AI與人類思考大不同！研究揭關鍵缺陷恐影響現實決策

最新研究發現，人工智慧(AI)在類比推理能力上與人類存在根本性差異，這項發現可能對AI工具的實際應用帶來重大警示。雖然我們早就知道AI的思考模式與人類不同，但這份2025年2月發表於《機器學習研究匯刊》的研究，首次具體揭示了這種差異如何影響AI的決策品質。

研究團隊針對大型語言模型(LLM)進行測試，發現無論是簡單的字母串類比題，或是需要補全數位矩陣的題目，人類表現優異，但AI的表現卻大幅下滑。特別是在故事類比問題上，AI模型容易受到答案順序效應影響，且更傾向於改寫內容而非真正理解。

阿姆斯特丹大學神經符號AI助理教授瑪莎·路易斯舉例說明：「當題目是『若abcd變成abce，那ijkl會變成什麼？』，多數人類會回答ijkm，AI也能答對。但當題目變成『若abbcd變成abcd，那ijkkl會變成什麼？』，人類能看出要刪除重複字母而回答ijkl，GPT-4卻經常答錯。」

路易斯教授強調，人類擅長從具體模式中歸納出通用規則，但LLM僅能識別和匹配模式，無法進行真正的抽象推理。「這不是資料量的問題，而是如何使用資料的能力差異。」

這項缺陷在實際應用中可能產生嚴重後果。以法律領域為例，AI已被廣泛用於案件研究、判例分析和量刑建議。但若缺乏良好的類比能力，AI可能無法正確判斷相似但不完全相同的案例該如何適用先例。

研究團隊特別指出，這項發現證明我們不僅要評估AI系統的準確度，更需檢視其認知能力的穩健性。在部署AI工具時，必須審慎考量這些根本性限制可能帶來的現實影響。