人工智能的本质是模拟人脑神经元网络而非数据库，其重构式的记忆机制导致了不可避免的幻觉与不确定性。
当人们使用ChatGPT等大语言模型时，往往习惯用传统计算机的逻辑来理解它，以为它是在数据库里检索文件或按固定步骤查找答案。这种理解方式虽然符合直觉，却完全背离了人工智能的本质。
人工智能的发展史绝不仅属于计算机科学，其核心突破源自研究人类大脑的认知科学。早在1956年达特茅斯学院的研讨会上，科学家们曾认为只要给机器写好规则就能实现智能。然而在1958年，心理学家Frank Rosenblatt做出了改变历史的决定，他没有制定规则，而是根据人脑结构建造了名为感知机的神经网络算法，让机器通过训练样本自主学习。这一成果继承了心理学家Donald Hebb对神经元连接机制的研究。到了1980年代，心理学家David Rumelhart，Geoffrey Hinton和Ronald Williams进一步开发出多层神经网络，奠定了深度学习的基础。
这种起源决定了人工智能的运行逻辑，现代AI不是按照既定规则编写出来的，而是从海量数据中“生长”出来的。就像人类的记忆并非像硬盘那样直接调取文件，而是根据线索重新构建不完美的事实。心理学家Elizabeth Loftus的研究早已证明，人类大脑非常容易产生错误记忆。人工智能也是如此，为了获得处理新问题的泛化能力，它付出的代价就是偶尔会凭空捏造事实，产生所谓的“AI幻觉”。
把AI当作数据库还会让人产生许多误解。数据库面对同一个问题永远给出相同的答案，而AI和人类小孩一样，两次回答同一个问题可能会给出不同的结果。它基于概率输出内容，极易受到提问方式诱导，这恰恰是类脑系统的典型特征。
这种理解偏差引发了现实中的诸多困扰。许多用户把ChatGPT当成搜索引擎，盲目信任其给出的流畅回答，甚至依据虚假信息做出经济决策。高校教育界也陷入分歧，不知该将其视作作弊工具还是科研助手。与此同时，计算机科学家正在重新借用认知科学的方法，试图通过解析模型内部结构来攻克“黑盒”难题。只有认清AI更像大脑而非数据库这一事实，人类才能建立合理的预期，更好地使用这项技术。
原文：https://theconversation.com/ai-behaves-more-like-a-brain-than-a-database-cognitive-sciences-role-in-its-origin-story-helps-explain-why-287838