往期回顾
警惕！对AI大模型的错误认知正在误导你⓵全军覆没——大模型征战高考数学卷
警惕！对AI大模型的错误认知正在误导你⓶三大因素——保障模型推理质量的关键
⓷云泥之别——当下垂直领域专用AI碾压大模型
老胡：我还是不敢相信AI做高考数学题这么“拉胯”，太意外了！
彬老师：我要纠正一下，是大模型做高考数学很差，不是所有的AI都这样。认知误区又来了！
老胡：啊？可把我弄糊涂了。
彬老师：Google的DeepMind团队开发的Alpha-Geometry2，在国际数学奥林匹克竞赛(IMO)的几何体测试中，首次超越人类金牌得主的水平，你们听说过吗？
老胡：我就记得在哪听过AI在国际奥数很厉害，那高考数学怎么不行？
彬老师：我们说的DeepSeek等是通用大语言模型，而非专用AI。
老胡：哦，专用AI能拿国际奥数金牌，高考数学肯定不在话下。
彬老师：这是数学领域的几何专项工具，解高考几何题肯定是没问题的。不仅是在数学领域，DeepMind旗下的AlphaGo，围棋水平远超人类顶尖棋手（详见链接《狗大师崛起》 ，《狗大师修仙》）。而大模型虽然通过阅读大量围棋电子书籍也懂下棋，但水平也就5级左右（大模型们的自我判断），相差甚远！还有AlphaFold，能够预测含有蛋白质结构，为药物研发带来了新的可能，其CEO 哈萨比斯还因此获得了诺贝尔奖。
老胡：这些专用AI要么打败奥数金牌得主，要么碾压人类围棋顶尖高手，要么拿诺贝尔奖，太神了，为什么通用大模型就达不到它们的能力呢？
弘老师：这里原因比较复杂，我先重点说一个关键——数据，DeepMind训练数学AI的大部分数据都是合成的，这样就能生成无穷无尽的数据供 AI 训练，自然容易让 AI 变得强大。
小涂：训练数据为什么可以合成？
弘老师：这里不展开细说，简单举个例子，人类发现三角形内角之和等于180度、两边之和大于第三边、勾股定理等等。其实有足够多的图形数据和尝试，AI也能发现这些规律的，而且可能发现得更多。所以，合成数学数据是可行的。
小涂：太不可思议了！
弘老师：其实AlphaGo的训练方式——左右手互搏完成数千万盘对局，不断总结进步，这些自我对弈的棋谱也是一种合成数据。
小涂：有道理。
弘老师：AlphaFold则是在专门的蛋白质数据库上完成训练，这不是合成数据，但属于领域专业数据，通用大模型不一定能获取到。
除了数据，专用领域往往需要一些特定的专业处理模式，以便高效的发挥其性能，这就是第二个要点，这里不展开了。
小涂：那有没有可能，通用大模型也能达到这些专用AI的能力呢？
彬老师：这是必然的，实现的方法也有很多，前期可能是整合多种能力的混合架构模式。目前，科学界的主流看法是，未来3-5年内即可实现。也就是说，大模型训练完毕后，便能在数学领域超越奥数金牌选手，在蛋白质折叠研究上与AlphaFold媲美，在围棋竞技中毫无悬念地战胜世界冠军…要是这些都成为现实，那就标志着通用人工智能AGI时代的初级阶段已然来临。
老胡：那还只是初级阶段？那达到怎样的程度才算算高级阶段呢？
弘老师：我们刚才提到那些专业领域的重大突破，其实都是人类能够预想到的。当AI取得了远远超出人类认知范围，让大家连想都想不到的成就时，那便是进入高级阶段了。
老胡：期待那一天的到来！
未完待续…
公众号：收获不止数据库
系列回顾
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
