當大型語言模型（LLM）如 OpenAI 的 ChatGPT、Anthropic 的 Claude、Google Gemini 與 Perplexity AI 能夠流利地寫詩、發想點子甚至解決複雜問題時，人類很容易誤以為它們已經具備了意識與思考能力。這些系統背後的開發商大量借鑒了大腦神經元的運作原理，打造出人工神經網路，產出的結果往往與人類思維高度相似。不過，魁北克大學蒙特婁分校（UQAM）的實驗心理學博士生迪迪埃·卡米洛·奧拉特·岡薩雷斯（Didier Camilo Olarte Gonzalez）與心理學教授皮埃爾-呂克·德尚塔爾（Pier-Luc de Chantal）指出，相似的輸出結果，並不代表背後運作的過程完全相同。
從抓杯子看人類的預測處理機制
想像一下伸手去拿桌邊的杯子，如果高估或低估了距離、施力不當或動作太快，杯子可能就會摔碎。對人類來說，這個日常動作依賴著不斷預測下一步發展的複雜能力。心理學中的「預測處理」（predictive processing）理論認為，大腦會不斷生成預期，並將其與接收到的感官資訊進行比對，一旦出現落差就會立刻做出調整。例如拿一個以為裝滿、實際上卻空無一物的杯子時，大腦預期會有較重的手感而使出過多力量，這種預期與實際手感的落差，便成了修正動作與更新重量預期的關鍵回饋。
人類的學習絕不只是累積關於物品的資訊，而是將伸手、感受重量、看著液體灑出等各種親身經驗串聯起來，最終甚至不需要實際動手，就能在腦海中想像出可能的後果。這種對物理世界的直覺理解，嬰兒在幾個月大時就已經逐漸建立。心理學家尚·皮亞傑（Jean Piaget）過去便曾提出，兒童是透過與世界的實際互動來建構知識，並在過程中學會在腦海中預判後果，而無需親自嘗試每一種風險。
聊天機器人的文字預測與世界模型的崛起
相較之下，現今機器人要穩定操作杯子仍需大量的訓練與模擬，而聊天機器人所進行的預測則是另一種形式。大型語言模型透過學習海量數據，學會的是「預測下一個字詞或文字片段」。當輸入「一隻手碰撞桌邊的杯子，這個杯子……」，聊天機器人可以憑藉資料集的パターン預測並接續寫出「翻過邊緣掉落到地板上」，但這並不代表它曾經親手拿過杯子，也無法證明它真正理解杯子為什麼會掉落。
為了縮短人工智慧與人類思考的距離，「世界模型」（World models）這項新興技術應運而生。這類 AI 方法旨在預測情境如何演變，以及行動將如何改變這些情境。透過整合影片、模擬畫面或機器人實際感測到的動作與回饋，世界模型能幫助系統將預測與物理世界的實際反應連結起來。對於居家機器人而言，這意味著它能預期「握太緊會捏碎杯子」或「錯誤的動作會導致傾倒」，讓 AI 在與環境互動的表現上更貼近人類。
從產業發展來看，當前 AI 競賽的焦點正從「模仿人類的輸出結果」轉向「理解物理世界的運作邏輯」。世界模型的出現確實讓 AI 往前跨了一大步，但我們必須釐清，能預測結果不等於理解本質。對一般人來說，一個杯子不只是桌上的圓柱體，它同時代表著可抓握、易碎、屬於誰、溫度過高或即將墜落等龐大生活經驗的總和。AI 或許能在不久的將來給出完全正確的預測，但它所依據的知識庫與人類刻骨銘心的認知體驗，本質上依然存在著難以跨越的鴻溝。
展望未來：區分表現與過程的重要性
隨著世界模型不斷從動作、感官回饋、模擬數據中學習，AI 與人類的相似度未來勢必會變得越來越難以忽視。然而，即使人工智慧能夠越來越擅長預期接下來可能發生的事，並利用這些預測來採取行動，這單獨一點仍然無法證明它具備了與人類相同的知覺、學習能力或世界理解力。當人工智慧在複製人類認知表現這條路上走得越快、越好，我們在看待這些科技成果時，清楚區分「表現」與「過程」將會變得比以往任何時候都更加重要。
本文改寫整理自公開新聞來源，原始報導由The Star, Kenya發布。
常見問題 FAQ
問題1：AI 與人類的思考方式有什麼根本上的不同？
答案1：雖然聊天機器人產出的結果看似與人類相似，但人類的思考與學習源自於親身體驗物理世界、感官回饋以及與環境互動所累積的深刻理解；而現今的 AI 主要透過海量數據來預測下一個字詞或模擬物理結果，兩者的底層運作過程完全不同。
問題2：什麼是 AI 的「世界模型」（World models）？
答案2：世界模型是一種新興的 AI 技術，旨在預測情境如何隨時間演變以及行動會如何改變情境。透過結合影片、模擬資料以及機器人的感官回饋，這類模型能幫助 AI 將預測結果與物理世界的實際反應連結起來。
問題3：AI 能像人類一樣真正「理解」一個物體嗎？
答案3：目前還不行。以杯子為例，人類對杯子的理解連結了物理屬性、可能採取的動作與潛在後果（如易碎、過熱、屬於誰等）；AI 縱使能透過世界模型預測杯子會摔落，這也只佔了人類完整認知與理解的一小部分。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
