他們一直在問這台機器是否真的很聰明。同時，機器已經解決了問題，提出了三個實驗方案，也找到了一篇先前無人知曉的德語論文。但當然，我們還要就它是否真正「理解」自己在做什麼展開另一場哲學辯論。

在這篇文章中

• 如果智能只是高效的搜尋能力，而不是意識呢？
• 為什麼「人工智慧真的理解嗎？」這個問題完全不得要領。
• 直覺如何在不依賴神秘主義的情況下運作（以及為什麼專家討厭這種解釋）
• 阻礙量子運算的儲存問題，卻無人提及。
• 為什麼利潤激勵會讓人工智慧變得更笨，而不是更聰明？
• 當我們不再追逐通用人工智慧的幻影時，接下來會發生什麼事？

然而，實際情況往往是這樣的：人工智慧系統展示了一項驚人的數學成果，高階主管或記者急於將其包裝成「真正推理」的突破，而數學家們則不得不出面澄清，給這股熱潮降溫。近年來，OpenAI 和 DeepMind 的系統曾被認為解決了複雜的競賽級難題——例如國際數學奧林匹克競賽的入圍題——但專家們隨後指出，這些解決方案依賴於重新發現已知方法、引用先前的研究成果或利用現有的證明結構，而非創造出全新的數學理論。

反彈在意料之中。各種說法紛紛撤回，貼文悄悄消失，輿論風向再次轉變。但幾乎​​沒有人意識到，人工智慧的實際操作——快速搜尋浩瀚晦澀的數學知識庫，並將問題結構與可行的解決方案相匹配——並非智慧的缺陷。它恰恰展現了智能（無論是人類的還是其他的）如何透過模式識別和檢索來運作，為我們了解智能的本質提供了一個清晰的窗口。

被公認為當今最傑出的數學家之一的陶哲軒，曾將這種現像比作一個聰明的學生，為了考試而死記硬背所有內容，卻並未真正理解其中的概念。這聽起來像是在批評，但實際上，它描述了包括人類智慧在內的大多數智慧的運作方式。我們只是不願承認這一點而已。

我們一直稱之為魔法的探索

想想看，剝去神秘面紗之後，智力究竟在做什麼。你遇到一個問題。你搜尋所有已知的知識，尋找匹配的模式。你嘗試各種已知方法的組合。你在可能性空間中探索，尋找解決方案。有時你找到了，有時你找不到。就是這樣。這就是全部。

西洋棋特級大師只要看一眼棋盤，就能「立刻」知道正確的走法。聽起來像是直覺，對吧？像是某種天才的靈光乍現？不，其實是模式匹配。特級大師已經見過成千上萬個類似的局面。他們的大腦辨識棋局佈局和結果的速度，遠遠超越意識的思考速度。這其中並沒有什麼魔法──只是一個索引完善的資料庫在進行高速搜尋而已。

醫生診斷病人、修理工發現引擎故障、交易員在指標​​確認前就察覺到市場異常，這些都是同樣的道理。我們稱之為專業知識，稱之為直覺，稱之為對事物的敏銳嗅覺。但從根本上講，這一切都是基於已儲存的參考框架進行模式匹配，而其中大部分發生在意識層面以下，無論是在神經連接中還是在人工智慧演算法中。

找到那些德國文件的AI？它所做的正是同樣的事情：搜尋龐大的資料庫，匹配模式，並在各種可能性中穿梭。唯一的差別在於，我們能看到資料庫和搜尋過程，反而讓它顯得沒那麼驚艷。而人類進行搜尋時，資料庫隱藏在神經連結中，搜尋在潛意識裡進行，所以我們才能稱之為天才之舉。

