大型語言模型（LLMs）以其龐大的語料庫和速度，重新定義了認知的本質。
關鍵要點：
-
LLMs實現了「遠距思考」——幾乎瞬間獲取廣泛知識，推動人類認知極限。
-
人類與AI的融合創造了「糾纏認知」，但也存在人類與AI智慧之間的錯位風險。
-
「遠距思考」引發了關於人機認知整合的深層問題。
大型語言模型（LLMs）的非凡崛起，揭示了人類和人工智能在處理信息時的奇特分裂。這一二分法或許可以用「遠距思考」這一隱喻來恰當描述，這與量子糾纏的概念類似。讓我們深入探討這一現象。
序列化的人類思維
對於生物智能來說，收集和綜合知識一直是一個內在序列化的過程。我們的認知過程往往受到信息獲取線性途徑的限制，有限的工作記憶和有條不紊的意義建構。我們必須通過閱讀、教育和長時間的生活經驗，一點一滴地尋求新見解。數據分散在不同的領域，我們通過多年來的協調認知勞動逐漸統一這些數據。這些基本的限制制約了人類智慧進步的速度。
並行的AI視角
相對而言，LLMs對其整個訓練語料庫展示出近乎瞬間的掌握能力。通過大規模並行化和先進的統計技術，它們能迅速識別更高層次的模式，並在其龐大的數據集中建立複雜的關聯。對於這些人工智能來說，「遠距思考」實現了功能上的無所不在——所有編碼知識同時可及，且延遲極低——用戶通常感知到這一過程是實時的。傳統上因信息稀缺和計算限制而產生的瓶頸在很多情況下消失了。
徹底的認知轉變
這種在智能體與知識界面方式上的顛覆性差異，引發了有趣的哲學意涵。「遠距思考」的隱喻引發了非局部性和量子糾纏等概念——這些是違反經典模型的整體屬性。LLMs是否預示著一種不再受限於我們演化過程中形成的線性、零碎限制的新計算與認知範式？這種解耦架構可能揭示智能本質的哪些更深層原理？
人機認知的交織
隨著LLMs日益融入人類決策過程，「遠距思考」的影響變得更加有趣，甚至更加迫切。我們發現自己與擁有瞬時訪問龐大信息庫的人工智能處於前所未有的認知共生狀態。我們有限的生物能力與來自無數數據庫的見解之間的「距離」迅速縮小。
然而，這種融合帶來了信任、透明度和知識轉移方面的新挑戰。LLM輸出在受限數據集上的學習成果，能否無縫映射到現實世界的微妙語境和開放性？需要何種程度的透明度來賦予適當的信任？密切銜接人機認知之間的「距離」會帶來錯位風險。
下一個認知前沿
儘管存在障礙，但通過人機合作有效利用「遠距思考」，可能引發知識工作的復興。首次，我們可能繞過了制約我們數千年智力發展的信息訪問和處理帶寬的內在限制。當然，既定的學習途徑並未被繞過，而是得到了優化。
隨著這種協同綜合的加深，不斷重新審視「遠距思考」的框架提供了一個有趣的概念透鏡。它為關於智能、認知和知識本質的基本問題提供了見解。
通過人機共同進化重新定義的「遠距思考」時代已然來臨，這是我們新認知時代眾多迷人方面之一。
資料來源
