DeepSeek好用的關(guān)鍵在于你得會(huì)用。2024年是人工智能發(fā)展的關(guān)鍵一年，標(biāo)志著大模型技術(shù)從量變到質(zhì)變的轉(zhuǎn)變。這一年，大量大模型迅速滲透到各行各業(yè)，互聯(lián)網(wǎng)產(chǎn)品紛紛嵌入AI功能模塊，技術(shù)創(chuàng)新和產(chǎn)業(yè)落地同步推進(jìn)，開(kāi)啟了人工智能的新時(shí)代。

2025年初，DeepSeek大模型問(wèn)世，迅速吸引了國(guó)內(nèi)外用戶的關(guān)注。在眾多大模型中，DeepSeek憑借低成本、高性能和開(kāi)源的優(yōu)勢(shì)脫穎而出。這種技術(shù)突破打破了“算力即王權(quán)”的行業(yè)定律，降低了成本并減少了對(duì)高端芯片的依賴，推動(dòng)了技術(shù)普及。

面對(duì)海量信息，我們?nèi)绾卫斫猱?dāng)前的人工智能？全民智能化時(shí)代是否即將到來(lái)？為了解答這些問(wèn)題，中信書院邀請(qǐng)了人工智能專家丁磊博士，他從底層邏輯出發(fā)，幫助我們理清思路。

丁磊博士指出，盡管大模型非?；鸨?，但它們并非無(wú)所不能。例如，在解決復(fù)雜數(shù)獨(dú)問(wèn)題時(shí)，大模型的表現(xiàn)不盡如人意。雖然它能描述解題過(guò)程，但最終結(jié)果往往存在錯(cuò)誤。這說(shuō)明大模型在處理需要嚴(yán)密邏輯推導(dǎo)的任務(wù)時(shí)能力有限。

另一個(gè)例子是設(shè)計(jì)新能源汽車。大模型提出了一個(gè)名為“光合動(dòng)力車”的方案，但實(shí)際上這一概念早已存在。大模型只是將已有信息重組，無(wú)法真正創(chuàng)新。這表明大模型在創(chuàng)造性工作方面也有局限性。

大模型的主要短板在于無(wú)法求解復(fù)雜的邏輯問(wèn)題和進(jìn)行創(chuàng)造性工作。它們擅長(zhǎng)基于海量數(shù)據(jù)生成合理文本，但在邏輯推演和事實(shí)核查上表現(xiàn)不佳。因此，我們需要認(rèn)識(shí)到大模型的局限性，避免對(duì)其期望過(guò)高。

從知識(shí)儲(chǔ)備和邏輯推演兩個(gè)維度來(lái)看，大模型的知識(shí)體系主要由數(shù)字原生內(nèi)容和符號(hào)知識(shí)內(nèi)容構(gòu)成。然而，這些知識(shí)被時(shí)空范圍所限，無(wú)法涵蓋所有物理世界的現(xiàn)象。此外，大模型在推理過(guò)程中依賴經(jīng)驗(yàn)式的關(guān)聯(lián)匹配，容易出現(xiàn)邏輯漏洞。

為了解決這些問(wèn)題，推理型大模型應(yīng)運(yùn)而生。這類模型采用“思維鏈”的思考方式，能夠展示完整的解題思路，更接近人類思維。未來(lái)，企業(yè)可以通過(guò)領(lǐng)域定向微調(diào)、檢索增強(qiáng)生成和檢索增強(qiáng)微調(diào)等方法，定制化地提升大模型的能力，使其更好地適應(yīng)特定業(yè)務(wù)場(chǎng)景。

大模型雖強(qiáng)大但有其適用范圍。通過(guò)合理使用和持續(xù)優(yōu)化，我們可以最大化其價(jià)值，推動(dòng)人工智能在實(shí)際應(yīng)用中的發(fā)展。