1947 年的一个午后，伦敦的空气依旧带着战后尘埃。英国国家物理实验室的讲堂里，艾伦·图灵正向一群科学家与数学家演讲。人们神情专注，他们关心如何让新出现的电子计算机更快地完成运算任务。然而，图灵却突然提出了一个问题："机器会思考吗？"（Can machines think?）
机器会思考吗？这是图灵在上世纪 40 年代提出的经典问题。如今，随着人工智能的迅猛发展，大语言模型（LLMs）已经展现出前所未有的能力：它们能写文章、解数学题、生成代码，甚至在若干任务上接近或超越人类平均水平。这让我们不得不再次思考一个核心问题：既然这些模型已经呈现出"涌现智能"的迹象，甚至可能具备超越人类的潜力，那么，它们是否真的会思考？如果答案是肯定的，我们又为何仍在不断改进训练方法，试图让模型在推理时像人类那样思考？
大模型的智力已经内化
在人工智能发展的早期，系统往往依赖显式的规则库。例如，专家系统需要工程师编写成千上万条逻辑规则，才能在特定领域内发挥作用。这种智能是"外在"的：知识以明确形式存储，推理过程依赖人工设定。
与之不同，大语言模型通过在海量语料上的训练，把语言模式、逻辑结构乃至常识知识以内化的方式编码进神经网络参数中。这些知识不再以显式规则存在，而是被潜在表示吸收。换句话说，大模型无需人类逐条输入规则，而是依靠内部结构生成答案。它不仅能根据提示生成连贯的故事，还能在解释复杂现象时运用类比与叙事。这说明，模型并非只是"拼接语言"，而是在以潜在的知识结构组织信息。
大语言模型的核心架构------Transformer，在规模足够大时，会呈现出所谓的涌现性（emergence）。这意味着模型在没有显式编程的前提下，可能展现出类人推理、逻辑分析和知识迁移的行为特征。
这种能力并非外部附加，而是嵌入在模型的权重和注意力机制之中。研究显示，模型在训练过程中能够表现出跨任务迁移的迹象，即在不同领域的任务中组合并应用知识。例如，GPT-3 已展现出在陌生任务中通过少量示例进行学习（few-shot learning）的能力；在多步算术推理和逻辑题上，它的表现也明显优于早期神经网络。这说明，大模型在训练过程中已经积累了跨领域推理的潜力。
为什么还需要训练大模型"思考"？
然而，内化的潜力并不等于外显的推理轨迹。既然大语言模型已经具备推理能力，为什么研究者还要设计所谓的"Thinking 模式"、引入 think 标签，甚至构建 Chain-of-Thought 或 Tree-of-Thought 这样的框架？
原因在于，大模型并不会自动把推理潜力显性化。它的训练目标是"预测下一个词"。在大多数人类对话数据里，答案往往直接给出，很少有人在日常交流中逐步展开推理。因此，模型在被微调成 Instruct 模式后，更习惯于"快速响应"，而不是"深度推演"。
这点可以用人类大脑来类比：当别人对你说"你好"时，你不会先在脑中演算逻辑，而是直接回一句"你好"。这种"省力倾向"在人类和模型身上都存在------如果可以直接给出答案，就不会额外展开推理。
问题在于，许多需要逻辑分析、数学推理或复杂规划的任务，模型往往因为缺乏显式的"展开思考"过程而出错。
因此，研究者开始尝试通过显式手段来诱导模型思考。例如，Chain-of-Thought 提示让模型先生成中间推演再给出结论，已被证明能在数学和逻辑任务中显著提升表现。进一步，若在训练样例中加入 think 标签，模型能区分"思考过程"和"最终答案"，推理路径也因此更稳定。而在更复杂的框架中，如 Tree-of-Thought，模型会生成多条解题思路并进行筛选与比较，最终选出更合理的答案。
这些方法的核心，并不是"创造"新的智能，而是让已有的推理机制显性化。换句话说，它们把模型内部潜藏的推理能力转化为可见的"思维链条"。因此，所谓"思考模式"更多是一种外部引导手段。无论是提示工程、显式标签还是搜索式框架，其目的都在于发挥已有潜力，而不是凭空增加新技能。
思考，快与慢
人类大脑重量约占体重的 2%，却消耗约 20% 的能量。在进化过程中，这种高能耗器官必须在有限能量环境下平衡效率与精度。心理学家丹尼尔·卡尼曼在《思考，快与慢》中提出，人类认知活动可大体分为两类模式：
系统 1（快速直觉反应）：依赖较低的代谢消耗，常基于经验和启发式规则。它能在危险情境下迅速反应（例如见到火焰就躲避），节约时间和能量，即便偶尔出错也比延迟更具生存价值。
系统 2（前额叶逻辑推理）：涉及前额叶皮层（PFC）、前扣带皮层（ACC）等区域，运作时葡萄糖和氧气消耗明显升高。这一模式在复杂、陌生或冲突情境中必不可少，但长期维持会导致"脑力疲劳"。
从进化角度看，大脑形成"双系统"并非为了追求完美，而是为了在有限能量下保证生存：日常任务交给低耗能的直觉系统，高风险或复杂问题则动用昂贵的推理系统。
神经科学研究表明，这种区分有明确的生物学基础。系统 1 常依赖杏仁核、纹状体等区域，负责情绪与习惯性反应；系统 2 依赖背外侧前额叶皮层（DLPFC）、ACC 以及海马体，负责逻辑推理、冲突监控和记忆调用。这解释了为什么"深度思考"往往伴随明显的疲劳感。
类比之下，大模型的 Instruct 模式近似系统 1 的快速反应，而 Thinking 模式则对应系统 2 的深度推理。不同之处在于：人脑依靠元认知能力主动切换，而大模型通常需要提示工程或外部控制器来激活。
在人类大脑中，多巴胺系统在行为带来正反馈时释放奖励信号，强化相关神经连接。工程上常将这一机制类比为人类反馈强化学习（RLHF），即通过人类偏好打分为模型提供"奖励信号"，引导其偏向更符合期望的推理链条。这样，昂贵的"深思"只有在带来价值时才会被强化，否则就回归低成本模式。
节能与调度
在人脑中，直觉与推理的切换并非随机，而是由一套协调机制控制：
首先是冲突监测（ACC）。当直觉反应与目标或外部信息不符时，ACC 发出"异常信号"。例如把 10 ÷ 2 + 1 直觉误算为 5（错误示例），ACC 会检测到冲突。
随后是前额叶皮层（PFC）介入。ACC 发出信号后，PFC 调动工作记忆与逻辑资源，切换到更耗能的推理模式。
最后是奖励与动机系统的调节。多巴胺通路评估是否值得维持高能耗状态。如果解决复杂任务能带来收益，PFC 激活就会持续。
这套机制解释了大脑为何多数情况下依赖直觉，而在复杂任务中才调用推理。
