https://is.gd/U7lWC8
看到一個影片，非新聞報導，僅創作者想法
討論蘋果揭露關於人工智能當中的最大謊言
之前也看過一個影片指出
AI無法產出指針在10:10以外的手錶
（網路手錶圖片通常指針停留在10:10）
自己嘗試過幾次確實是這樣
因為AI的訓練是基於現有大量資料
去產生一個與大量資料相似的產物給你
無法產生未曾有過資料的產物
（以上為個人猜測，若錯誤請指正）
雖然現在已有研究嘗試將AI接入人類神經元
未來思考的方式有可能因此改變
不再只是記憶，而是真正的推理
（但是這好像也是一件滿恐怖的事情？）
如果說給AI一個圍棋組，但不教他玩法
也不讓他參考棋類玩法，讓他自行摸索
就像嬰兒拿到玩具後自己亂玩那樣
AI能夠自行生成玩法是不是就算是成功？
中文翻譯
蘋果剛剛揭露了人工智慧中最大的謊言，即「思考」的假象，證明了像 Claude、Deepseek-
R1 和 OpenAI 的 o3-mini 等推理模型實際上並不會思考。蘋果沒有重複使用舊有的數學問
題，而是創造了這些模型從未見過全新謎題。結果令人震驚。
對於簡單問題，標準 AI 模型表現優於昂貴的推理模型，同時消耗更少的資源。對於中等複
雜度問題，推理模型顯示出一些優勢，但對於模擬現實世界情境的高複雜度問題，兩種類型
的模型都崩潰到 0% 的準確度。
這是確鑿的證據：蘋果給予 AI 模型逐步的演算法，就像給某人食譜一樣，但它們仍在相同
的門檻下失敗了。這證明它們無法遵循邏輯指令。該研究沒有發現任何形式推理的證據，得
出結論認為其行為最好用複雜的模式匹配來解釋。
簡單地更改名稱和問題會顯著降低性能。蘋果測試了河內塔（Tower of Hanoi）謎題，模型
在超過 100 步的移動中成功了，但在新穎的渡河謎題中僅僅 4 步後就失敗了。它們是記憶
模式，而不是進行邏輯推理。
隨著問題變得越來越難，「思考」模型使用的 token 越來越少，放棄得更快，而不是更深
入地思考。即使無限的計算資源也無濟於事。這揭示了數十億美元的 AI 投資是建立在錯誤
前提上的。
公司將複雜的模式匹配宣傳為真正的推理，誤導消費者對 AI 能力的認知。我們離通用人工
智慧（AGI）的距離並沒有大家想像的那麼近；我們正在處理的是非常複雜的自動完成系統
。當先進的 AI 推理模型連遵循簡單指令都失敗時，我們是否正生活在一個建立在幻想之上
的 AI 炒作泡沫中？
英文原文
Apple just exposed the biggest lie in AI with the illusion of "thinking," provin
g that reasoning models like Claude, Deepseek-R1, and OpenAI's o3-mini don't act
ually think. Instead of recycling math problems, Apple created brand new puzzles
these models had never seen. The results were shocking.
For simple problems, standard AI models outperformed expensive reasoning models
while using fewer resources. For medium complexity, reasoning models showed some
advantage, but for high complexity problems that mirror real-world scenarios, b
oth types collapsed to 0% accuracy.
Here's the damning evidence: Apple gave AI models step-by-step algorithms, like
giving someone a recipe, and they still failed at the same thresholds. This prov
es they can't follow logical instructions. The study found no evidence of formal
reasoning, concluding behavior is better explained by sophisticated pattern mat
ching.
Simply changing names and problems degraded performance dramatically. Apple test
ed Tower of Hanoi puzzles, where models succeeded with 100-plus moves but failed
at novel river crossing puzzles after just 4 moves. They memorized patterns rat
her than reasoned logically.
As problems got harder, "thinking" models used fewer tokens and gave up faster i
nstead of thinking deeper. Even unlimited computational resources couldn't help.
This exposes that billions in AI investment are based on false premises.
Companies market sophisticated pattern matching as genuine reasoning, misleading
consumers about AI capabilities. We are not as close to AGI as everyone thinks;
we're dealing with very sophisticated autocomplete systems. When advanced AI re
asoning models fail at following simple instructions, are we living in an AI hyp
e bubble built on illusions?

作為工具使用，只要確實能突破人類生產效能的上限就有其成功性啊，能不能演化作為智慧生命體獨立運作是另一個發展方向吧？

本來就還不行，然後你說圍棋那個早就有了，alphago時代還不是現在LLM時代就有了。

好了啦

@想想自己的問題

光是幫忙整理過往資料就幫忙發現很多材料的新組合了還有前幾年陸續幫天文學家整理過去認為沒料的紀錄結果當年一些事務沒發現就只是因為太繁雜沒注意到量子概念股就真的不知道了，有科學量測以外的例子?

花大錢時間講一個大家都知道的東西 這團隊應該通通開除

完了 超大鬼故事

@misthide

確實啊 現在嚴格上來說都是模仿 圖靈機不可能產生強人工智慧感覺很多理盲看到Reasoning 就以為它會思考了 兩回事吧= =

賈伯斯從墳墓裡爬出來！！

ai目前生成每個字都還是機率的組合

AI思考的話人類真的會滅亡，因為人是不完美的，但AI在人類定的制度下是可以完美。

歷史總是驚人的相似

應該沒有哪家LLM說過自己的模型會思考吧 蘋果只是想吃不到葡萄就說葡萄酸 有夠可憐的

有心嘲諷不如努力開發能思考的AI沒想到蘋果也懂比爛了

你這樣人家怎麼騙股東錢Ai假如一旦會思考有慾望天網馬上來你反應的時間都不會有

會思考才是新聞