AI開始脫離人類思維，前景不祥
AI在真理與準確性方面的挑戰
近年來，AI在真理和準確性上面臨了許多問題，而這些問題與人類的思維模式息息相關。新一代的AI正在嘗試更具實驗性的方法，這種方法可能會讓機器學習走得更遠，甚至超越人類的思維極限。記得DeepMind的AlphaGo嗎？它是AI發展史上的一次重要突破，因為它是首批能夠在沒有人工指導和規則閱讀的情況下進行遊戲的AI之一。相較於傳統的訓練方式，它利用自我強化學習技術，從數百萬甚至數十億場虛擬遊戲中進行純粹的試錯，逐步建立起對遊戲的理解。
隨著DeepMind在國際象棋領域推出了類似的AlphaZero模型，這一現象更加明顯。AlphaZero與傳統的國際象棋AI（如DeepBlue）不同，後者透過人類的知識和規則集進行訓練，而AlphaZero透過自己的嘗試與錯誤，與世界冠軍Stockfish進行的100場比賽中獲得了28場勝利，其他比賽則平局。這一現象讓我們開始反思：或許人類思維並不是AI獲得成功的唯一途徑。
人類思維的局限性
DeepMind在掌控多個遊戲時拋棄了「模仿人類」這一理念，開始探索AI獨特的思維方式。這些電子思維並不受限於我們人類的邏輯和知識，反而擁有了從零開始建立理解的自由。AlphaZero並不熟悉國際象棋的歷史和名局，它只是透過大量的對局，以一種近乎冷酷的方式，依靠輸贏的結果建立自己的認知。這使得它在對局時的表現遠超任何以人類思維訓練的模型，標誌著一場思維革命的開端。
OpenAI的o1模型：與人類思維的背道而馳
現在，讓我們看看OpenAI的新o1模型。它與人類的思維方式背道而馳，開始嘗試一種全新的方法。與早期的國際象棋AI一樣，o1吸收了大量的人類知識，但它並不只是模仿。LLM（大型語言模型）像GPT-4o的討論，讓人不禁思考：人類如何能在能力上與如此強大的AI競爭呢？
LLM的重點在於語言的運用，而非確保事實的準確性。這就是為何它們偶爾會「幻覺」——用華麗的語言表達錯誤的資訊，卻表現得非常自信。語言中充滿了模糊的地帶，很少有絕對的對錯。然而，在有明確成功與失敗標準的領域，比如考試或編程，LLM的表現就顯得不夠可靠。
o1模型的前進演化：引入試錯法
OpenAI的o1模型采用了一種新的策略，在回答問題前內建了「思考時間」。在這段時間內，o1會產生一個「思維鏈」，試圖推理解決問題的方法。與以往的模型相比，o1不僅僅是一個自動完成的系統，它真正「關心」答案的正確性。透過部份訓練，o1在推理時能夠自由地使用隨機試錯的方法來解決問題。
雖然o1仍然依賴於人類生成的推理步驟，但它能夠靈活套用這些步驟並得出自己的結論，進而判斷哪些方法最可能帶來正確答案。換句話說，o1正是第一個真正開始創造出一種類似AlphaGo式的獨特理解的LLM。它在知識與能力上不斷突破，透過自我生成的數百萬次嘗試，逐步建立自己的理解與判斷。
AI的未來與物理世界的探索
隨著o1的前進演化，我們看到這種「外星智能」開始邁出超越人類的第一步。如果把遊戲世界視作現實生活的一個縮影，我們可以預見未來的發展方向。如果擁有足夠的能量，這種智能將如同短跑運動員一般，迎頭而上，持續加速。
然而，o1仍然主要接受人類語言的訓練，而語言僅是對現實的粗略表示。它可能無法真正理解物理世界的本質。想象一下，如果我們讓AI去探索物理世界，而不是單純用語言描述它會發生什麽？隨著AI開始建立自己對物理世界的理解，我們將見證一場認知革命。
具身AI的奇異之旅
未來的AI將擺脫人類的束縛，采取一種奇特的方式理解世界。它們不會遵循人類的科學方法，而是透過觀察現實的結果，自主建立理論，探索有效與無效的界限。這種自由學習的AI將展現出超乎想象的創造力，甚至可能在我們未曾想到的領域開辟出全新的知識。
盡管這種變化不會在短時間內發生，但我們可以預見，隨著技術的不斷進步，具身AI將逐步展現出其潛力。特斯拉、Figure和SanctuaryAI等公司正在全力以赴地開發類人機器人，一旦他們實作商業化標準，未來的AI將能快速、深入地理解物理世界。
結尾：未來的可能性
OpenAI的o1模型看似不顯眼，卻代表了AI發展的重大轉折。它將以全新的方式超越人類思維，探索未知的領域。未來的AI將以無法預見的方式影響我們的生活，或許我們正在見證一場嶄新的科技革命的曙光。
