AI模拟人类心智：随机性、创造力与幻觉

麻省理工学院学者林德奎斯特在新发表于《过去与现在》的论文及访谈中指出，当代大语言模型备受关注的“幻觉”，可追溯至早期人工智能研发中的刻意设计。为模拟人类创造力，一批早期计算机工程师在确定性问题求解系统中注入随机性，使机器产生偏离预期的输出，以接近人类联想、梦境式跳跃和具有建设性的错误。1950年代，贝尔实验室电气工程师约翰·皮尔斯等人认为，数学不仅能呈现秩序，也能用于消除艺术陈规、引入不可预见性；早期人工神经网络则被心理学家视为打开“心智黑箱”的工具，用以观察大脑如何产生创造性错误。另一派则主张创造力只是更好的常规思维，双方争论的焦点在于能否将人类发明能力机械化。随着弗兰克·罗森布拉特于1971年意外离世，神经网络一度失去推动力，规则化、知识驱动的符号AI占据主导。到1980年代，神经网络转向认知科学；直到互联网时代提供海量数据和算力，其于2012年前后开始反超传统机器学习，成为主流。林德奎斯特认为，今日OpenAI、Anthropic等公司更强调答案正确与可控，法律和商业风险迫使系统压制“怪异”，但这会削弱创造性；历史表明，幻觉与创造性输出可能同源，强行消除意外也意味着牺牲另一种能力。