重新思考人工智慧的智慧：外部記憶在問題解決中的角色

重新思考人工智慧的智慧：外部記憶在問題解決中的角色

當人工智慧（AI）系統解決一道困難的數學問題時，通常的解釋是它已經變得更加智能。也許它已經吸收了數百萬個數學範例，或者是強化學習（reinforcement learning）教它更好的推理策略，或者是它開始發展真正的數學直覺。所有這些解釋可能都包含一些真理，但它們忽略了一個更簡單的可能性：AI 擁有比人類大腦更大的工作記憶（working memory）。

工作記憶是指人類大腦在短時間內儲存和操控信息的能力。當人類數學家在解決一個數學問題時，他只能同時在腦中儲存少量的陌生元素。而 AI 模型則可以在其內容窗口中儲存整個問題陳述、數百個中間方程、數個被放棄的方法、定義、約束和之前的結論。通常，我們將這種表現解釋為優越的推理能力，但事實上，這可能是因為 AI 拥有比人類更大的外部符號工作空間（external symbolic workspace），這個工作空間可以執行許多人類工作記憶所執行的功能。

工作記憶的限制

人類的工作記憶非常有限，其容量取決於任務和信息的組織方式，但其限制在日常經驗中是很明顯的。試著在腦中乘以兩個三位數的數字，底層的操作是很簡單的，但難度主要來自於需要保留部分結果同時進行額外的計算。把數字寫下來就可以轉化這個問題。紙張不會使你變得更智能，但它能夠擴大你的有效工作記憶。

同樣的原理也適用於更高層次的數學。數學家使用符號、草稿紙、圖表和以前寫的引理，不僅是為了溝通解決方案，而是為了使推理在認知上變得可能。專家通過“chunking”（分塊）來補償。新手看到一長串符號，而專家則認出一個熟悉的結構，並將其視為一個單一的概念物體，這樣可以使更多的信息容納在相同的生物工作記憶限制內。

未來展望

AI 模型面臨著一個非常不同的限制。工作記憶在數學中的重要性不僅是理論上的，它也體現在人類之間的差異中。工作記憶與一般智力（general intelligence）有很強的關係，這引發了一個明顯的問題：我們是否低估了工作記憶在 AI 中的角色？未來的研究可能會更加關注工作記憶和外部符號工作空間在 AI 中的作用，從而更深入地了解 AI 的智慧和人類智慧之間的差異。