推理的问题时仍然会犯错。研究者多次向最新版GPT-4提出这个问题，它却总是错误地回答"小明有两个姐姐"。

为什么看似简单的问题对AI来说这么难？为什么最近各大科技公司都在拼命开发所谓的"推理AI"？这篇文章将用通俗易懂的语言，带你了解AI推理的奥秘和它为何突然成为科技圈的焦点。。

虽然有些小技巧（如在问题后加上"让我们一步一步思考"）可以帮助人工智能提高推理表现，但这些方法还远远不够完善，不能保证它们像人类一样稳定地进行有效推理。

大型推理模型

为了解决推理能力不足的问题，多家顶尖AI公司最近推出了一种新型系统，叫做"大型推理模型"（LRM）。这些模型专门接受了推理类任务的训练。主要产品包括：OpenAI的o1和o3模型、Anthropic的Claude"扩展思维模式"、谷歌的Gemini 2.0 Flash Thinking实验版，以及DeepSeek推出的R1模型。

当你向LRM提出像"小明有几个姐姐"这类逻辑题时，它会生成"思维链条"——用自然语言一步步展示推理过程。例如，OpenAI的o1模型会这样分析：

• 小红有两个姐姐，所以这个家庭里共有三个女孩（小红和她的两个姐姐）
• 她还有一个兄弟，名叫小明
• 所以这个家庭一共有四个孩子：三个女孩，一个男孩（小明）
• 对小明来说，小红和她的两个姐姐都是他的姐姐
• 因此，小明有三个姐姐

这种过程就像人在"自言自语"地思考。实际上，o1和其他LRM的训练数据中包含了大量类似的"思维链条"示例。正是这种训练方式，使它们在科学、数学、编程等难题上表现突出。据OpenAI介绍，o1模型在美国数学奥赛预选中能排进全国前500名，在物理、生物、化学题目的准确率上甚至超过了博士级科研人员。其他公司的LRM也取得了类似成绩。

一些公司正把LRM作为商业AI助手的核心功能。比如，OpenAI已将最强大的LRM和配套的"深度研究"工具提供给每月支付200美元的高级用户，据说还考虑推出每月收费高达2万美元的"博士级"推理服务。

不过，也有学者对此持谨慎态度。他们质疑：这些模型真的在"思考"吗？还是只是模仿人类推理的样子？换句话说，这种"思维链条"训练，究竟是让模型真正学会了稳健、通用的推理能力，还是只是学会了在特定测试中看起来像会推理？ 关于这些模型的构建原理：LRM通常是在已预训练好的"大语言模型"基础上构建的，比如GPT-4o。以深度求索为例，他们使用自研的预训练模型V3作为基础。AI模型的命名确实常让人摸不着头脑。这些基础模型通过学习海量人类文本，训练目标是预测文本中的下一个词或词的一部分。

思维链条展示

基础模型完成初步训练后，还会进行"后训练"，也就是进一步优化模型的能力。这个阶段主要是让模型学会如何生成完整的"思维链条"。

想象一下：普通语言模型（如GPT-4o）就像一个只会直接给答案的学生，而LRM则像一个会在草稿纸上写下详细解题步骤的学生。就像我们在解一道复杂的数学题时，会先在草稿纸上列出几个步骤，再得出最终答案。

这些"思维链条"有时非常长，就像我们解决一个难题时可能要写满好几页草稿纸。由于AI的计算成本通常按文字量计算，这种方式的成本很高。

举个生活例子：如果普通AI像是直接告诉你去北京最快的路线，那么LRM就像是一位导航软件，它会在后台计算多条路线，考虑各种因素（拥堵情况、路况、距离等），最后才推荐最优选择，而用户只看到最终建议。

为了训练这种能力，LRM主要使用两种方法：

• 1、监督学习：就像老师手把手教学生解题。比如请专家写出解题步骤，然后训练AI模仿这些步骤。这就像家长教孩子洗衣服时，会一步步示范：先分类、再加洗衣粉、设定温度等。

• 2、强化学习：不直接告诉AI怎么做，而是通过奖励机制引导它。这就像训练宠物狗：它做对了就给零食奖励，做错了就不奖励，久而久之它就明白该怎么做了。对AI来说，只有当它通过自己的推理得出正确答案时才会获得"奖励"。

有趣的是，DeepSeek证明仅用强化学习就能训练出推理能力很强的模型。这就像不用专门教孩子怎么玩积木，只要在他搭出漂亮作品时给予表扬，孩子自己就能探索出各种技巧。

正是因为更多使用强化学习而非昂贵的监督学习，深度求索才能以较低成本开发自己的推理模型。这就像一家餐厅找到了既美味又经济的食材替代品，既保证了菜品品质，又控制了成本。

AI真的会推理吗？

在AI领域，专家们一直在讨论一个核心问题：这些新型推理模型是真的在"思考"，还是只是在模仿人类的推理过程？有人称o1是"第一个拥有通用推理能力的模型"，但也有不少人持保留态度。有些哲学家认为，这些模型的思维链条更像是一种"模仿秀"——它们只是在复制人类思考的表面形式，而不是真正拥有解决问题的能力。

我们可以打个比方：想象一个从未学过厨艺的人，只是通过观看大量烹饪视频，学会了模仿厨师的动作和语言。他可能会像专业厨师一样说"我们先将食材切成丁"，"现在加入适量的盐调味"，但这并不意味着他真正理解烹饪的原理。同样，AI模型可能会生成看起来很合理的推理步骤，但它是否真正"理解"这些步骤呢？

首先，我们需要问："真正的推理"是什么？这就像问"什么是真正的驾驶技术"—有人依靠经验和直觉，有人则严格遵循驾驶手册的每一条规则。人类解决问题时会用到记忆、经验法则、类比或逻辑推导等多种方法。

而这些AI模型的"推理"似乎变成了"写出一段听起来合理的解题过程"。这就像一个学生可能写出很完美的解题步骤，却不一定真正理解其中的原理。这些模型在标准考试中表现确实很好，但这些考试通常有标准答案。现实世界中的复杂问题，比如"如何应对气候变化"或"如何建立太空基地"，往往没有标准解法。 此外，虽然这些模型的推理过程被称为"人类可读"，但这些语言化的"思考"是否真的反映了模型内部的实际计算过程？这就像汽车导航给你规划路线—你看到的是简洁的指示，而背后却是复杂的计算过程。有研究发现，AI生成的"解释"很多时候只是表象，并不代表它们实际的"思维"过程。

更值得警惕的是，这些模型使用的拟人化语言可能让人错误地信任它们。它们会说"我在思考"，还会加入"嗯..."、"啊哈！"等模仿人类思维的表达。这就像一个销售员穿着专业西装、说着专业术语，就容易让人相信他的建议，即使这些建议可能不完全正确。

评估这些模型的实际能力并不容易，因为大多数公司既不开放模型，也很少公布技术细节。这就像餐厅不告诉你菜品的完整配方和烹饪过程，你很难判断食物的真实质量。

值得一提的是，DeepSeek采取了更开放的态度。他们不仅开源了R1模型的核心技术，还公布了详细的训练过程，并允许用户完整查看模型的推理过程。这种开放态度将有助于推动相关研究的深入发展，就像一家餐厅公开自己的菜谱和烹饪过程，让顾客能更全面地了解和评价他们的菜品。

【往期回顾】

参考资料：https://www.science.org/doi/10.1126/science.adw5211

来源：官方媒体/网络新闻

编辑：深思

主编: 图灵