InfoAI全球AI新聞精選與解讀｜
Sakana AI推CTM架構　打造模仿人腦思考的AI推理模型

日本人工智慧新創公司 Sakana AI 近日發表了一項名為「連續思維機器（Continuous Thought Machine，CTM）」的全新 AI 架構，目標是在模仿人類大腦的思考過程，提升 AI 模型的推理能力與可解釋性。

日本新創公司 Sakana AI 日前正式發表一項全新 AI 架構：「連續思維機器」（Continuous Thought Machine, 簡稱 CTM），目標是模仿人類大腦中「持續且有方向性的思考模式」，讓人工智慧模型能在更少的明確指示下，自主做出更合邏輯、更具目標感的推理判斷。

這套新架構由兩位在 AI 領域極具影響力的人物聯手主導——Transformer 架構共同作者 Llion Jones，以及前 Google Brain 團隊成員 David Ha。兩人共同於東京創立 Sakana AI，致力於以「自然啟發式設計」打造新一代更接近人類智能的 AI 系統。

CTM 的推出，不只是模型結構上的一次創新突破，更挑戰目前主流 AI 系統過度仰賴大量參數與資料訓練的限制，改以「少指導、多理解」為核心，邁向更貼近人類邏輯運作的思維方式。

CTM 架構核心：讓 AI 不只是輸入輸出，而是「持續思考」

傳統的 AI 模型（如 Transformer）運作方式大多屬於「靜態推論」——即模型僅根據輸入，在單一前向傳遞過程中產生輸出，缺乏長時間的「目標導向記憶」。而 CTM 所提出的創新點在於：

1. 引入動態時間維度（Temporal Computation）：模型內部可根據任務複雜度，決定推理要「花幾秒鐘想清楚」，而非固定層數。

2. 神經元間的同步互動機制（Neural Coordination）：模仿人腦中神經元協同激發的特性，不同單元可就同一目標動態調整計算策略。

3. 循環與記憶模組（Iterative Reasoning）：允許模型不斷根據回饋優化思考路徑，例如走迷宮或設計計畫時，具備「修正與調整」能力。

這樣的架構，讓模型在面對模糊、非結構化、甚至無明確指示的任務時，仍能維持高效邏輯與靈活回應，這正是目前大型語言模型（LLM）最難突破的障礙之一。

技術示範：迷宮導航、圖像注意力與抽象推理能力

在官方釋出的測試範例中，CTM 展現出多項人類式的推理行為：

• 在迷宮任務中，CTM 可像人類一樣記住走過的路，並在錯誤時主動修正路徑，而非僅僅憑藉一次性運算。

• 在圖像辨識任務中，模型模仿人眼的視覺聚焦策略，將注意力移動至重要區域，再綜合判斷內容，而非一次性掃描。

• 在文字推理中，CTM 能針對含糊不清的任務指令，自主拆解子目標並逐步完成，例如：「規劃一個符合預算的環保旅遊方案」。

這些表現說明：CTM 不再只是對「資料」做出反應，而是在對「情境與目標」進行綜合理解與持續思考。

團隊背景：從 Transformer 創始者到自然智慧倡議者

Sakana AI 的團隊組成引起業界高度關注。兩位創辦人均來自 DeepMind、Google Brain 等頂尖 AI 實驗室，其中 Llion Jones 為 2017 年《Attention Is All You Need》論文的共同作者，正是 Transformer 架構的起點之一。

而 David Ha 則是將 AI 技術結合藝術與生物啟發模型的知名開拓者。其作品包含可生成藝術畫作的 AI 網絡、模擬生物學演化的神經系統模型等。他們共同的研究理念是：「向自然學習，而非單純疊加資料與計算量。」

這種以「靈感來自生物系統」為核心的技術哲學，也體現在「Sakana」這個公司名稱上。Sakana 在日文中意指「魚」，象徵著群體協作、靈活適應、以及持續運動的特質——正是 CTM 想賦予 AI 系統的能力。

產業潛力與挑戰：CTM 的下一步將走向何方？

應用潛力：

• 醫療診斷與影像分析：需多步驟推理與整合性判斷的任務，可望受惠 CTM 的持續邏輯特性。

• 金融風險建模：面對非線性、多變因素的市場行為，CTM 有助於建構更精準的預測模型。

• 自主機器人導航與策略調整：CTM 能即時修正決策，在變動環境中具備更高的適應力。

面臨挑戰：

• 商業部署可行性：與現行大規模訓練的 Transformer 相比，CTM 尚缺乏產業端的標準化與工具鏈支持。

• 硬體適配性：CTM 對計算動態性與記憶管理需求高，可能需新型 AI 硬體架構配合。

• 模型訓練穩定性與成本：動態深度計算可能提高開發與維護門檻。

從理解語言到理解「思考本身」的AI躍進

CTM 的出現代表 AI 發展進入新階段——從模擬語言輸出走向模仿思考歷程。這不只是一次技術突破，更是對「人工智慧該怎麼學習」這一核心命題的重新詮釋。

在 ChatGPT、Gemini 等巨型語言模型主導市場的當下，CTM 提供了另一種路徑：讓 AI 不再只是「學會回答」，而是學會「如何持續思考」。

未來，若能克服運算與工程挑戰，CTM 或將成為下一波具備「可解釋性」、「任務自主性」與「生物智慧啟發」的新一代 AI 系統關鍵引擎。

參考資料：https://venturebeat.com/ai/sakana-introduces-new-ai-architecture-continuous-thought-machines-to-make-models-reason-with-less-guidance-like-human-brains/

• GPT-5 在探索推理、多模態與AI Agent 技術上的創新突破可能性

• Orion模型：探索OpenAI Orion模型如何改變商業AI的未來，帶來嶄新機遇

• 對話 Sam Altman，探索 OpenAI 的未來與AI Agent 的挑戰和創新機遇

• 一次看懂 OpenAI 的 o1, o1-preview 與 o1-Pro模型特色

• 你準備好迎接 GPT-5 時代了嗎？GPT-4.5 本週登場，GPT-5 五月來襲！

• 黃仁勳：市場誤判DeepSeek影響，AI計算需求仍持續成長

• OpenAI 發表 GPT-4.5：更智慧的 AI 模型，提升情感智能與運算效能

• OpenAI o3 系列解析：o3、o3-mini、o3-mini-high 推動 AI 邏輯推理新時代

• 亞馬遜推理型AI「Nova」6月登場，挑戰OpenAI與Anthropic

• OpenAI推出o3與o4-mini模型，不僅能「看懂」圖片，更能「用圖像思考」

• OpenAI準備於夏季推出開放語言模型對決DeepSeek

提案成功：創業｜募資｜提案

www.Pitch.com.tw