近期，蘋果公司發(fā)布了一篇引人注目的研究論文，該論文對傳統(tǒng)上被認為是“推理”的人工智能模型的能力提出了深刻質疑。論文指出，盡管諸如DeepSeek、o3-mini和Claude 3.7等模型在市場上廣受關注，但它們所展現(xiàn)的推理能力，實質上仍局限于模式匹配的范疇，并未真正具備邏輯推導的能力。

為了對這一觀點進行更為嚴謹?shù)尿炞C，蘋果的研究團隊設計了一系列結構化謎題任務，包括漢諾塔問題、跳棋交換問題、過河問題以及積木世界等。這些任務不僅具有高度的復雜性，而且可以通過調整參數(shù)來精確控制難度，從而實現(xiàn)對模型推理能力的系統(tǒng)性評估。

實驗結果顯示，當任務難度逐漸增加時，這些模型雖然在一開始表現(xiàn)出一定的適應能力，如延長生成回應前的等待時間，但隨著任務難度的進一步攀升，模型的推理深度卻開始減弱。在最為關鍵的時刻，即使模型仍有充足的token預算，它們也未能進一步深入分析，而是選擇了停止。當任務難度超過某個臨界值時，所有模型，包括那些專為推理設計的模型，都完全喪失了基本的解題能力，準確率迅速歸零，呈現(xiàn)出明顯的性能崩潰。

這篇論文一經(jīng)發(fā)布，立即在網(wǎng)絡上引發(fā)了廣泛的討論。一些用戶批評蘋果，認為作為擁有雄厚資金支持的科技公司，蘋果在近年來并未推出具有突破性的技術成果，反而對行業(yè)內(nèi)其他公司的進展提出質疑。然而，也有觀點認為，這篇論文的意圖并非全盤否定現(xiàn)有的技術成果，而是希望推動業(yè)界對更為有效的推理機制和評估方法進行更為深入的探索和研究。

值得注意的是，蘋果在2024年的全球開發(fā)者大會上首次展示了其智能系統(tǒng)Apple Intelligence。然而，該系統(tǒng)在過去一年中遭遇了多項功能的推遲上線、功能不完善甚至被撤回的情況。這一背景或許為蘋果此次發(fā)布論文提供了更為復雜的動機，即希望通過揭示當前模型的局限性，激發(fā)業(yè)界對更有效推理機制和評估方法的關注和投入。