←新聞 7 / 9→

研究突破

別被騙了——LLM 並不具備推理能力

Don’t be fooled—LLMs don’t reason

別被騙了——LLM 並不具備推理能力

www.technologyreview.com · 2026-10-02

摘要

MIT Technology Review 發表文章指出,儘管 AlphaGo 在圍棋對弈中展現出看似具備「創造力」的棋步,但大型語言模型(LLM)本質上仍依賴機率計算,並未真正具備人類式的推理能力。文章透過回顧 AlphaGo 擊敗李世石時的經典棋局,強調機器學習與真正推理之間的差異,提醒大眾不應將統計預測誤認為智能推理。

2016年3月,在首爾舉行的五局三勝制圍棋比賽中,AlphaGo 在第二局下出了第37手,這步棋落在棋盤第五線,外觀上看似送給人類對手李世石的禮物。這一步棋被部分評論員認為是程式錯誤,因為它看起來極其荒謬,但實際上並非故障。最終 AlphaGo 以 4 比 1 擊敗了被譽為史上最偉大職業圍棋選手之一的李世石。

李世石在賽後表示,他原本認為 AlphaGo 只是基於機率計算的機器,但看到這步棋後改變了看法,認為 AlphaGo 具有創造力。這與 1997 年 Deep Blue 擊敗當時的世界象棋冠軍加里·卡斯帕羅夫形成對比。Deep Blue 依靠人類硬編碼的規則,每秒評估 2 億個象棋棋局位置,並向前看六到八步。

相比之下,圍棋的複雜度遠高於象棋。棋子的價值取決於數十步之後 distant groups 和領土的展開情況。要計算所有可能的結果,即使只計算一小部分,也需要超級電腦花費數十億年。為了贏得比賽,AlphaGo 必須一眼看出誰佔上風,甚至發明出人類從未想過的下法。正是因為這些表現,許多關於 Alpha 的敘事開始將其與真正的智能或創造力聯繫起來,儘管其本質仍依賴機率計算。

●開發者:釐清 LLM 能力邊界,避免過度依賴其邏輯推導

●投資人:留意 AI 應用層面中對「推理」能力的實際評估與風險

●一般用戶:理解 AI 回應背後的機率本質,降低對其「思考」能力的誤解

重要性評分

63/100

🟠 值得關注

大型語言模型推理能力AlphaGo機率計算MIT Technology Review
報導依據
上一則← MaxText 成功在 Google Cloud TPUs 上復現 Olmo 3 7B 預訓練下一則GitHub Universe 2026 十大技術演講精選 →

喜歡這篇?每天早晨還有更多。

訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。

相關指南

🤖 本文摘要由 AI 自動生成,內容源自原始報導。如有疑慮,請參閱關於我們。

喜歡這篇?每天早晨還有更多。

訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。