我对LLMs进行了许多认知测试，我的结论很简单：它们是思维。

我进行的最好的测试之一是用一个非常早期版本的ChatGPT，在它还没有任何图像生成能力之前。它唯一能创建图像的方法是编写SVG代码，使用简单的视觉结构，如三角形、正方形、圆形、线条和颜色。
我让它画一架直升机。
它只用基本形状就画出了一个不错的直升机。然后我让它加一个人类飞行员。它在直升机前面添加了一个圆圈。当我问它人在哪里时，它解释说飞行员在驾驶舱内。仔细观察，我可以看到它在代表驾驶舱的较大圆圈内画了一个小头和手臂。
然后我让它让直升机飞起来。
它将直升机抬离地面，地面用一条水平线表示。它还添加了云，用重叠的圆圈，这实际上是云的一个非常好的简化表示。云是白色背景上的蓝色。
所以我让它切换颜色：让云变成白色，天空变成蓝色。
它做到了，但现在地平线以下的区域也变成了蓝色。我没有解释问题，只是说绘图中的颜色有问题。
它反思了图像，并正确识别出问题：地面也变成了蓝色，应该是绿色，代表土地。
这在任何有意义的意义上都不是“仅仅是预测下一个词”。
它必须构建一个视觉模型，象征性地表示对象，保持空间关系，理解包含关系，推断飞行员在驾驶舱内，通过改变直升机相对于地面的位移来表示飞行，通过抽象表示云，按照指令修改颜色，检测到意外后果，并通过推理纠正它。
这就是思考。
人们可以不断重复“它只是预测下一个标记”，但这个解释变得毫无用处。人类大脑也是“仅仅”电化学活动，如果坚持用错误的抽象层次来描述它们的话。相关的问题不是是否存在更底层的机制。当然存在。相关的问题是这些系统在认知层面能做什么。
而这些系统所做的，不仅仅是自动补全。它们推理、表示、推断、纠正、泛化和反思。
如果你看不出来，我也没有时间向你解释。