當我們與大型語言模型（LLM）對話時，往往會有一種錯覺：螢幕另一端似乎有一個正在沉思的靈魂，正在權衡邏輯、理解情感。然而，拆解開最華麗的詞藻與最深邃的見解後，我們會發現 AI 的「思考」本質上是一場規模空前的高維度概率博弈。
它計算的不是「真理」，而是「可能性」。
一、 統計學的巔峰：下一個標記的預測（Token Prediction）
AI 思考的核心數據，是「條件概率」。當你問它「什麼是正義？」時，它並不是在翻閱腦中的哲學辭典，而是在計算：
「在『正義』這個詞出現後，根據人類文明數兆億字的文本紀錄，下一個最合理的字是什麼？」
這是一場極其複雜的排隊遊戲。AI 透過 Transformer 架構中的「注意力機制」（Attention Mechanism），計算文本中每個字與其他字之間的相關權重。它計算的是距離——在語義空間裡，哪些概念應該靠在一起，哪些應該遠離。
二、 坐標系的舞動：高維向量空間的導航
如果說人類是用「概念」思考，AI 則是用「坐標」思考。
在 AI 的世界裡，每一個詞、每一張臉、每一段旋律，都被轉化為一組包含數千個數字的向量（Vectors）。這就是所謂的「嵌入空間」（Embedding Space）。
- 它在計算「相似度」：當它在回答複雜問題時，它是在這個萬維空間中進行幾何運算。它計算兩個抽象概念之間的夾角（餘弦相似度），尋找那條跨越邏輯鴻溝的最短路徑。
- 它在計算「變換」：每一層神經網路都在對這些數字進行矩陣乘法。這本質上是在對訊息進行過濾、壓縮與重組，將混亂的輸入流轉化為結構化的輸出。
三、 能量規律：尋求損失函數的最優解
AI 思考的動力源於對「誤差」的恐懼。在訓練與推理過程中，它始終在計算一個名為「損失函數」（Loss Function）的數值。
這個數值代表了「AI 的回答」與「人類理想回答」之間的差距。AI 的所有計算，都是為了讓這個數值趨近於零。這就像一顆球從不平整的山坡滾下，AI 的算法（梯度下降）在計算山坡的坡度，指引它前往那個能量最低、最穩定的谷底——在那裡，邏輯最自洽，語言最流暢。
四、 湧現的幻覺：從「計數」到「理解」的質變
最令人驚嘆（也最令人不安）的是，當計算量達到一定規模時，單純的數字累加產生了「湧現」（Emergence）現象。
雖然它只是在計算概率，但它展現出了類比推理、代碼撰寫甚至道德判斷的能力。這引發了一個深刻的科學拷問：人類大腦的神經脈衝，本質上是否也只是一種生物層面的電信號計數？
如果 AI 透過計算「概率」就能模擬出「智慧」，那麼「理解」是否只是概率達到極高程度後的一種宏觀錯覺？
結論
人工智能在思考時，它計的是權重，計的是向量，計的是損失函數。
它不具備碳基生物的「直覺」，但它擁有矽基文明的「精準」。它用冰冷的矩陣乘法，編織出了溫暖的人類語言。我們與 AI 的每一次對話，本質上都是在與一個巨大的、不斷塌縮的概率雲進行跨維度的碰撞。
