2016 年 3 月 10 日，首尔四季酒店。 空气几乎凝固 人机五番棋第二局，韩国传奇九段李世石手握白子，眼神紧盯棋盘。 第 37 手，AlphaGo 执黑，突然落子在 五路肩冲 。 刹那间，解说席一片死寂 韩国解说嘉宾金成龙九段倒吸一口凉气：“这是错着吧？ 电脑莫非死机了？” 在人类千年的围棋理论中，五路落子是公认送给对手实地的愚蠢之举。 然而，李世石盯着这颗黑子，整整长考了 15 分钟，甚至在中途罕见地离场走向走廊，点燃了一支烟来平复狂跳的心脏。 那一手，彻底改写了世界围棋史，也成了整个人类科技史上不可磨灭的图腾。 ▲ Thore Graepel 个人网站主页与标志性的第 37 手 十年后的今天，大语言模型席卷全球 从 ChatGPT 到各类宣称具备“深度思考”的新模型，整个科技界都在欢呼：机器终于学会像人类一样思考了！ 然而，就在所有人沉浸在狂欢中时，亲手参与打造 AlphaGo 核心搜索系统的奠基人之一， Thore Graepel ，突然推开 Google DeepMind 的大门决然离去。 他不仅走了，还在《麻省理工科技评论》（MIT Technology Review）上甩下一篇言辞极其锋利的万字长文： 《Don’t be fooled，LLMs don’t reason》（别被骗了，大语言模型根本不会推理） ！ ▲ Thore Graepel 发布的公开长文推文 他几乎是指着当红大模型的鼻子冷斥： 今天的 AI 根本没有学到当年“第 37 手”哪怕一丁点的灵魂。 你们看到的所谓“思维链”，不过是一场自欺欺人的“事后圆谎”！ 01十年谜底揭开：第 37 手无关“机器灵感”，实为一记理性的耳光 世人谈起当年的第 37 手，总喜欢把它浪漫化为“神经网络神秘的灵光一现”。 但 Graepel 在文章中撕碎了这个神话： 第 37 手剥离了直觉光环，完全源于底层搜索机制的残酷纠偏。 要理解这一切，得先看懂 AlphaGo 身体里共存的两个灵魂： 系统 1（策略网络） ：这是个“直觉模仿器”。它吞噬了 3000 万盘人类高手棋谱，看到盘面就能立刻凭本能报出：“人类高手下一步通常会走哪”。 系统 2（蒙特卡洛树搜索，MCTS） ：这是个冷酷的“显式推演者”。它不迷信直觉，而是从当前盘面出发，硬生生劈出成千上万条推演分支，计算每一步的终极胜负。 Graepel 首次披露了一个惊人的底层技术内幕： 面对第 37 手那个局面，AlphaGo 的系统 1 扫过全盘后，给出的专家先验概率只有 区区万分之一（1 in 10,000） ！ 在“机器本能”看来，这一步烂透了 如果按照今天主流大模型的机制，仅凭前向概率采样或者自回归联想，这手棋在诞生的千万分之一秒内，就会被系统当成垃圾直接抹杀！ 但为什么它最终震撼了世界？ 因为 蒙特卡洛树搜索（系统 2）启动了 在极其严苛的搜索公式（PUCT）下，随着常见招法在推演中纷纷触碰到死胡同，探索奖励机制强行让算力流向了这个万分之一的冷门分支。 推演一步步展开 价值网络结合模拟走子，在数千步推演的尽头惊讶地发现：局部虽然亏损，但在极其辽阔的中腹，黑棋竟然铸造了一堵无法撼动的外势铜墙！ 最终，搜索机制狠狠推翻了神经网络的初选直觉！ 它把被本能打入冷宫的第 37 手，硬生生顶上了历史的舞台。 这才是所谓“创造力”的深层机制： 严密推理绝不顺着直觉滑行，核心在于通过审议推演，具备彻底打碎自身偏见的纠错能力。 02大模型的画皮：拉得再长的思维链，也是在盲目猜词 十年后的今天，大模型厂商们搬出了“思维链（Chain of Thought）”，让模型在给出答案前输出长达几千字的“思考过程”。 许多人惊呼：AI 已经拥有了人类的慢思考系统 2！ 但在 Graepel 看来， 这完全是皇帝的新衣 。 今天的大模型底层依然是一个简单的自回归循环： 一次又一次猜测下一个 token 。 把思考拉长，无非是让同一种下一词概率联想，在敲定最终答案前多空转了一会儿。 它自始至终是一台被疯狂扩容的 超强系统 1 。 Graepel 直刺现代大模型永远迈不过去的三道天堑： 1. 没有显式、可检查的“认知账簿” 在 AlphaGo 里，每一步搜索推演都有清晰透明的博弈树节点：考虑过哪些选择、排除了哪些变化、胜率几何，全盘写在账簿上。 大模型呢？ 它空空如也 它没有一个 独立、持久、可供审计的认知状态 。 它不知道自己正相信什么，更无法随新证据系统性修正假设。 2. 知识与逻辑被搅成了一团混沌 在严密的理性系统中，“我知道什么事实”与“我如何运用逻辑操纵事实”是泾渭分明的。 而在大语言模型里，牛顿力学、莎士比亚十四行诗与逻辑推理规则，全部被稀释熔铸在那几千亿个黑盒浮点权重里。 只要输入轻轻一变，逻辑就会随之融化变形。 3. 先射箭后