無論你使用 ChatGPT 或 Claude，現在請你嘗試問 AI 一個問題，那就是「Strawberry 這個單字中包含幾個 r」，你將很驚訝地發現，AI 會告訴你錯誤答案：2 個。
目錄
多數 AI 的難關：Strawberry 草莓問題
上述這件有趣的事情，正是 OpenAI 在宣布全新推理模型 OpenAI o1 推出時，給予外界簡單卻又令人感到驚訝的示範。擁有推理能力、懂得思考的 o1 模型，原則上會給予正確的答案，數出 Strawberry 中帶有 3 個 r 字母，但是傳統的大型語言模型（LMM）卻不行。
為什麼 ChatGPT 或 Claude，皆無法正確數出 Strawberry 其實有 3 個 r 呢？其實理由很簡單，因為大型語言模型的是透過「標記」後的資料去進行訓練，AI 會把 Strawberry 整個單詞視為一個標記，既不會去拆解這個標記（單詞），更會對每個字母之間的差異視而不見。
多數的大型語言模型，原則上都無法正確回答 Strawberry 問題，不過 OpenAI 的 o1 推理模型卻可以，造成兩者之間差異的關鍵，在於 OpenAI o1 擁有「思維鏈」，可以去拆解使用者提出的問題，並且經過思考後再給予答案。
擁有自我反省能力的 OpenAI o1
OpenAI o1 導入了被稱為強化學習（Reinforcement learning，RL）的訓練方法，要求 AI 模型在回答問題之前，花上更多時間思考問題，並創造出一步一步深入解構問題的思維鏈；新的訓練流程讓 o1 得以嘗試不同的解題策略，並且「認識」自己對於問題理解上的錯誤。
換句話說，身為推理模型的 OpenAI o1，事實上有著自我反省的能力，藉由先了解自己的錯誤，並在沒有人類的提示下，對問題進行更準確的理解，進而給出更加合理的回答；當然，這背後的運作原理極度複雜，有時甚至不為科學家明確所知。
唯一可以確定的部分，在於 OpenAI o1 將能有效處理更加複雜的任務，尤其是在競爭性程式設計、數學和科學推理方面。
推理模型適合特定任務運算
OpenAI 官方報告指出，o1-preview 版本在 Codeforces 的競爭性程式設計問題中，排行名列第 89 位；而在數學方面，o1-preview 於國際數學奧林匹克資格考試中得分為 83%，在此之前 GPT-4o 的得分僅 13%。
OpenAI 也指出，o1 推理模型在物理、化學和生物學的特定任務上，其表現幾乎與人類博士生的水準相當；至於小型的 o1-mini 則是專為程式碼編寫任務所設計，成本方面比起 o1-preview 要低 80%。
值得注意的是即便 OpenAI o1 懂得思考與反省，但在大多數任務上和指標上，它仍未超越 GPT-4o，尤其是在回答延遲方面，畢竟其在幕後多出了大量的運算步驟。
並非全面進化，擔心外界錯誤期待
OpenAI 產品經理 Joanne Jang 在 X 平台上指出，他擔心外界對於 o1 有著「錯誤的期待」，認為它是一個奇蹟般的超強 AI 模型，然而事實上 o1 目前依然不夠好，或許在一些困難的任務中確實可以大放異彩，但仍需要時間繼續進步。
華頓商學院教授 Ethan Mollick 也指出，他試用了 OpenAI o1 一個月之後認為，全新的推理模型確實為傳統大型語言模型，解決了一些非常困難的問題，但並非是全方位的進步。
Ethan Mollick 教授嘗試讓 o1 解答填字遊戲，AI 首先「思考」了字謎盤面整整 108 秒，並透過自我的反覆迭代，不斷創造、拒絕自己提出來的想法，嘗試找到符合的單詞並填滿整個盤面。
在途中 Ethan Mollick 教授發現，目前 o1 的工作方式似乎與 GPT-4o 非常類似，AI 最終甚至還給出了不存在於謎題中的解答，因此 o1 顯然還有許多進步空間。
說 AI 會思考比較像是「行銷手段」
就在 OpenAI o1 正式公開後，AI 領域除了有驚訝的聲音，當然也不乏部分批評。
Hugging Face 執行長 Clement Delangue 首先指出，AI 系統的運作不該使用「思考」這個說法，它們只是在「處理」和「執行預測」，就像 Google 搜尋給出的建議那樣；透過思考來描述 OpenAI o1 更像是種行銷手段，希望欺騙使用者並讓大眾認為 AI 變得比以前更聰明。
此外，OpenAI 使用的「推理」（Reasoning）也是一個相對模糊的術語，即使用在人類身上，其實也很難準確定義該術語的實質含義。
獨立人工智慧研究員 Simon Willison 認為，目前他難以使用大型語言模型所具備的能力，來界定「推理」這個詞對於 AI 的確切意義；他希望未來可以找到一個範例，例如在過去的模型上做不到，但是 o1 上卻做得到的事情，來協助證明「推理」所代表的真正內涵。
【推薦閱讀】
◆ AI 黑盒子是什麼？無法理解的「黑箱作業」打破 AI 黑盒有多重要
＊本文開放合作夥伴轉載，資料來源：《arstechnica》、《OpenAI》。首圖來源：Bing
