Google與芝加哥大學聯袂發表在arXiv平台的論文《推理模型孕育思想社會》（Reasoning Models Generate Societies of Thought），在複雜技術之外，它迫使人們必須重新正視一個被忽略的問題，什麼才是真正的智能？

這篇論文所給予的答案，是接近我們人類的智能，推理模型完全不是一條筆直的思考線，而是一次內在的對話，甚至是一場衝突不斷的辯論。

研究團隊利用一種稱為「稀疏自編碼器」（Sparse Autoencoder, SAE）的工具，首次得以撬開DeepSeek-R1與QwQ-32B頂尖推理模型的內部運作。研究發現，當這些模型面對真正困難的問題時，內部並不只有一個聲音在計算答案，而會自發分裂出多個角色，其中有專門質疑假設的，有負責提出聯想的，有執行步驟的，有反覆驗證結果的，甚至還能辨識出外向、謹慎、衝動或保守等類似人類性格的差異。

換句話說，這些模型在腦中形成一個小型社會，這種現象被研究者稱為「思想社會」（Society of Thought）。其關鍵在於，這不是工程師寫進去的功能，它是模型在長時間強化學習，只被獎勵「最後答對」的過程中，自己摸索出來的高效策略。當單一思路容易卡頓時，最好的解法不是想得更久，而是讓不同觀點互相衝撞。

論文裡有一個極具畫面感的例子，在有機化學合成題中，普通模型通常會一路推到底，錯了也不知道錯在哪裡，但推理模型的內部卻像一場會議，先有人質疑化合物結構是否判斷錯誤，另一個角色立刻反駁氫原子數量不對，第三個提出替代反應路徑，最後由實幹者逐步驗證。這些質疑、反駁、修正的內部互動，直接對應了更高的解題成功率。

令人咋舌的，是這套機制不只存在，還能被精準操控。研究人員在模型中定位到一個特定的內部特徵，與「啊！原來如此」、「等等，這不對」這類轉折與驚嘆的語言反應高度相關，僅僅是稍微強化這種內在承認錯誤、重新檢視的信號，模型在一項算術推理測試中的正確率就幾乎翻倍，反過來壓抑它，表現立刻崩跌。這說明了一件過去被忽略的事，好的推理，不是避免錯誤，而是擁有承認與修正錯誤的內在機制。

若從更宏觀的角度看，這項發現正在動搖過去十年AI訓練的核心假設。我們習慣把思考想像成一條愈寫愈長的推理鏈（Chain of Thought），彷彿只要步驟夠多、夠完整，智能自然會出現，但這篇論文清楚表明，真正關鍵的不是長，是多樣性和衝突。沒有不同立場，就沒有驗證；沒有衝突，就沒有真正的理解。

這也讓AI的演進，意外地與人類智慧的起源重疊。心理學與演化人類學早已指出，人類的大腦之所以變得如此龐大，並不是為了獨自解題，那是為了在複雜的社會中協商、辯論、說服與防衛他人，智能，從來就不是孤立誕生的，從這個角度看，當AI開始在腦內模擬一個小型社會，它其實是在重走人類智慧的老路。

這項研究的意義，不只在於性能提升，更在於可解釋性與安全性的突破。在此之前，我們只能看到AI的最終答案，卻無法理解它為何如此判斷，現在，研究者首次能夠量化模型內部的「角色多樣性」、「衝突強度」與「共識形成」。未來，這意味著我們有可能在模型犯下嚴重錯誤之前，就察覺它的內部思考是否過於單一、是否缺乏反對聲音。

對整個產業而言，這是一個重要的轉捩點，AI的下一步，恐怕不再只是更大的模型、更昂貴的算力，應該是更成熟的內在組織能力，它會知道什麼時候該質疑自己，什麼時候該讓不同觀點充分交鋒，什麼時候又該收斂成可行的共識。

這篇論文提供的價值，不是技術上的驚喜，是一分明確而清晰的預感，世界正在進入一個全新的智能階段，不是更安靜、更順從的AI，是更吵雜、更懂自我辯論、也更加可靠的AI。或許，真正的分水嶺是論文中所隱含的那句話，「當AI開始在腦中互相爭吵時，它才真正開始思考」。

（作者為富瑜文教基金會執行長）

※以上言論不代表旺中媒體集團立場※