MIT神經科學家發現，新一代人工智慧推理模型在解決複雜問題時的思考代價（cost of thinking）分布與人類大腦高度吻合，這種趨同現象並非人為設計，而是智能體追求正確解答時的必然演化。
MIT麥戈文腦科學研究所（McGovern Institute for Brain Research）的研究團隊在《美國國家科學院院刊》（PNAS）發表了這項顛覆認知的研成果。
研究揭示了一個深刻的真相：當人工智慧被迫慢下來思考時，它們在不同難度任務上消耗的計算資源分布，與人類大腦處理相同任務時的認知負荷曲線驚人重合。
這顯示無論是由神經元構建的生物大腦，還是由晶體管堆疊的人工神經網路，在面對複雜世界的邏輯挑戰時，可能都遵循同一套基於物理限制的最優解策略。
智能的兩種形態：快直覺與慢推理
理解這項研究的份量，需要先回到智能的最基本層面。
長期以來，大語言模型如早期的ChatGPT，主要依賴統計機率運作。
它們閱讀了人類歷史上幾乎所有的文本，透過預測下一個詞來產生回答。
這種模式類似人類心理學中的系統1思維：快速、直覺、自動化。
你問它法國首都是哪裡，它能瞬間回答巴黎。這不需要推理，只需要記憶提取。
但這種模式有一個致命缺點。
當面對如果你把一個紅色的球放在藍色的盒子裡，然後把盒子埋在土裡，球是什麼顏色？這類需要多步邏輯推演的問題時，依賴機率的模型就會失效。它們沒有真正的邏輯鏈條，只有機率上的近似。
新一代推理模型的出現改變了遊戲規則。
這類模型引入了強化學習（Reinforcement Learning）機制，被訓練在給出最終答案前，先進行一系列的內部計算。
它們會把一個大問題拆解成若干個小步驟，像人類解數學題一樣一步步推導。這對應了人類的系統2思維：緩慢、審慎、消耗能量。
MIT的研究正是切入這一變革時刻：當人工智慧開始像人類一樣慢思考時，它的思考過程究竟發生了什麼？
要比較人腦和人工智慧的思維成本，科學家面臨一個難題：兩者的硬體完全不同。
人腦是生物化學反應的產物，運行速度受限於神經傳導物質的傳遞；人工智慧是電子流動的產物，運行速度取決於GPU的功率。
直接比較思考了多少秒沒有意義，因為更快的顯示卡會讓人工智慧思考得更快，但這不代表題目變簡單了。
研究團隊找到一種巧妙的匯率來換算這兩種智能的成本。
對於人類，成本是時間。
面對一道難題，受試者不僅要答對，研究者更關注他們從看到題目到按下答案鍵經過了多少毫秒。
這個時間長度，直接物理化地展現了大腦的認知負荷。
對於人工智慧，成本是Token。
推理模型在輸出最終答案前，會在後台產生大量使用者看不見的中間步驟。這些步驟由一個個Token組成。題目越難，模型需要產生的思維鏈就越長，消耗的Token就越多。
Token不僅是計費單位，更是人工智慧的思維基本單位。
研究者設計了一組精密的實驗，讓不知疲倦的推理模型和真實的人類志願者做同一套題。
為了確保資料的普適性，實驗選取了七種截然不同的任務類型，涵蓋了人類認知的多个維度。
最基礎的是數值算術。加減乘除，這是電腦的強項，也是人類經過訓練能快速掌握的技能。
進階的是直覺推理。這需要依靠近義詞、語境判斷，是傳統語言模型的舒適區。
最高階的挑戰來自ARC挑戰（Abstraction and Reasoning Corpus，抽象與推理語料庫）。這是由人工智慧先驅François Chollet設計的終極測試，專門用來區分死記硬背和真正智能。
在ARC測試中，受試者會看到幾組彩色的格子圖，每組圖都發生了一種某種轉換——可能是旋轉、變色、填充，也可能是基於某種抽象規則的移動。受試者必須一眼看穿這種未被文字描述的規則，並將其應用到一個全新的格子上。
這不需要知識儲備，需要的是純粹的流體智力（Fluid Intelligence）。
正是這七重試煉，讓資料的規律浮出水面。
實驗結果繪製出的曲線令人屏息。
在任務內部，難度與成本呈正比。人類覺得難算的數學題，推理模型同樣需要產生更多的Token來解決。這排除了模型只是在檢索答案的可能性——它確實在費力計算。