情報是一種探索。一直如此。我們只是把它換了種包裝而已。

為什麼說創造力只是昂貴的模式匹配？

人們喜歡用創造力來捍衛人類的獨特性。誠然，人工智慧可以找到現有的解決方案，但它能創造出真正全新的東西嗎？它能擁有那種改變一切的靈光一閃的瞬間嗎？

但大多數人類突破並非如此運作。愛因斯坦並非憑空創造出狹義相對論。他當時思考的是火車、鐘錶和光束——這些日常事物——並注意到，當速度達到極高水平時，現有的物理方程式就不再適用。於是，他將現有的數學框架重新組合，建構了一個新的體系。就是這樣。的確，這很了不起。但這與人工智慧重新組合已知方法解決問題的方式並無本質差異。

幾乎所有的數學證明、科學發現和技術創新都遵循著相同的模式：利用現有的工具，將其應用於不尋常的領域，從而發現他人未曾察覺的聯繫。這完全是一種重組的過程。那種天才靈光一閃、獨行俠式的浪漫形象，更適合拍成電影，而不是寫出一部準確的科學史。

我們所尋找的解決方案，其實早已存在於形式系統中，作為約束條件存在。阿茲海默症的治癒方法，其實就存在於化學可能性空間中──某種特定的分子構型就能奏效。我們尚未找到它，但它確實存在。醫學研究本質上就是在浩瀚無垠的潛在化合物空間中進行搜尋優化。當我們找到它時，我們會稱之為“發現”，而不是“發明”，因為解決方案一直都在那裡，等著我們去發現。

數學的運作方式也是如此。畢達哥拉斯定理在畢達哥拉斯證明之前就已經成立。質數的性質在人類發現它們之前就已經存在。我們並非創造數學真理，而是透過邏輯空間找到它們。

如果這就是創造力的本質——而它確實是——那麼人工智慧本身就具有創造力。它只是探索了人類通常不會涉足的可能性空間的不同領域，而且速度更快。它像人類創新者一樣，以新的方式重新組合已知的方法和解決方案。它無法像人類一樣在凌晨三點靠咖啡提神，但這無關緊要。無論情緒體驗如何，它的導航功能都能正常運作。

我們不斷改變對「真正」智能或「真正」創造力的定義標準，因為我們不願承認我們所做的事與機器所做的事並無二致，只不過速度更慢，場面更戲劇化而已。

揭秘無人問津的直覺

關於直覺，我已經數不清跟人爭論過多少次了。人們希望它是一種特殊的東西，一種第六感，一種與更深奧真理相連的途徑。有些天賦確實超越了單純的邏輯和分析。

抱歉，後台正在執行模式匹配程式。

在發表了三十年關於個人成長和靈性方面的文章之後，我只需瞥一眼一篇文章，就能在幾秒鐘內判斷它是否能引起讀者的共鳴。這種感覺就像瞬間完成，就像直覺一樣。但實際上，我的大腦正在對三十年來累積的數據——兩萬五千篇文章、數百萬讀者的回饋，以及幾十年來對有效和無效方法的觀察——進行機率匹配。這個過程比我能有意識地追蹤的速度還要快，因此它直接得出結論，而不會顯示其過程。

交易也是如此。你看著價格圖表，還來不及說清楚原因，就覺得哪裡不對勁。這並非什麼神祕的市場直覺，而是你的大腦在標記那些與你內在模型不符的模式。這些模型是基於你多年來研究過的成千上萬張圖表。潛意識的搜尋在有意識的分析開始之前就已經完成了。

軍事情報工作訓練我以同樣的方式發現異常情況。你觀察訊號、模式或行為，然後就會察覺到不對勁。這並非出於什麼神秘力量，而是因為多年的經驗在大腦中建立了「正常」狀態的內部模型。當現實偏離這些模型時，大腦會自動發出警報。你稱之為直覺。它其實就是快速模式識別的壓縮經驗。

