AI 为什么会？③ AI 真的是在思考吗？

上一篇，我们认识了 Context：模型这一次可以直接使用的信息。材料已经摆上桌了，新的问题来了：

它拿到这些信息以后，究竟怎样形成答案？这个过程，算不算思考？

调查现场

小时候上课，老师突然提问。我们通常先停一下，在脑子里回忆、推理，想清楚以后再开口。

先思考，后回答。

所以，当 ChatGPT 出现时，我很自然地认为，它也会先在“脑子”里想好完整答案，然后一个字一个字打出来。

可认真观察几次以后，我发现事情没有这么简单。请分别问 AI 两个问题。

第一个：

法国的首都是哪里？

它几乎立刻回答。第二个：

请比较三种方案，查找最新资料，指出各自风险，最后给出建议。

这一次，你可能先看到“思考中”“正在搜索”或者工具调用，过一会儿才出现最终答案。

同样叫“AI 回答问题”，屏幕背后可能已经是两种不同的过程。它到底在哪一步开始“想”？

一、它是在把想好的答案抄出来吗？

先看最普通的回答。你让它写一篇行业分析，文字通常会一点点出现在屏幕上。最早我以为，这只是产品故意做出的打字效果：答案早已写好，现在只是慢慢显示。

后来我才知道，流式显示本身确实不能证明什么。产品完全可以把已经生成的内容慢慢放出来。真正有意思的，是自回归模型形成答案的方式：

完整答案通常不是先写好，再被逐字抄出来的。

二、答案是在生成中长出来的

模型生成一个 Token——可以暂时把它理解成一小段文字——前面已经生成的内容，又会成为下一步的输入。写出一句，再决定后面怎么接；结构、措辞，甚至后面的思路，都可能在这个过程中继续形成。

这听上去很像“没有思考，只是在接字”。可再往里看一步，事情又反过来了。

模型不是从词库里随手抽一个字。每生成一个 Token，输入都要经过许多层神经网络，计算不同内容之间的关系，再得到下一步的概率。训练形成的知识、当前 Context、归纳、类比和部分推理，都可能参与这次计算。

所以，生成并不是思考结束后的“打印”。至少有一部分信息加工，就发生在答案一步步长出来的过程中。

生成不是查表，而是一种实时的信息加工。

三、可它现在又会“先想一会儿”了

写到这里，我原本准备得出一个很漂亮的结论：AI 不会先思考再回答，它是一边生成，一边形成答案。

可今天，这句话也说得太满了。

推理模型在给出最终答案前，可能先拆解问题、尝试不同路径、检查错误。Agent 还可能先搜索资料、运行代码、看看结果对不对，再决定下一步。用户最后看到的回答，只是整个过程的最后一段。

四、原来，我们把两种生成混在了一起

这时，谜底才慢慢清楚。

无论是回答前的推理，还是最后给用户看的答案，语言模型仍然要通过一次次计算和生成向前推进。区别在于：有些生成用来探索和检查，有些生成才真正展示给用户。

更准确的说法是：

无论是内部推理，还是最终答案，语言模型仍然通过一次次计算和生成向前推进；但有些生成属于回答前的推理，有些才是用户最终看到的内容。

所以，“答案是在生成中形成的”和“模型会在回答前先推理”，并不矛盾。

五、所以，它到底算不算思考？

走到这里，我反而不想急着给出一个非黑即白的答案。因为“思考”这个词，本来就装着两种不同的问题。

如果思考是根据已有信息进行计算、推断、分解和纠错，那么现代 AI 显然具备其中一部分能力。如果思考还必须拥有主观体验，知道自己为什么这样想，那么目前没有足够证据证明它具备这些东西。

因此，真正值得追问的不是一句：

AI 到底有没有思考？

而是：

它进行了哪一种信息加工？这个过程在哪些地方可靠，又在哪些地方会失败？

这比急着给 AI 戴上“会思考”或“不会思考”的帽子，更接近问题本身。

调查笔记 No.3

今天，我们拆开了第三个认知。

⚠️ AI 要么先把答案全部想好，要么完全不思考，只是在接字。

✅ AI 的答案通常逐步生成；现代推理模型还可能在最终回答前，先进行额外的分解、检查和工具调用。

“生成”和“推理”不是两个互相排斥的动作。推理本身，也可能通过多步计算和生成展开。

今天的调查留下了一个更具体的问题：

既然模型直接生成的是一个个 Token，为什么最后却能表现出语言、代码和推理能力？

下一篇，我们继续调查。

《AI 为什么会？④ 为什么预测下一句话，会产生智能？》