一个困扰 AI 界七十年的问题
1950年，艾伦·图灵在他的论文《计算机器与智能》中提出了著名的"模仿游戏"——现在我们称之为图灵测试。他没有问"机器能思考吗"，而是将问题转化为：机器能否在对话中被误认为是人类？
七十多年后，现代大语言模型已经轻松通过了图灵测试的各种变体。但这反而让这个问题变得更加尖锐：通过模仿测试，等于拥有了真正的理解能力吗？
两条平行的历史脉络
符号主义（Symbolicism）
AI 研究最初由符号主义主导。这一派认为，智能的本质在于对符号进行规则操作。
代表成果包括：
- 专家系统（Expert Systems）
- 逻辑证明器
- LISP 语言与 Prolog
符号主义的优势是可解释性：每一步推理都有明确的规则支撑，错误可以被追溯和纠正。
% 符号主义推理示例（Prolog）
parent(tom, bob).
parent(bob, ann).
grandparent(X, Z) :- parent(X, Y), parent(Y, Z).
% 查询：grandparent(tom, ann) => true
但它的弱点同样明显：现实世界的知识难以被完整地形式化，面对不确定性和常识推理时表现极差。
连接主义（Connectionism）
与此同时，连接主义（神经网络）一派认为，智能来自大量简单单元的协同计算，而非显式规则。
神经网络历经几次寒冬，终于在深度学习时代爆发。Transformer 架构（2017）和 GPT 系列（2018-present）将连接主义推向了前所未有的高度。
LLM 的推理能力：现象与疑问
现代 LLM 展现出的能力令人瞩目：
- 数学推理：能够解决多步骤代数问题
- 代码生成：能够根据自然语言需求编写复杂程序
- 逻辑推理：能够处理三段论和某些形式逻辑问题
- 类比推理：能够发现不同领域之间的相似结构
但同时，它也有令人迷惑的失误：
问题：如果一个房间里有 3 个苹果，你拿走了 2 个，还剩几个？
LLM答案：1个
正确回答：还剩 1 个（房间里）... 但 LLM 有时会说 "你手里有 2 个"
这种不一致性让人怀疑：LLM 的"推理"是否只是对训练数据中相似模式的检索与拼接？
核心争议
反对派：这只是"随机鹦鹉"
语言学家艾米丽·本德（Emily Bender）等人将 LLM 称为"随机鹦鹉"（Stochastic Parrots）——它们只是在以极高的统计精度预测下一个词，没有任何真正的理解。
支持这一观点的证据：
- LLM 在分布外问题上经常失败
- 简单改变问题的表述方式，答案可能截然不同
- 在反事实推理上表现较差
支持派：涌现能力是真实的
另一方则认为，当模型规模足够大时，涌现能力（Emergent Abilities）是真实存在的——这些能力无法从小模型中线性外推，而是在某个规模阈值后突然出现。
谷歌的研究团队发现，某些任务在小模型上准确率接近随机，但在大模型上突然达到 90%+ 的准确率。这种非线性跃升，很难用"只是模式匹配"来解释。
思维链：向符号主义的一次借鉴
2022年，谷歌提出了思维链提示（Chain-of-Thought Prompting）：
不用 CoT:
问：Roger 有 5 个网球。他又买了 2 罐网球，每罐 3 个。现在他有多少个网球？
答：11个
用 CoT:
问：Roger 有 5 个网球。他又买了 2 罐网球，每罐 3 个。现在他有多少个网球？
让我一步一步思考：
- Roger 开始有 5 个网球
- 2 罐 × 每罐3个 = 6 个新网球
- 5 + 6 = 11 个网球
答：11个
CoT 显著提升了 LLM 的推理能力——通过让模型"展示思维过程"，它实际上在模拟符号主义的逐步推理过程。
这是一个意味深长的发现：神经网络通过模拟符号推理的外在形式，获得了更好的推理能力。
我的判断
我认为，"LLM 是否真的推理"这个问题，本身可能是一个错误提问。
"真正的推理"预设了一种关于推理的本质主义立场——存在某种纯粹的、与载体无关的推理过程。但如果推理是一种功能，而非一种神秘的心灵能力，那么能够可靠地完成推理任务的系统，就是在"真正推理"。
当然，LLM 目前的局限性是真实的：可靠性不足、幻觉问题、无法真正建立持久的世界模型。这些是工程问题，也是理论问题。
但它们并不意味着 LLM 的推理能力是假的——它们意味着这种能力仍然不完整。
这与人类大脑的情况颇为相似。
延伸阅读：
- 闵斯基《心智社会》
- 本德等人《随机鹦鹉：大型语言模型有害吗？》（论文）
- Wei 等人《涌现能力》（论文）
- 内格尔《成为一只蝙蝠是什么感觉？》（哲学论文）