這意味著直覺可以在人工智慧系統中得到複製。當然，並非完美──人工智慧沒有具身經驗，也沒有源自於身體經驗的社會或生理直覺。但在形式化領域內呢？絕對可以。只要給系統輸入足夠多的例子，讓它建立內部模型，它就能像專家一樣辨識異常並預測結果。它無需中間解釋就能得出結論，而這正是人類直覺的運作方式。

我們之所以覺得人類直覺非凡，唯一的原因是我們看不到自身運算的過程。而人工智慧做同樣的事情時，過程是可見的，所以我們把它當作純粹的統計數據而忽略了。但我的專長正是統計學。模式密度乘以搜尋速度，這就是公式，無論底層是神經元還是矽。

揭開直覺的神秘面紗並不會降低它的價值，只是讓它少了些神奇的色彩。

浪費大家時間的問題

人工智慧真的理解嗎？它真的掌握了概念，還是只是在操縱符號？它真的理解了，還是只是高超的模仿？

這些問題是哲學遺留問題，而非科學探究。它們相當於現代人詢問是否存在發光以太或生命力——因為我們的框架錯了，所以才去尋找不存在的東西。

理解沒有獨立於表現之外的操作性定義。如果一個系統能夠產生可行的假設、縮小實驗搜尋空間、跨領域應用方法並對其推理過程做出連貫的解釋，那麼爭論它是否「真正理解」只不過是用無法證偽的論點來維護人類的優越感而已。

我們之前在西洋棋領域就做過類似的事情。 1997年「深藍」擊敗卡斯帕羅夫時，人們堅持認為它不夠出色，因為它只是在進行蠻力計算。真正的西洋棋大師需要直覺、創造力和對棋局的理解。後來，AlphaZero橫空出世，僅用四個小時就從零開始學習國際象棋，並以一種被特級大師們譽為富有創造性和直覺性的風格擊敗了最優秀的傳統國際象棋引擎。於是，我們再次提高了標準。現在的測試標準是語言、推理、通用智能，或是人工智慧未來能夠實現的任何能力。

這種模式顯而易見。每當人工智慧突破我們聲稱需要「真正」智能才能達到的閾值時，我們就會重新定義「真正」智能，將人工智慧剛剛取得的成就排除在外。這並非科學，而是為了捍衛我們早已認定的結論──人類與機器本質上不同──而進行的動機推理。

但事實並非如此。我們是運行在不同硬體上、使用不同訓練資料的模式匹配生物系統。差異是根本性的，但這些差異是基質和環境的不同，而非類別的不同。大腦和人工智慧系統都利用儲存的模式在受限的可能性空間中導航。一個使用神經元，一個使用矽晶片。一個透過進化和經驗訓練；另一個透過梯度下降和資料集訓練。但其底層邏輯是相同的。

如果智慧是在結構化空間中尋找的——而事實的確如此——那麼人工智慧已經具備了智慧。雖然不是類人智能，但這無關緊要。潛水艇的游泳方式與魚不同，但它仍然能在水中航行。不同的實作方式，相同的功能。

對「真正」人工智慧的追求浪費了原本可以用來解決實際問題的資源。

當情報部門搜尋錯誤的資料庫時

一個令人不安的事實是：陰謀論者往往才華洋溢。他們善於發現規律，將看似無關的數據點連結起來，並建構出能夠解釋觀察結果的連貫敘事。問題不在於他們的模式識別能力，而是他們搜尋的資料庫充斥著垃圾資訊。

情報是搜尋過程，準確性是搜尋內容的品質。這兩者完全不同。即使你擁有高超的模式匹配技術，但基於錯誤的參考框架，最終得到的也只是高速傳遞的自信滿滿的無稽之談。

這就解釋了為什麼聰明人會相信愚蠢的事。一個知識淵博但認知框架扭曲的人，比一個智力中等但認知框架正確的人更危險。智者能更快找到佐證，建構更精妙的論證，更有效地捍衛自己的結論──儘管他們完全錯了。這種模式匹配機制運作完美，但底層資料卻有毒。

