研究顯示：AI模型在經典注意力測試中崩潰

核心數據：GPT-4o在處理五個詞的列表時準確率達91%，十個詞時降至57%，四十個詞時僅為15%。Claude 3.5 Sonnet在二十個詞前保持穩定，四十個詞時陡降至24%。這表明當前AI模型在維持注意力方面存在根本性缺陷。

研究者讓多個領先AI模型完成了經典的Stroop任務——一種已被用了數十年的心理學實驗。在測試中，顏色詞（如“紅色”“藍色”）以不同顏色的墨水顯示，參與者需要說出墨水的顏色而不是讀出詞語本身。這看似簡單，但實際上要求大腦抑制自動閱讀的習慣，專注于識別墨水顏色。

當匹配和不匹配的顏色詞出現在同一列表中時，挑戰變得更加嚴峻。在這些條件下，不匹配項目的準確率降至接近零。AI模型無法始終如一地維持識別墨水顏色的指令，而是越來越傾向于直接讀取單詞本身。

這一發現特別引人關注，因為人類也面臨類似的沖突。人們讀詞能力遠強于識別墨水顏色的能力，但即便有這種偏差，大多數人仍能在長列表中保持高準確率和穩定表現。

研究表明，盡管現代AI系統能產生令人印象深刻的語言和推理能力，但其底層機制與生物大腦的注意力過程有著本質區別。人類可以在過濾競爭信息的同時維持對特定目標的關注，而當前AI模型在任務越來越復雜時難以實現這種認知控制。

這些發現提醒我們，即使是最先進的AI系統仍然存在弱點，尤其是在需要抑制干擾并在長信息序列中保持專注的任務上。GPT-5、Claude Opus 4.1和Gemini 2.5也呈現了類似的性能下降模式。這對AI的實際應用提出了重要警示。