01 信息生成與信息查詢

現在AI大模型中灌入了全人類在互聯網上公開的知識。
你現在可以把AI大模型看做是更好的知識搜索引擎。因為傳統的搜索引擎只根據關鍵字匹配返回對應的原始網頁鏈接，你需要自己一個點開去看。現在AI大模型都給你做好重點信息摘要了。

現在AI大模型基于已經實現了70年前人工智能先驅們對AI的所有愿景了：
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：文本生成/代碼生成、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索引擎在使用。
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，應該怎么做呢？

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，人們采取的方式就是：家長教育小孩的方式，遇到一件錯事，就告訴他什么是對，錯了就要受到懲罰。
告訴他什么是對的，這個專業方法詞匯就叫：指令學習。
錯了就要受到懲罰、對了就收到獎勵，這個專業方法詞匯就叫：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，在斗爭中成長。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發布了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：大部分用戶都是中庸人，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優化的功能。也就是把你豆子麻子混在一坨，格式化成對AI大模型優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：如調用大模型的現有能力（文本生成/語音生成/圖片識別、代碼生成/自動化部署/自動化執行）、如通過各種方式（API、命令行、UI點擊機器人RPA）調用現有軟件工具能力、如利用最新互聯網信息（聯網搜索）和私有數據能力（文件上傳）。
第四步：把各個過程任務產生的結果進行整合，統一呈現給用戶。

不管是裝模做樣搞深度思考，還是真搞深度思考，因為都有復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月份才發布，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系。
但長上下文能力，除了取決于訓練時的樣本知識的長度、取決于訓練時的內存容量大小，還取決于位置編碼的技術創新。

04 融會貫通

上述咱們講了：
對于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。
對于復雜問題，AI也使用深度思考反復驗證糾偏方案、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。
為啥這么說呢？
去年年初OpenAI發布Sora但沒有干成，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：通過多模態（視覺/語音/文本），不僅可以學習到更多更立體的信息，而且這些信息如果能融會貫通，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。
現在的人工智能，主要是神經網絡聯結主義，這個思路很擅長模糊匹配，有很好的擴展性，但卻很難精確地表達。
而符號主義，可以人為地精確地表達，但是很難擴展。

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大模型通過深度思考生成候選假設
第三步：AI大模型通過Agent技術調用符號引擎做增強驗證
第四步：讓AI大模型能直接優化邏輯規則

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