刘鹏飞团队发布AI觉醒第二幕：认知革命已悄然降临

刘鹏飞团队发布AI觉醒第二幕：认知革命已悄然降临

原创 编辑部 深度学习自然语言处理 2025年04月21日 20:46 江苏

论文：Generative AI Act II: Test Time Scaling Drives Cognition Engineering
链接：https://arxiv.org/pdf/2504.13828

AI的「第二幕」来了！从知识库到思考引擎的转变

过去四年（2020-2023）是生成式AI的「第一幕」，像ChatGPT这样的模型通过海量数据和参数堆砌成了知识宝库。但就像会背公式不等于会解题，第一代AI存在三大短板：知识滞后、逻辑浅薄、思维僵化。这时候人类需要「提示工程」——像魔法咒语一样精心设计问题才能获得好答案。

2024年开启的「第二幕」则像给AI装上了思考引擎。通过「Test Time Scaling」技术，AI在回答问题时不再是直接「翻答案」，而是像人类一样展开多步骤推理，甚至能连接看似无关的知识点。这标志着AI从「知识检索机」进化为真正的「思考机器」。

三阶段进化论：AI如何从「知识孤岛」到「思维宇宙」

论文用物理学知识网络作比喻，揭示了AI认知能力的三阶段进化：

• 预训练阶段：形成零散的「知识孤岛」（蓝色虚线连接）

• 微调阶段：建立近距离知识点间的「绿色高速路」

• 测试时扩展：打通跨领域「红色立交桥」，实现多跳推理

举个🌰：早期AI知道「万有引力」和「自由落体」，但无法将两者联系起来。通过测试时扩展，AI现在能像物理学家一样建立完整逻辑链，回答「为什么苹果会落地」时，会先推导引力公式，再结合地球质量计算加速度。

认知工程：让AI学会「深度思考」的魔法工具箱

认知工程的核心是「数据→信息→知识→智慧」的DIKW金字塔升级：

• 传统AI：停留在数据/信息层（查资料机器）

• 第一幕AI：达到知识层（会整理知识的图书管理员）

• 第二幕AI：冲击智慧层（像教授一样创造新知）

这里有个关键公式：
y ∼ M(·|q,g,φ)
（输出=问题×生成器×搜索策略）
相当于给AI装上了「思维导航系统」，在回答时自动规划最优推理路径。

测试时扩展四板斧：AI如何像人类一样「多想几步」

论文总结了四大核心方法：

1. 并行采样：让AI「多写几版草稿」，选最优答案（类似考试检查多遍）

   

2. 树状搜索：像下棋推演般探索所有可能路径（AlphaGo同款技术）

   

3. 多轮修正：AI版「三省吾身」，通过自我批判改进答案

   

4. 长链推理：生成包含反思、回溯的完整思考过程

   

举个编程题例子🌰：当AI遇到bug时，长链推理会先写代码→运行报错→检查日志→回溯问题→修改代码，整个过程可能生成上千字的思考记录。

实战攻略：如何训练一个会「自我纠错」的AI应用

训练这样的AI需要两板斧：

• 强化学习：设置「数学题得分」作为奖励，让AI在试错中进化

• 监督微调：用学霸的解题笔记（含详细步骤）当教材

关键技巧：
效率 = f(计算预算, 方法)/计算预算
这个公式指导开发者平衡计算成本与效果。就像教孩子做题，既不能「题海战术」耗光耐心，也不能「只讲一遍」草草了事。

未来已来：AI科学家、编程大师与安全卫士的崛起

应用案例已经遍地开花：

• 数学领域：DeepSeek-R1在美国数学邀请赛（AIME）拿到79.8分，接近人类顶尖选手

• 编程领域：AI在Codeforces竞赛中斩获金牌，能处理真实世界的复杂代码任务

• 安全领域：通过「思维链审核」自动检测有害内容，准确率比传统方法提升37%

最令人期待的是「科研加速」——AI正在生物制药、材料科学等领域辅助人类突破认知边界，像「超级科研助手」般同时追踪千条研究线索。

一共76页论文，一定要阅读原文哈！