01 資訊生成與資訊查詢
現在AI大模型中灌入了全人類在網際網路上公開的知識。你現在可以把AI大模型看做是更好的知識搜尋引擎。因為傳統的搜尋引擎只根據關鍵字匹配返回對應的原始網頁連結，你需要自己一個點開去看。現在AI大模型都給你做好重點資訊摘要了。
現在AI大模型基於已經實現了70年前人工智慧先驅們對AI的所有願景了：能聽：語音識別會說：語音合成會交流：長上下文多輪會話與問答會看：視覺識別會寫：文字生成/程式碼生成、機器翻譯會畫：視覺生成會刷數學題庫但是大多數人，面對這些AI擅長的能力，卻應用不到自己的日常工作中，只是把AI大模型當做一個更好的知識庫搜尋引擎在使用。我個人觀點：如果AI要走進大家的日常工作，AI必須提升推理能力。但AI有推理能力嗎？如果要讓AI具備推理能力，應該怎麼做呢？
02 泛化遷移
現在的AI大模型因為位置編碼技術原理，導致了AI具有泛化能力。用專業的話來講就叫做：模式識別-模式匹配-模式遷移。用咱們通俗的話來講就是：舉一反三。也就是說：雖然它的知識題庫中沒有對應的明確的題，但是因為你的問題只是稍作了變形，所以它還是能夠識別出來的。這就類似：有的小孩舉一反三能力可以，你把題型稍微變變，他還是能理解。有的小孩舉一反三的能力不行，你教給他幾種題型，他就會做那幾種題型。你稍微變變樣子，他就不會了。
因為這樣的泛化原理，所以也必然會導致有些問題，AI舉一反三錯了：你知道是個新問題，AI以為是已有老問題的變形版，所以這就出現了咱們常說的AI幻覺。現在業界解決舉一反三錯誤的幻覺問題，人們採取的方式就是：家長教育小孩的方式，遇到一件錯事，就告訴他什麼是對，錯了就要受到懲罰。告訴他什麼是對的，這個專業方法詞彙就叫：指令學習。錯了就要受到懲罰、對了就收到獎勵，這個專業方法詞彙就叫：強化學習。
但是我個人感覺，這本質就是人類智力的眾包：大家海量的人天天使用大模型，大家發現問題、大家給它指出問題。從技術視角要解決這個問題，我感覺得采取PK思想：道高一尺魔高一丈，就如同兩個AlphaZero下棋AI模型互相PK，在鬥爭中成長。俗話說：人教人，教不會。事教人，一教就會。
03 深度思考
去年10月份OpenAI釋出了o1，大家開始對深度思考趨之若鶩。而我只看見OpenAI和DeepSeek在用工程視角而非技術創新視角在搞深度思考。OpenAI和DeepSeek的深度思考，從它暴露出來的思維過程就可以看出，它在：打草稿-試做-驗算-糾錯。
有的AI大模型裝模作樣在搞深度思考，我個人感覺它們本質在搞AI Agent那個思路：第一步：大部分使用者都是中庸人，不會目標明確地嚴謹邏輯地想清楚自己的事。所以現在AI大模型有提示模板自動最佳化的功能。也就是把你豆子麻子混在一坨，格式化成對AI大模型最佳化的清晰目的清晰結構邏輯。第二步：把這個清晰目的清晰結構邏輯的需求，分解為若干個計算機可執行的任務。第三步：動用各種生態能力，執行這些任務：如呼叫大模型的現有能力（文字生成/語音生成/圖片識別、程式碼生成/自動化部署/自動化執行）、如透過各種方式（API、命令列、UI點選機器人RPA）呼叫現有軟體工具能力、如利用最新網際網路資訊（聯網搜尋）和私有資料能力（檔案上傳）。第四步：把各個過程任務產生的結果進行整合，統一呈現給使用者。
不管是裝模做樣搞深度思考，還是真搞深度思考，因為都有複雜需求轉化成結構化提示模板、都有提示模板按照思維鏈進行任務分解環節，所以李逵和李鬼，大家就傻傻分不清了。
當然，o1也僅僅是去年10月份才釋出，所以現在很多其他AI大模型對這套工程還沒有跟進徹底：有的AI大模型對短的上下文思維鏈都Hold不住，這就是人們說的希望AI Agent具有記憶能力。有的AI大模型對唱的上下文思維鏈Hold不住，導致長鏈推理邏輯漂移。其實這就是AI大模型在長上下文的能力的提升，和記憶能力沒有半毛錢關係。但長上下文能力，除了取決於訓練時的樣本知識的長度、取決於訓練時的記憶體容量大小，還取決於位置編碼的技術創新。04 融會貫通上述咱們講了：對於AI沒見過的問題，AI使用舉一反三泛化能力來解決。雖然會出現舉一反三錯誤導致幻覺問題，也有人類調教、以及技術創新解決思路。對於複雜問題，AI也使用深度思考反覆驗證糾偏方案、MoE各種小專家模型組合、AI Agent思維鏈各種工具組合來解決。但是AI真要實現人類自己的那種推理能力，我感覺明年會往前走一小步。為啥這麼說呢？去年年初OpenAI釋出Sora但沒有幹成，今年全世界在視覺方面就進步非常大。我說這話的意思是：人類之所以能有真正的推理能力，其中一個原因就是：透過多模態（視覺/語音/文字），不僅可以學習到更多更立體的資訊，而且這些資訊如果能融會貫通，那就能表現出更強大的泛化能力。如果AI推理能力還想再前進一小步，我個人感覺需要咱們再拿起被人們丟棄的符號主義了。現在的人工智慧，主要是神經網路聯結主義，這個思路很擅長模糊匹配，有很好的擴充套件性，但卻很難精確地表達。而符號主義，可以人為地精確地表達，但是很難擴充套件。所以，AI大模型提升推理能力，還得需要人機結合：第一步：AI大模型構建可微分的符號層，人為構建精確規則第二步：AI大模型透過深度思考生成候選假設第三步：AI大模型透過Agent技術呼叫符號引擎做增強驗證第四步：讓AI大模型能直接最佳化邏輯規則
來源 | 阿朱說（ID：azhushuo）
作者 | 呂建偉 ; 編輯 | 荔枝
內容僅代表作者獨立觀點，不代表早讀課立場