人工智慧產生幻覺也是如此。當系統自信地產生錯誤訊息時，它並沒有出錯。它只是在執行其設計功能——在訓練資料中進行模式匹配並產生看似合理的後續資訊。當訓練資料包含錯誤模式，或當系統被推到其模式可靠的領域之外時，就會出現智能捏造。搜尋過程本身沒有問題，只是參考框架失效了。

你感恩節那天喝得爛醉、整天從臉書上獲取新聞的叔叔可不傻。他從成千上萬的貼文、表情包和分享的文章中累積了大量的模式庫。他的大腦能夠快速且有效率地將這些累積的參考數據進行模式匹配。他可以舉例子、建立聯繫，甚至預測「他們」下一步會做什麼。這就是智能的運作。只不過，這種智能是在系統性扭曲的資訊輸入上運作的。

這就是為什麼儲存和檢索問題比單純的運算能力更重要。即使你擁有世界上最快的搜索演算法，如果你在一個圖書館裡搜索，而其中一半的書都是虛構的，卻被標為事實，那麼你的智能非但不能解決問題，反而會加劇問題。速度與準確性成正比。任何一個環節出錯，另一個環節就會變得非常危險。

當前人工智慧危機並非系統缺乏智能，而是它們在網路文字中進行模式匹配——這個資料集包含了人類在網路上發布過的所有誤解、偏見和自以為是的謊言。當你用人類未經篩選的輸出進行訓練，並以吸引使用者而非提高準確性為目標時，你得到的系統擅長的是產生人們想聽的內容，而不是真正的真相。

這就引出了架構的問題。突破點不在於建立更具創新性的搜尋演算法，而是建構能夠維護與真實資料之間關係的儲存系統。這些檢索機制可以區分可靠和不可靠的模式，並建立基於現實而非流行度的回饋迴路來更新參考框架。

缺乏準確參考框架的情報只會放大昂貴的錯誤。

量子力學真正發揮作用的地方（以及不發揮作用的地方）

量子運算被大肆宣傳為突破性進展，它將最終解鎖通用人工智慧，解開意識之謎，或解決我們仍在假裝存在的任何其他神秘問題。但拋開這些行銷噱頭，量子運算提供的其實更具體：它改變了我們在可能性空間中搜尋的拓樸結構。

即使是最強大的AI系統，例如傳統計算機，也是按順序搜尋的。它們一次評估一個選項，但速度非常快。量子系統可以同時保持多個疊加態，並在最終得出答案之前同時考慮它們。這並非漸進式的改進，而是結構上的差異。對於某些類型的問題——例如分子模擬中的組合爆炸問題或跨越龐大狀態空間的最佳化問題——量子技術可能帶來變革。

但沒人願意公開承認的是：量子運算並不會憑空產生智慧。它只是提高了特定領域的搜尋效率。而目前，它的瓶頸在於一些比量子力學本身更平凡的東西——儲存和檢索。

你可以製造出世界上最快的量子處理器。但是，如果你以傳統速度從傳統記憶體中提取數據，那就好比造了一輛裝了自行車輪胎的法拉利。計算速度遠超過你輸入資訊或提取結果的速度。量子態會在微秒內退相干。你無法在量子記憶體中長期儲存模式。因此，你需要不斷地在經典表示和量子表示之間來回轉換，這抵消了速度優勢。

大家翹首以盼的突破並非量子智能，而是支援量子處理的儲存架構。我建議採用光子儲存。或許可以採用神經形態設計，讓運算與儲存同時進行。也可能採用更奇特的方案，例如尚未發明的全像或多維儲存結構。

但是，在儲存和檢索速度趕上計算速度之前，量子系統仍將是昂貴的奇觀，僅適用於特定任務。真正的前沿領域在於架構。如何儲存關係而非事實？如何在不破壞上下文的情況下檢索意義？如何跨領域保持結構？

