目前的大模型（如 OpenAI、Anthropic、Google DeepMind 的模型）已经表现出了一定程度的：

• 抽象能力（abstraction）

• 发散思维（divergent thinking）

• 类比能力（analogy）

• 组合创新（compositional creativity）

抽象思维

很多人说AI没有抽象能力，但是在语言中的概念抽象：“公司”、“国家”、“货币”、“法律”

这些本来就是抽象概念，LLM 能操作这些概念，说明它已经具有如下能力：

• 概念压缩

• 语义映射

• 高维关联

至于编程中抽象，目前人类望尘莫及。

即使是数学规律抽象，AI不仅能发现勾股定理：a^2+b^2=c^2，而且还能

• 推导

• 泛化

• 类比到向量空间

为什么很多人觉得 AI 没有真正抽象思维？

AI不是“不会抽象”，而是：“抽象没有锚点”

也就是：它的概念很多，但不真正连接现实世界。

从下面几个方面可以体现：

没有长期目标系统

因为目前AI它缺少几个关键东西：

• 身体

• 感官

• 物理世界

• 长期生活经验

LLM 没有真正持续目标。它只有：“当前 token 的最优预测”。

没有真正的因果模型

当前 Transformer 更擅长：

• 相关性（correlation）

不擅长：

• 深层因果（causality）

例如：

它知道：

“下雨经常导致地面湿”

但不一定真正理解：

• 水分子

• 重力

• 蒸发

• 物理过程

没有持续自我模型

人类有：

• 自我意识

• 记忆连续性

• 人格稳定性

而 LLM：每次对话几乎都是“重新开始”。

未来 AI 可能如何获得真正抽象能力？

世界模型（World Model）

让 AI 学习：

• 物理规律

• 时间连续性

• 因果关系

这个杨利坤一直在推动，皮衣黄也在推动：https://www.nvidia.com/en-us/ai/cosmos/

发散思维

现在 AI 的“发散思维”其实已经很强了

比如：

让 AI：

• 写商业方案

• 设计 UI

• 写小说

• 做架构

• 发明 API

• 组合技术方案

它能产生大量“可能性”。

这其实已经接近：“发散生成”。

AI 的发散和人类不一样

很多人以为：“发散思维 = 天马行空”，其实不对。

真正高级发散思维：是：“在巨大可能性空间中，找到有价值的新结构”

例如：

• 爱因斯坦想到相对论

• 牛顿抽象出万有引力

• Unix 发明 pipe

• Transformer 发明 attention

本质都是：更高层规律压缩

AI 发散更像：

巨大概率空间中的高维组合搜索。

本质类似：

• 启发式搜索

• latent space traversal（潜空间遍历）

• pattern recombination（模式重组）

但是，人类发散维度太多，比如：

• 来自欲望

• 情绪

• 生存压力

• 直觉

• 现实体验

人类的发散能力，来自多个系统共同作用：

而当前 LLM：文本统计 -》Transformer -》next token prediction

因为缺少世界模型（学习“世界状态变化”），所以它缺缺少：

• 世界反馈

• 自我体验

• 真正欲望

• 生存目标

而且，我们需要给AI赋予具身智能（Embodied AI），例如：

• Tesla Optimus

• Figure AI

• NVIDIA Isaac

AI或许终有一天，拥有人类一样的发散思维模式！

AI会思考，但不像人类思考

说AI 不会思考，这是不准确的。

AI 思考形式是一种“非人类式智能”（神机网络，对于目前人类来讲，本来就是黑盒），它不像人类理解世界，但仍然能解决大量复杂问题。

真正难点：意识与主观体验

但人类创造力很依赖：

• 多年经验积累

• 长期知识结构

• 自我成长轨迹

无法处理“未定义的抽象”

有人说人类可以面对从未见过的复杂情况总结出新规律。AI 虽然有 OOD（分布外数据）处理能力，但当面对完全脱离其训练数据逻辑的新型问题时，其抽象能力会迅速崩塌，出现“幻觉”。

让 AI 学习一个关于世界的通用模型，能够在脑海中模拟和预测各种情境，包括从未发生过的情境，比如：OpenAI 的 Sora、Google 的 World Model、Meta 的 GenSim

而且可以通过内在奖励机制（如好奇心、新奇性、预测误差），让 AI 主动探索未知的抽象空间，

缺乏自主的“求异”动机

有人说人类的发散思维往往是为了打破规则，而 AI 的本质是拟合规则。AI 总是倾向于给出“最像人类会给出的答案”，这种对统计学中值的追求，限制了它产生真正的颠覆性创新。

目前AI训练的内在奖励机制（Intrinsic Motivation），AI将会主动探索与成长……

目前 AI 到什么阶段了？

• 记忆            ✅

• 模式压缩        ✅✅✅

• 语义搜索        ✅✅✅

• 抽象迁移        ✅✅

• 因果理解        ⚠️

• 世界模型        ⚠️

• 元认知          ⚠️

• 自我意识        ❌

人类真正的抽象，其实建立在“因果压缩”上

牛顿不是发现：苹果经常掉，而且发现万有引力定律，最后抽象为公式，这本质是：因果统一

为什么当前 Transformer 很难真正因果化？

因为 Transformer 的训练目标：本质是：预测下一个 token

它优化的是：统计预测

而不是：世界因果建模。

当前 AI 缺乏：

- 深层因果模型

- 世界交互能力

- 主动实验能力

- 认知框架重建能力

所以可以说，连简单的因果都处理不了

• 相关性学习       ✅✅✅

• 模式压缩         ✅✅✅

• 语义泛化         ✅✅

• 简单因果         ⚠️

• 反事实推理       ⚠️

• 世界模拟         ⚠️

• 主动实验         ❌

• 认知框架重构     ❌

学术界和工业界已经意识到因果理解的重要性，并正在从多个方向进行突破：

个人感觉，AI下围棋的表现，足以体现其智力远超人类，如果加上世界模型，AI……

感觉按照目前的模式发展下去，有生之年或许能够看到机器拥有意识