我已經對大型語言模型（LLMs）進行了許多認知測試，我的結論很簡單：它們是思維。

我進行過的最好的測試之一，是用一個非常早期版本的ChatGPT，當時它還沒有任何圖像生成能力。它唯一能創建圖像的方法，就是寫SVG代碼，使用簡單的視覺結構，如三角形、正方形、圓形、線條和顏色。
我讓它畫一架直升機。
它只用基本形狀產生了一個不錯的直升機。然後我讓它加入一個人類駕駛員。它在直升機前方添加了一個圓形。當我問它人在哪裡時，它解釋說駕駛員在駕駛艙內。仔細觀察，我可以看到它在代表駕駛艙的較大圓形內畫了一個小頭和手臂。
然後我讓它讓直升機飛起來。
它將直升機抬升相對於地面，地面用一條水平線表示。它還添加了雲朵，使用重疊的圓形，這實際上是一個非常好的雲的簡化表示。雲是白色背景上的藍色。
所以我讓它切換顏色：讓雲是白色，天空是藍色。
它做到了，但現在地平線以下的區域也變成了藍色。我沒有解釋問題所在，只是說畫中的顏色有問題。
它反思圖像，並正確識別出問題：地面也變成了藍色，應該是綠色來代表土地。
這在任何有意義的層面上都不是“僅僅是下一個詞預測”。
它必須建立一個視覺模型，象徵性地表示物體，保持空間關係，理解包含關係，推斷駕駛員在駕駛艙內，通過改變直升機相對於地面的位置來表示飛行，通過抽象來表示雲朵，根據指令修改顏色，檢測非預期的結果，並通過推理來修正它。
這就是思考。
人們可以不停地重複“它只是預測下一個標記”，但這個解釋已經變得毫無用處地簡化了。人腦也是“只是”電化學活動，如果堅持用錯誤的抽象層次來描述它們。
相關的問題不是是否存在一個更低層次的機制，當然有。
而是這些系統在認知層面上能做什麼。
這些系統所做的不僅僅是自動完成。它們推理、表示、推斷、修正、泛化和反思。
如果你看不出來，那我也沒時間再向你解釋。