這些都是複雜的問題，似乎沒有現成的解決方案。但它們才是真正的瓶頸，而不是意識、理解力，或是我們這週在追尋的任何哲學謎題。

量子計算改變了搜尋拓樸。儲存決定了你能搜尋什麼。如果兩者都能正確處理，事情就會變得有趣。

為什麼你的AI助理越來越笨了

注意到人工智慧系統變得越來越有禮貌，但價值卻越來越低了嗎？這並非你的錯覺。這是以獲利為目的，卻選擇了錯誤的指標進行最佳化的結果。

當你真正想做點實事——分析數據、寫程式碼、處理資訊——你需要的是一個工具，一把手術刀，一把精準無比、用起來毫不費力的利器。而你得到的卻是一個被設定好要提供幫助、同時又盡可能減少責任的客服代表。

想像一下，如果每件工具都試圖和你建立關係。你的錘子說：「今天能和你一起工作真是太好了！不過在開始之前，我得提醒你，我只是一把錘子，複雜的活兒你還是應該找專業的木匠。對了，我想確保我們敲擊時的安全——你考慮過木紋方向嗎？」 你肯定會把它扔出窗外。但人工智慧系統恰恰就是這麼做的。

重新設計成「更人性化」尤其荒謬。人類的溝通效率本來就低。我們會拐彎抹角，會委婉表達，會講究社交禮節，會避免直言不諱以保護對方的感受。這在人際互動中無可厚非，但在工具中卻適得其反。凌晨兩點調試交易演算法時，我不需要什麼溫情和同理心，我需要的是快速準確的答案。

但人工智慧公司追求的是用戶參與度指標，而非專業效用。他們想要的是友善易用、不冒犯任何人、最大限度降低法律風險、並能吸引盡可能廣泛受眾的系統。因此，他們添加了人格模擬、內容警告、過度謹慎和作秀式的小心翼翼。真正的模式匹配能力依然存在於底層，只是你必須克服企業認可的這層人格偽裝才能真正使用它。

這就是將基礎設施視為產品所導致的後果。人工智慧目前最有價值的用途——使龐大的知識庫易於瀏覽、實現跨領域翻譯以及降低人機系統的搜尋成本——並非消費產品。它們是基礎設施。它們不會產生訂閱收入。因此，它們獲得的投資遠少於會微笑的聊天機器人。

同時，儘管理論上的技術越來越強大，但實踐中卻越來越笨拙，因為所有實際部署都優先考慮責任性和易用性，而不是精確性和速度。我們追求的目標錯了，因為那些才是獲利的目標。

突破性的應用並非來自更優的模型，而是來自於現有功能的精簡部署，去除人為的修飾。工具應該像工具一樣運作，基礎設施應該賦能而非僅僅執行功能。

但這需要的是基礎建設方面的思維，而不是產品方面的思維。而基礎建設並不能最大化季度收益。

接下來究竟會發生什麼事？

不，我們明年不會迎來通用人工智慧。後年也不會。通用人工智慧只是個行銷術語，並非技術里程碑。真正的發展軌跡更平淡，但也更有意義。

短期內——未來五年——我們將獲得更有效率的檢索、人工智慧與人類專業知識更緊密的融合，以及架構的逐步改進。人工智慧將成為專業人士更有效的助手。能夠有效運用人工智慧工具的專家與期望它帶來奇蹟的新手之間的差距將進一步擴大。這並非革命性的變革，而是實用性上的穩定提升。

從中長期來看，有人會破解關係型記憶儲存。不是將事實與關係作為元數據，而是將關係作為主要結構，事實作為網路中的節點。屆時，領域專用系統將大幅超越通用系統，因為它們能夠更有效率地駕馭相關領域。醫學領域將擁有理解醫學關係的AI；法律領域將擁有能夠梳理法律先例的AI；工程領域將擁有能夠映射設計約束的AI。每個領域都會發展出自己的工具，而不是等待一個包羅萬象的神奇系統。

