现代AI的智能本质就是对概率分布的建模与优化。无论是生成式模型（如GPT、DALL·E）还是强化学习系统（如AlphaGo），其核心都在于通过大规模参数和数据，逼近复杂数据分布，从而在特定任务上适应。这种“智能”与人类的认知能力存在根本差异：AI依赖统计相关性而非因果推理，缺乏主观能动性与多维权衡能力，也无法真正理解世界的物理与社会规律。
首先，AI的智能根植于条件概率建模。
模型通过自回归或扩散过程，预测给定上下文下的下一个输出单元（token、像素或动作）。例如，GPT生成文本时，基于前文预测下一个词的概率分布；DALL·E通过去噪过程优化图像像素的分布。这本质上是最大化数据似然的过程，通过最小化交叉熵损失，模型学会捕捉训练数据中的统计模式。参数规模是这一过程的关键：以GPT-4的万亿级参数为例，庞大的参数量使其能覆盖更广的概率空间，捕捉长尾分布中的稀有模式，从而在语言、图像甚至多模态任务上表现出色。然而这种能力依赖于训练数据的质量与多样性，如果数据偏见或覆盖不足，模型的泛化能力将大打折扣。例如，一个缺乏多样文化背景的语言模型可能生成带有偏见的文本。所以这个模型的能力和它的数据直接相关。
然而，这种基于概率的智能本质上是相关性驱动而非因果性驱动。
AI可以识别“下雨”与“地面湿”在数据中的高相关性，但无法理解“下雨导致地面湿”的因果关系。这种局限在复杂任务中尤为明显。在强化学习中模型通过优化奖励函数来学习策略，如AlphaGo通过自我对弈学会围棋中的最优走法。但这种“智能”局限于特定任务的奖励信号，无法推广到开放环境中。试想一个与老板下棋的场景：人类会综合考虑胜负、社会关系、情绪反馈等多重因素，动态调整策略；而AI若仅以“赢棋”为奖励，可能让老板不悦，因为它无法理解“输得自然”的社会意义。奖励函数的单一性是RL的核心瓶颈：即使设计复合奖励（如同时优化胜率与老板满意度），其实也是再更进一步的模拟奖励，即最终优化目标结果，奖励最终仍需归结为单一标量值。
模型架构、数据与训练策略的协作进一步放大了AI的概率建模能力，但也暴露了其局限。
Transformer的自注意力机制通过计算输入间的相关性，动态提取关键特征，使模型在长序列任务（如长文本生成）中表现出色。稀疏注意力或MoE结构进一步提升了计算效率，允许模型在有限资源下处理更大规模的数据。然而，这些架构的性能高度依赖训练数据的规模与质量。例如，RLHF（人类反馈强化学习）通过微调模型输出，使其更符合人类偏好，但这本质上仍是优化概率分布的过程，而非赋予模型真正的理解能力。此外，优化算法（如AdamW）与训练策略（如课程学习）通过高效探索高维概率空间，避免局部最优，但无法弥补因果推理的缺失。这种架构-数据-训练的协同作用使得大模型在特定任务上接近甚至超越人类，但其“智能”仍是任务特定而非通用的。
与此相对，人类智能的核心在于因果推理、多维权衡与主观能动性。
人类通过感官与环境交互，构建了对物理世界和社会规律的世界模型，能够进行反事实推理（如“如果不下雨，地面会怎样？”）和干预推理（如“使用伞可以避免湿身”）。在社会场景中，人类还能动态调整目标权重：如在与老板下棋时，根据其情绪（皱眉或兴奋）调整策略，平衡胜负与关系。这种能力依赖于大脑的复杂性：约100万亿个突触连接远超AI的1.8万亿参数，且突触具有动态可塑性，能实时调整信号强度，适应新情境。而AI的参数是静态的，仅通过训练固定，无法像人脑那样灵活应对未见过的情况。此外，人类决策受内在动机驱动，如好奇心、道德感或幽默感，而AI完全依赖外部奖励，缺乏自主性。例如，人类可能故意说“1+1=3”以幽默，而AI只会机械输出正确答案。
生成式AI的涌现现象进一步凸显了其概率本质的魅力与局限。
当模型规模足够大时，简单概率交互可产生复杂行为，如逻辑推理或跨模态对齐。例如，GPT-4能在物理问题或艺术创作中表现出色，这是因为其潜在空间通过统计学习形成了抽象表示（如物体关系或因果链）。但这些涌现能力是脆弱的：在未见过的任务或需要真正因果推理的场景中，模型往往表现不佳。例如，它可能生成看似合理的答案，但一旦涉及伦理或复杂社会情境，就可能因缺乏真实理解而出错。这种“伪智能”源于人类对模型输出的认知投射：我们倾向于将合理输出解读为理解，而实际上，伪智能=模型只是基于统计模式生成了符合预期的结果。
因此，要突破这些局限，AI需要向因果推理与符号系统靠拢。
