30多年前读研究生时，我学过4门AI的课程。但当时的许多知识现在都落伍了。我现在学习AI、学习大模型，就像老胡学炒股；随用随学，完全是个新手。这点体会也都是新手的体会，老年人学习能力也差，让大家见笑了。欢迎批评指正。

1、用AI学习AI。

AI特别适合“用中学”、用AI学习AI：对AI有问题的时候可以直接问AI，立刻就能得到你想要的答案。比如，可以问CHatGPT有多少参数？大模型有没有记忆、Token是什么意思等等。今天听了华师大一个老师的报告，感觉未来的教育很可能会是革命性的。

2、问问题的学问。

不久前，北大、清华等各出了一些DS的应用教程。我下载下来学习了一下。两个学校的重点都在谈“提示词工程”。我感觉，所谓“提示词工程”，就是教给你如何问问题。于是，就问DS：提示词工程是不是就是问问题？DS回答说：非常接近这个意思。由此可见，学会问问题，是使用AI非常重要的能力。

3、关于AI幻觉

AI在历史事件上出现幻觉是在所难免的。CHatGPT某版本大约有1750亿个参数。我算了一下，大体上相当于20万本红楼梦的信息量。互联网上的信息有多少呢？我查了一下，很快会有1YB。两者大概相差12个数量级。这意味着什么呢？互联网上的信息，大模型的参数往往是记不住的。我问了DS，DS也说大模型没有传统意义上的记忆。所以，如果没有联网，AI对特定历史事件（而不是规律、知识）的描述其实是猜出来的，就很容易出现幻觉。于是，我做了个试验，在不联网的前提下，问豆包和DS，《管中窥道：技术创新的观念与方法》的作者是谁？这本书是我写的，但两个AI全部答错。为什么呢？由此可见，历史事件往往是逻辑推导不出来的、也是概率算不出来的。但是，如果联网后再问，答案就是对的了。

4、大模型的种类

大模型有两种，推理大模型和非推理大模型。要解决科技问题，最好用推理大模型并且联网。因为这两种做法可以比较有效地避免和发现AI幻觉。有了互联网（或者背后有数据库），就相当于给AI这个大脑增加了记忆，自然也就能减少幻觉。而推理过程，当然可以避免假象。

5、DS 的意义

前面讲到，联网是减少机器幻觉的有效手段。但企业里面的核心知识往往不能放到网上去。DS具有开源、轻量化等特点，据说还能微调。这使得企业能够把DS下载到自己的服务器上，和自己特有的数据结合起来。这个意义是非常大的。因为我一直认为：在工业领域，靠谱猜能实用。

6、大模型适合的领域

前些天我意识到：AI大模型在医学方面的能力很强、结论很靠谱。我今天又试着问DS一些钢铁领域的问题，也感觉靠谱，超过了普通的专业人员。由此可见，钢铁行业数字化转型时，“从制造到服务”有着巨大的机会。但稍微有点遗憾的是：他们的答案，比顶级专家还是差了一点点。昨天有位朋友用我的三个问题问DS，我也有同样的感觉。一个重要的原因是：一流专家的私有知识可能没有在网上。医学和材料相关的答案之所以靠谱，可能还是因为网上公开的通用、专业知识多。如果问题依赖太多未公开的私有知识、针对个性化事件的知识，问题就可能比较多。

7、我的遗憾

我本科是学算法的（应用数学专业、计算数学选课组）。过去，几乎所有的AI算法我都能理解。最近，我买了一本关于Transformer 书，发现自己居然看不懂了（或者说似懂非懂），让我感到非常沮丧。看来，需要花点时间补课了。年纪大了，不知道还能不能学明白。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。