AlphaGo核心成员：LLM不算真推理 三缺陷致命

时间：2026 年 10 月 2 日，MIT Technology Review 刊发 AlphaGo 核心团队成员 Thore Graepel 的署名观点文章。 地点：发布平台为 MIT Technology Review 官网，作者 Thore Graepel 现为英国伦敦大学学院（UCL）机器学习讲席教授。 人物：Thore Graepel，伦敦大学学院机器学习讲席教授，前 Google DeepMind 研究员、AlphaGo 核心团队成员，长期参与围棋和博弈类强化学习系统的研发。 事件详情：Graepel 在题为《Don't be fooled—LLMs don't reason》的文章中指出，今天的大语言模型只是把下一个 token 的预测做得越来越快、越来越准，所谓的"思维链（chain of thought）"只是把同一个 next-token 预测过程重复更多步，并没有引入真正独立、可审计的推理机制。他列出 LLM 不足以被称为"推理"的三个根本缺陷：第一，模型没有显式、持久、可检查的认知状态来记录假设、置信度、证据和悬而未决的问题；第二，知识和推理过程被完全缠在一起，藏在一团神经网络权重里，没有独立、可显式表达的信念集合；第三，研究已经证明聊天机器人给出的"思维链"常常是先得到答案再编出来的，看上去是推理，实际上是事后合理化。 背景：Graepel 以 2016 年 3 月 AlphaGo 与韩国棋手李世石的第二局做对照：当 AlphaGo 的策略网络把第 37 手评为"专家级棋手大概一万步才会走一次的怪招"时，正是独立的蒙特卡洛树搜索机制，让机器在数千条未来分支里挑出了这步违反直觉的解。他借用 Kahneman 的双系统框架指出，AlphaGo 同时具备 System 1（神经网络直觉）和 System 2（搜索推演）两种能力，而今天的 LLM 只把 System 1 越做越大。文章透露，他近期已离开 Google DeepMind，希望走一条新的机器推理路线。 影响：Graepel 提出 AI 需要一种类似 AlphaGo 博弈树的"显式认知状态（epistemic state）"：系统要持续维护已知、存疑、已排除的清单，再借助工具、计算或实验来降低不确定性，并只有在独立证据支持时才更新信念。他强调，药物发现、材料科学、气候变化、医疗诊断等高风险领域需要的不是更大模型，而是一条可追溯的"证据—推理—信念更新"链条。文章已在科技圈引发对"推理模型"营销话术的反思，被视为给正在押注 test-time compute 与长链推理的主流路线打了一记预防针。 总结：AlphaGo 团队核心成员公开提醒行业不要被 LLM 的"思维链"蒙蔽，真正的推理需要可审计的信念更新机制，而不仅仅是把 next-token 预测延长；这为下一代 AI 系统的架构选择提供了与单纯堆参数完全不同的发展方向。 参考来源： 1. https://www.technologyreview.com/2026/10/02/1145639/dont-be-fooled-llms-dont-reason/ 2. https://agihunt.info/en/p/1a0fbc86bcfe23dcd39ff14402b 3. https://techbeat.co/story/alphago-veteran-thore-graepel-llms-do-not-truly-reason 4. https://www.zetik.com/news/article/story_id-p008-220730 5. https://oo.news/news/aa0b9d3b6638 6. https://www.myaitemplate.com/en/news/beyond-the-illusion-why-pattern-recognition-is-not-reasoning-muqwy5n9 7. https://news.linxi.com.au/news/alphagos-move-37-renews-debate-over-how-ai-reasons 8. https://technologytangle.com/2026/10/02/dont-be-fooledllms-dont-reason