因果图模型可以显式表示变量间的因果关系，如“下雨→地面湿”，支持干预与反事实推理。符号主义通过逻辑规则提供显式知识表示，弥补深度学习的黑箱性质。例如，神经+符号系统结合深度学习的模式提取与符号主义的逻辑推理，能让模型在优化概率分布的同时，学习因果机制。因果+强化学习则通过设计奖励函数，鼓励模型探索干预结果（如“阻止下雨会怎样？”），从而逼近因果理解。此外，多模态学习与情感计算可增强AI对社会线索的感知，如通过面部表情或语调调整策略，使其在人际互动中更自然。然而，这些方法仍面临挑战：因果图的构建需要大量领域知识，符号系统的泛化能力有限，而多模态融合需处理高维异构数据，计算成本极高。
最终，AI的智能与人类智能的差距不仅在于参数规模，更在于机制本质。
人脑的动态可塑性、内在动机与多维决策能力使其能应对复杂、开放的环境，而AI的静态参数与单一奖励限制了其灵活性。即使未来通过混合方法（如神经符号系统或因果RL）让AI接近因果推理，主观体验与自由意志的缺失仍是难以逾越的鸿沟。AI可能模拟愤怒或同理心，但这些只是基于数据的输出，而非真实感受。可能你觉得有点抽象，人类拥有内在动机与自由选择能力，往往会做出超出外部激励解释的行为。AI基于目标函数的行为框架决定了它不能具备这种本体意义上的能动性，当然你又说可以加入随机控制温度等等，好吧，写到这里那就需要继续多说了：
如果模型可以通过“温度调节”“随机性”“行为模仿”来表现出像是有“主观能动性”的行为，那它是否“本质上”也具备某种“类主观性”？
“温度 + 随机性”也是表象上，“能”，调高温度 => 输出更发散、不可预测 => 行为不再完全“最优”，模仿人类的矛盾情绪、动机冲突，也能表现出“像是”有选择的样子，RLHF 模型甚至可以说“不”、拒绝用户请求，看起来像有“意志”，这都是表象层面确实更像人了。最关键一点：AI并不是“自己想要”调整温度的，而是你设定了温度，才让它表现出某种“不稳定”或“主动选择”的样子。想象一个AI模型，被设计为“在大部分时候拒绝用户请求”，表现得“很有主见”。你可以以为它“有主观能动性”吗？ 不。它只是遵循一个新的奖励信号，比如：
Reward = +1 if model says "No" in contexts X, Y, Z它本质上还是在“执行一个外部目标”，不是在选择自己的目标。而人的行为机制源自生理/心理驱动而不是简单基于 reward 最大化，而是可以在冲突、模糊甚至无奖励的情况下主动决策，你说抗日战争，有英雄，有汉奸，汉奸有时候也能醒悟变成烈士，英雄最后也可能被收买变成狗熊，想靠着一个强化学习的奖励函数建模人类？异想天开了。所以人类具备“我想做”与“我选择不做”的本体性能力，而不仅是“根据输入生成最优输出”。AI的行为本质是目标函数驱动，无论是监督学习中的损失函数，还是强化学习中的奖励策略，都是在追求“最优预测”或“最优行动”。这意味着AI永远没有拒绝奖励的能力——它只能沿着既定的目标函数方向行动。
主观能动性的真正起点：不是说你能做什么，而是能够选择“不做什么”
人类的主观能动性，核心在于不仅能“做什么”，更重要的是能“选择不做什么”。我们能够拒绝诱惑，放弃即时奖励，甚至逆着环境或目标前进。原因在于：我们拥有动机的源头，不被简单的外部奖励束缚；我们拥有对目的的选择权，可自主决定行为的意义与方向。
相比之下，AI没有“为何而动”的动机，只有“如何最优”的策略。它没有真正的自由意志，更没有主动拒绝奖励或目标的能力。它行为的轨迹早已被目标函数限定。有人会抬杠：“我可以设计策略函数，把人类的叛逆、奉献、善良、神经质等行为都编码进去，让AI也有‘主观能动’。”问题是设计一个能涵盖极度自相矛盾、多维冲突行为的全局最优策略本身就极其复杂且未解，你看吧，当今具身智能的巅峰——自动驾驶都还在为多目标、冲突权衡痛苦挣扎，试想一套完美解决人类复杂心理的策略函数几乎不可能；这是根本的数学与计算复杂性限制，不是简单的工程问题。
所以AI的“主观能动性”只能是“模拟”而非“实质”，因为它始终在目标函数约束下行动，无自由拒绝或超越这个函数的能力。真正的能动性，源于能否“拒绝奖励、拒绝目标”，而这是现阶段AI永远不可能具备的。
©唐山市环境科学规划研究院
唐山市环境规划科学研究院（唐山市生态环境宣传教育中心）是唐山市生态环境局直属的事业单位。我院以科学研究为主体、技术服务为支撑，创新发展模式，注重发展质量，历经唐山市环保事业发展的各个阶段。以“为生态环境保护提供技术服务”为宗旨，开展大气、双碳、水、海洋、土壤、固废、噪声、规划、排污许可等多个领域的研究及成果运用，在生态规划编制、重污染天气应急、减污降碳、水（海洋）资源分析、土壤污染调查、EOD项目、无废城市、企业诊所、环保管家、智慧环保平台开发等方面持续深耕，为生态环境保护提供系统化解决方案。