人工智能也面临类似挑战。回答简单问题若动用全部推理，会浪费算力；面对复杂任务若只依赖表层模式，则易出错。因此，部分新一代大模型引入了路由器（router）机制：在输入到来时自动评估任务难度，并在"快速直觉通道"与"深度推理通道"之间选择。
一些闭源模型提供 reasoning.effort（如 OpenAI 系列）、budget_tokens（如 Anthropic 系列）等思考预算参数，用以调控推理深度；部分开源模型则利用轻量分类器或 gating 机制判定是否进入"思考模式"。一旦进入思考模式，模型会生成中间步骤，并通过剪枝与筛选避免推理无限延展；在数值实现上，有的系统（如DeepSeek V3.1）采用低精度（如 FP8）来降低计算成本。
可以说，路由器机制在概念上对应人脑的 ACC---PFC---多巴胺系统：通过冲突检测、任务调度与能量评估，在快慢思维之间动态切换。这一设计既保证了响应速度，也在需要时提升了推理可靠性，从而避免无谓的"过度思考"。
结语
当我们再次回望图灵的问题------"机器会思考吗？"------或许更恰当的回答是：机器确实展现出某种形式的思考，但它与人类思维并不相同。而在技术不断演化的过程中，这个问题本身，正成为推动我们探索智能边界的动力。
参考文献
- Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.
- Kojima, T., et al. (2022). Large Language Models are Zero-Shot Reasoners.
- Wang, X., et al. (2023). Self-Consistency Improves Chain-of-Thought Reasoning in Large Language Models.
- Shinn, N., et al. (2023). Tree of Thoughts: Deliberate Problem Solving with Large Language Models.
- Yao, Y., et al. (2023). ReAct: Synergizing Reasoning and Acting in Language Models.
- Shinn, N., et al. (2023). Reflexion: Language Agents with Verbal Reinforcement Learning.
- Shazeer, N., et al. (2017). Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer.
- Fedus, W., Dean, J., & Shazeer, N. (2022). Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity.JMLR.
- Christiano, P., et al. (2017). Deep Reinforcement Learning from Human Preferences. NeurIPS.
- Bai, Y., et al. (2023). Constitutional AI: Harmlessness from AI Feedback.
- 卡尼曼, D. (2012). 思考，快与慢. 中信出版社.
- Botvinick, M. M., Cohen, J. D., & Carter, C. S. (2004). Conflict monitoring and anterior cingulate cortex: an update. Trends in Cognitive Sciences.
- Shenhav, A., Botvinick, M. M., & Cohen, J. D. (2013). The expected value of control: An integrative theory of anterior cingulate cortex function. Neuron.
- Holroyd, C. B., & Yeung, N. (2012). Motivation of extended behaviors by anterior cingulate cortex. Trends in Cognitive Sciences.
- Arnsten, A. F. (2009). Stress signalling pathways that impair prefrontal cortex structure and function. Nature Reviews Neuroscience.
- Miller, E. K., & Cummings, J. L. (2007). The Human Frontal Lobes: Functions and Disorders. Guilford Press.
- 吉尔伦尔, G., & 托德, P. M. (2002). 简捷启发式. 华东师范大学出版社.
- 拉塞尔, S., 诺维格, P. (2013). 人工智能：一种现代的方法 (第3版). 机械工业出版社.
- Legg, S., & Hutter, M. (2007). A Collection of Definitions of Intelligence.
- Chollet, F. (2019). On the Measure of Intelligence.
- 米切尔, M. (2021). AI3.0. 四川科学技术出版社.
- 马库斯, G., 戴维斯, E. (2020). 如何创造可信的AI. 浙江教育出版社.
- Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?. Proceedings of FAccT.
- Ji, Z., et al. (2023). Survey of Hallucination in Natural Language Generation. ACM Computing Surveys.