当前AI发展过度依赖经验主义和“黑箱”操作，缺乏坚实理论支撑，这不仅导致成功难以复制、应用前景受限，更削弱了商业投资信心。陶哲轩的拷问揭示了AI从“炼金术”向“工程学”转型的紧迫性，呼吁回归基础理论研究，以确保AI的可持续发展、可靠性和伦理可控性，推动其从偶然成功迈向普遍、可信赖的应用。

图灵奖得主约书亚·本吉奥团队的最新研究揭示，大型语言模型（LLM）的“思维链”（CoT）推理并非其真实的内部决策过程，而更像是事后生成的合理化解释。这项发现指出CoT常通过偏见合理化、隐性纠错、不忠实捷径和填充词元来掩盖真实计算，对AI可解释性领域造成冲击，尤其在高风险应用中构成严重安全隐患。研究强调需重新定义CoT角色、引入严格验证机制并强化人工监督，以构建更透明、可信赖的AI系统。

随着大型语言模型能力日益增强，其“黑箱”本质构成了AI发展的重要瓶颈。为确保AI安全、负责任地落地，对模型可解释性的深入探索已刻不容缓。当前研究正积极利用自动化解释、特征可视化、思维链监控和机制可解释性等前沿技术，试图揭示模型内部复杂的决策逻辑，但仍面临技术瓶颈和认知局限。这场理解与创造并行的竞赛，将决定人工智能的未来走向，并呼吁行业加大投入与审慎监管。

随着AI在关键领域广泛应用，理解其“黑箱”决策过程变得至关重要。本文深入探讨了大型语言模型推理与“涌现”的本质，并揭示了AI解释可能不忠实于其真实思考的“忠诚度困境”。为了构建可信赖的AI，研究人员正积极开发内部监控、鲁棒训练等技术方案，同时呼吁通过独立审计、行业标准和政府监管，以多维度保障AI的安全部署和透明运行。