從技術與運算本質來看，目前的 AI 模型（如 GPT 系列）運作邏輯是根據前面輸入的文字，計算出接續哪個字的機率最高(Next-Token Prediction)。AI 在訓練過程中，吸收了海量的文本數據，建立起龐大的參數網絡。它並不是像傳統程式那樣硬編碼（Hardcode）邏輯規則，而是學習數據中詞彙與概念之間的關聯性與統計規律。
雖然底層是統計，但當模型規模（數據量與參數）龐大到一定程度時，它開始展現出抽象思維的特徵。當你要求 AI「一步步思考」時，它能進行歸納、演繹與邏輯除錯(Chain of Thought)。
它能將學到的模式套用到完全陌生的情境，這種「轉移知識」的能力(Generalization)正是人類推理的核心特徵之一。
模型內部的高維空間裡，逐漸形成了對現實世界邏輯結構的「隱式建模」（World Model），例如空間關係、因果關係等。
如果是這樣，我忍不住會猜想未來隨模型能力更進一步，不斷迭代後會否湧現出意識，由Intelligence進化至Consciousness。
相反，人腦是否也只是一種更高級的預測機器，透過過去的經驗（數據）來建立世界模型，並持續根據新感官輸入預測下一步會發生什麼，這同樣帶有強烈的概率與統計色彩。人類不只靠嚴密的符號邏輯（如形式邏輯推論）來思考，更多時候是靠直覺、類比與經驗模式，本身就與 AI 的統計模式識別極為相似。
沒有留言:
張貼留言