最近看了上百个工业AI的项目，经常发现一种做法：小模型解决不了、解决不好的一些传统问题，让大模型来做。比如，把过去小模型计算不准的问题，交给大模型计算。人们认为：大模型学习的数据多、关注的要素多，所以能让大模型去做。

在我看来，这种做法往往是不合适的。这就好比：关羽打不过吕布，就派诸葛亮去打。并非用大模型之长，而是用大模型之短。一般来说，如果小模型做得好，计算结果应该非常准；而计算准确不是大模型的优势。如果小模型计算不准，一般是没有把基础工作做好。比如，现场管理不规范、数据不准确不及时等等。这就好比，关羽打不过吕布，是武功没有到位。但是，如果关羽打不过吕布，就让他去读《孙子兵法》，这就有问题了。

大模型的真正优势在什么地方？是容易把人的知识与计算机融合进来，加速系统的完善。人的知识过去不能融合吗？不是的。过去我们开发一个专家系统，就可以把人的知识放入计算机。在我看来，大模型的效果本质上就是一个优秀的专家系统。但是，过去为什么专家系统会失败？因为人的许多知识说不清楚，系统不完善，系统总会有这样或者那样的问题，修改系统的工作量又很大，修订成本很高，导致专家系统算不好。

AI大模型的优点是：你可以在使用的过程中不断快速优化。如果大模型计算出来的东西不合适，你马上可以写一段话，给它提出新的要求、增加新的知识，它马上就算出来了。如果还是不合适，你还可以继续改，直到让你满意为止。假如有一件事，如果你反复提了20次修改意见，用大模型可能在半小时完成。而且，你想不到的一些要求，大模型可以给你补上。但是，如果你用的是专家系统，就要修改系统20次，完善这个系统可能要花几年的时间，用户还能接受吗？

何老先生很早就说：价值决定于用户。我也常说：关键是把技术和知识用在合适的地方。学会用知识、用技术才是我们应该努力做的事情。

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。