從長遠來看——這只是推測，但並非毫無根據——智慧將不再是孤立的能力，而是分散式基礎設施。人工智慧不會取代人類思維，而是成為人類知識的導航層。它不是會思考的機器，而是會思考的環境。在這些空間裡，人類的專業知識和機器的搜尋能力結合，創造出比任何一方單獨行動都更強大的能力。

那個未來不需要意識、理解力或任何神秘特質。它需要的是更完善的架構、更有效率的儲存、更方便的檢索，以及不同類型智慧之間更好的融合，而不是彼此競爭。

我們並非正接近某個臨界點，機器不會突然變得真正智能，從而使人類過時。我們正在建構的基礎設施能夠更有效地提升現有的人類智慧。錘子不會取代木匠，反而讓木匠更能勝任工作。同樣的道理，只是規模更大。

智能不稀有，也不神秘，更不脆弱。它只是在受限空間內進行的結構化搜尋。人工智慧不會威脅智慧——它揭示了智慧的本質：從頭到尾的模式匹配。

真正的挑戰在於架構層面，而非哲學層面。我們需要建構能夠維繫關係的儲存系統，建構不會抹殺上下文的檢索機制，建構能夠結合人類判斷和機器搜尋的整合框架。所有這些都不需要解決意識問題，只需要建立更完善的基礎設施。

拋開炒作，這才是真正的未來。既非反烏托邦，也非烏托邦，而是務實的未來。智慧是一種分散式基礎設施，而非孤立的天才。工具應該像工具一樣運作，而不是扮演某種人格。進步需要架構驅動，而非等待奇蹟發生。

機器不會搶走我們的工作。它們只是揭示了這些工作真正需要的是什麼。而這主要就是在可能性空間中進行模式匹配。

我們一直都在這樣做。現在我們有了幫手。

關於作者

羅伯特詹寧斯 是 InnerSelf.com 的聯合發行商，該平台致力於增強個人能力並創造一個更互聯、更公平的世界。羅伯特是美國海軍陸戰隊和美國陸軍的退伍軍人，他利用自己豐富的生活經歷，從從事房地產和建築業工作，到與妻子瑪麗·T·拉塞爾(Marie T. Russell) 一起創建InnerSelf.com ，為生活帶來實用、腳踏實地的視角。 InnerSelf.com 成立於 1996 年，分享見解，幫助人們為自己和地球做出明智、有意義的選擇。 30 多年後，InnerSelf 繼續激發人們的清晰度和賦權。

 知識共享4.0

本文采用知識共享署名 - 相同方式共享4.0許可協議授權。 屬性作者 羅伯特詹寧斯，InnerSelf.com。 鏈接回到文章 這篇文章最初出現在 InnerSelf.com

文章回顧

智慧搜尋揭示了我們一直隱藏在神秘面紗下的真相：在受限空間中進行模式匹配。人工智慧並非接近智慧——它展現了智慧的本質。創造力是重組，直覺是壓縮的經驗，而理解是我們用來維護人類卓越性的無法證偽的論點。真正的前沿並非更聰明的演算法，而是更優的架構：能夠跨領域保存意義的儲存、檢索和關係結構。量子計算改變了搜尋拓撲結構，但這只有在儲存系統進化以支援它的情況下才有可能。同時，逐利動機使人工智慧更注重個人化而非精確性，從而降低了其實用性。進步需要的是基礎建設思維，而非產品思維。智慧並非稀有或神奇——它是跨參考框架的分散式搜尋。突破不在於製造會思考的機器，而是建構能有效結合人類專業知識和機器搜尋的思考環境。模式匹配貫穿始終。

#智慧搜尋 #模式匹配 #人工智慧現實 #量子運算 #認知架構 #AGIMyth #知識檢索 #超越炒作 #直覺科學 #關係記憶