说实话，我最近用AI写代码、查资料的时候，心里总有点不踏实。它能把复杂的算法讲得头头是道，但有时候，一个简单的逻辑陷阱就能让它前言不搭后语。这种“能解难题却犯低级错误”的矛盾，让我这个老码农特别烦躁。我们天天说AI在“推理”，但它到底是怎么“想”的？这感觉就像看着一个学生交出了满分卷子，却完全不知道他的解题过程是不是蒙的。

本文来源于广告门 adquan.com

这个困惑，最近被华盛顿大学团队的一项研究给捅破了。他们干了一件特别酷的事：从研究人类思维的认知科学里，借来了一套包含28个要素的完整分析框架。然后，他们像给AI做“心理体检”一样，系统性地分析了来自18个不同模型的超过19万条推理记录，还找了54个真人做对比。这相当于第一次给机器的“思维过程”建立了一个前所未有的标尺。

分析结果让我有点意外。

AI的推理路径和我们人类存在根本差异。它特别喜欢用那些看起来复杂、显得自己很“聪明”的策略，但这些策略往往效率低下。更讽刺的是，当面对真正复杂的、没有标准答案的开放性问题时，AI反而“怂”了，它使用的思考策略会变得保守，从平均覆盖39.7%的认知要素，下降到只用33.7%。这就像遇到大考，它反而把工具箱里最趁手的几件高级工具给收起来了。

这种差异在对比图里看得更清楚。人类的思维结构，更像一个经验丰富的侦探，善于抽象和循环思考，能快速抓住核心。比如解决一个逻辑问题，人类可能用166个词就点出关键。而AI的思维，则像一个过分细致的会计师，执着于枚举和线性推演，同样的题它能写出7632个词，事无巨细，却可能抓不住精髓。数据显示，超过一半的人类案例表现出强烈的抽象思维，而AI只有36%。这种结构上的不同，直接导致了AI在鲁棒性和泛化能力上，和我们存在一条鸿沟。

这让我想起陶哲轩最近曝光的那个事儿。AI号称解决了几个著名的数学难题，结果被发现，答案其实早就躺在几十年前的冷门文献里了，只是被人类遗忘了。陶哲轩说得很精准，AI现在的核心能力，不是从零开始的“创新”，而是利用其强大的算力，去扫描人类知识体系中那些被遗忘的“长尾”和“黑洞”，把那些我们解决过但自己都忘了的“低垂果实”给捡回来。它更像一个超级图书管理员，在知识的垃圾堆里做考古，而不是一个真正的推理者。

但华盛顿大学的研究最有价值的地方，在于它指出了解决方向。他们基于这些发现，开发了一个“思维导航”系统，能在AI解题时实时指导它采用更有效的推理结构。结果很惊人：在复杂的非结构化问题上，AI的表现能提升66.7%。这证明了一个关键问题：AI不是缺乏推理能力，而是它不知道在什么时候、该调用哪一种能力。就像一个拥有全套工具的修理工，却总在错误的时候拿起错误的扳手。

所以，我们现在看到的AI“推理”，本质上是一种路径迥异的模式匹配。它离真正的“思考”还有距离。

未来的关键，可能不是继续优化它给出的答案，而是优化它得到答案的过程。我们需要重新思考，如何让人类像侦探一样的抽象洞察力，和AI像会计一样的枚举检索能力更好地协作。毕竟，让AI去翻故纸堆捡漏，我们去验证和升华，这或许才是知识探索的新范式。

小满AI写作平台作为AI写作工具致力于文章创作，欢迎大家体验~~~

更多AI相关内容关注&公众号：妙想MIAO.X