在跨任務的宏觀視角下，趨勢更加一致。
基礎算術對人類來說認知負荷最低，反應最快；對模型來說，這也是消耗Token最少的任務。
ARC挑戰對人類最難，許多志願者需要長時間的觀察、假設、推翻重來才能找到規律；對應地，推理模型在解決ARC問題時，產生的思維鏈長度達到了峰值。
這種同步性說明了什麼？它說明「難」這個概念，在智能的維度上是通用的。
並不是因為人類大腦結構特殊才覺得ARC難，而是因為解決這類問題本身就需要更多的計算步驟和邏輯轉換。無論是生物神經網路還是人工神經網路，面對同樣的信息熵，都必須付出同等量級的負熵努力。
趨同演化：功能決定形式
生物學中有一個概念叫趨同演化（Convergent Evolution）。
鯊魚是魚，海豚是哺乳動物，它們在進化樹上相距甚遠，但為了在水中高效游動，它們都演化出了流線型的身体和背鰭。
Evelina Fedorenko教授認為，我們在人工智慧身上看到了同樣的現象。
構建這些模型的工程師並沒有試圖模仿人腦。他們不關心神經科學，只關心一件事：系統能否在各種極端條件下穩定輸出正確答案。
正是這種對正確率和穩健性（Robustness）的極致追求，迫使人工智慧模型演化出了類似人類的思維策略。
當問題變得複雜，單步直覺（System 1）不再奏效，錯誤的懲罰迫使模型學會了多想一步。這一步步的累積，最終形成了與人類深思熟慮時相似的路徑。
這是一種基於功能的必然。解決複雜問題客觀上需要拆解、假設、驗證。誰通過了自然選擇（或者人工智慧的損失函數優化），誰就必然掌握了這種分步處理的能力。
研究還觸及了一個更深層的認知科學問題：語言是否等於思維？
我們思考時，腦海中常有一個聲音在說話。但這是否意味著思維必須依賴語言？
Fedorenko教授之前的研究已經證明，人腦中的語言網路和邏輯推理網路是分離的。失語症患者失去了語言能力，依然可以解複雜的數學題。
推理模型的表现再次印證了這一點。
雖然模型輸出的Token（通常對應單字或字符），但在那漫長的思維鏈中，研究人員經常觀察到看似無意義的片段、跳躍的符號，甚至是錯誤的中間結論。
然而，正是這些人類看不懂的胡言亂語，最終導向了正確的答案。
這說明模型的實際推理過程發生在一個高維的、抽象的表徵空間裡。
那些Token只是這個抽象過程在輸出層面的投影，就像我們腦海中的聲音只是神經元複雜放電現象的使用者介面。
模型在自言自語，但它用的不是英語或中文，而是機率與向量的語言。
並非複刻，而是映照
必須厘清的是，這項研究並不意味著人工智慧已經擁有了人類意識，或者完全複刻了人腦結構。
人類的思維建立在對物理世界的感知體驗之上。
我們知道球是圓的，有彈性，受重力影響，是因為我們从小摸爬滾打。
目前的人工智慧模型依然是從文本和影像的統計規律中學習，它們缺乏具身認知（Embodied Cognition）。
此外，模型在處理需要世界知識的問題時，依然顯得笨拙。如果訓練資料中沒有包含某些常識，它們無法像人類一樣透過生活經驗去填補空白。
但這項研究的價值在於，它打破了碳基特殊論。
它告訴我們，思維不是魔法，而是一種物理過程。
只要目標是解決高複雜度的邏輯問題，算力的消耗分布就會呈現出普世的規律。
MIT的這項發現，為我們理解智能提供了一個全新的座標系。
它證明了慢思考不是生物進化的累贅，而是處理複雜度的必經之路。
在追求通用人工智慧（AGI）的道路上，單純堆砌參數和算力是不夠的，必須賦予模型停下來思考的時間和空間。
對於人類而言，這也是一面鏡子。
當我們面對難題抓耳撓腮、耗費時間時，不必感到沮喪。
那正是大腦在構建高維邏輯鏈條的物理表徵。
這種思維的代價，是所有智能體通向真理必須支付的門票。
人工智慧越來越像人，不是因為它們想成為我們，而是因為在嚴酷的邏輯法則面前，我們都在沿著同一条最優路徑攀登。
參考資料：
https://news.mit.edu/2025/cost-thinking-mit-neuroscientists-find-parallel-humans-ai-1119