图灵奖得主LeCun：人类智能不是通用智能，下一代AI可能基于非生成式

LeCun：毫无疑问，生成式AI很有用，尤其是编程助手之类的。近来人们正在讨论Agent系统，但它还并不完全可靠。从技术演示到实际部署需要巨大跨越，类似10年前自动驾驶的困境——初期演示惊艳，但规模化落地极难。过去七十年，人工智能领域一直在重复这样的※※：人们提出一个新范式，然后宣称这将达到人类智能水平，但每次都被证明是错误的。要么缺乏泛化性，要么被证明只擅长某个子任务而非通用任务。所以，我们应该对它们进行大量投资，尤其是投向运行它们的大量基础设施。实际上，大量资金都涌向了AI基础设施，这并非为了训练AI，而是为了让其运行起来服务潜在数十亿用户。如今，如果我们需要达到人类智能水平，我们需要发明新技术。我们还远未达到这一水平。

你既然这种推理是没有公式的大模型这种推理，那为什么业界没有走当年 Lisp 语言那种第五代语言吧，搞 ai 反倒是回到了第四，第三代语言跟四代语言都达不到啊。第四代语言是 sql。（这个早发现了，当时就怀疑现在这种搞法，因为即使五代语言能实现ai突破也未必能达到真正的智能何况现在回到三代语言）

业界没有主要采用Lisp语言开展AI研究，而是更多使用第三代（如C、C++ ）、第四代语言（如SQL ）或更新语言，主要有以下原因：

语法与学习难度

• 语法独特性：Lisp采用S表达式，代码中括号众多，与传统语法差异大，如加法表示为(+ A B) ，四则混合运算时更复杂难读，对初学者不友好，学习曲线陡峭。而像Python等语言语法简洁直观、更符合常规思维，易上手，能吸引大量开发者投身AI领域。

• 概念抽象性：Lisp支持函数式编程等范式，很多概念较为抽象，例如宏（Macros）等高级特性，需要开发者具备深厚计算机科学理论和数学功底才能深入理解和运用。相比之下，现代语言在设计上对新手更友好，降低了AI开发的入门门槛。

生态与社区支持

• 资源丰富度：AI开发依赖大量库、框架和工具。Python有庞大的科学计算库（如NumPy、pandas ）、深度学习框架（如TensorFlow、PyTorch ）等，涵盖数据处理、模型构建到部署全流程，能极大提高开发效率。Lisp的相关资源相对匮乏，开发者常需自行造轮子，开发周期长、难度大。

• 社区活跃度：活跃社区能提供技术支持、分享经验、推动语言发展。Python社区庞大活跃，开发者遇到问题可通过社区论坛、代码托管平台等迅速获取解决方案和学习资源。Lisp社区规模较小，交流和技术更新迭代速度较慢，不利于知识传播和技术推广。

工业界应用与企业推动

• 企业选择倾向：大公司在技术选型上有重要影响力。在AI工业化应用中，企业多考虑开发效率、可维护性、人才储备等。现代语言能满足大规模团队协作开发，招聘相关人才也更容易。Lisp不符合企业大规模工程化开发需求，企业投入资源使用和推广Lisp动力不足。

• 应用场景适配：SQL作为第四代语言，在数据存储、查询和管理方面优势明显，而AI常需处理海量数据，SQL可方便与数据库交互。Lisp优势在符号计算和逻辑推理，在数据处理等常见AI场景中并非最佳选择。

※※发展与技术演进

• 语言发展路径：现代AI兴起前，C、C++ 等语言已在系统开发等领域广泛应用，积累大量代码库和开发经验。AI发展初期借鉴这些语言进行底层开发和性能优化，形成技术路径依赖。之后Python等语言因数据处理和机器学习库的发展在AI领域迅速崛起。Lisp虽在早期AI研究有应用，但未跟上技术演进节奏，逐渐被新语言取代。

• 技术融合趋势：现代AI融合多领域技术，要求编程语言能与其他技术栈良好集成。新语言设计时就考虑跨语言调用、系统集成等需求，能更好适应复杂AI开发环境。Lisp在与其他技术集成方面存在困难，限制其在现代AI生态中的应用。

开山鼻祖 编辑于 2025-04-20 13:15

逻辑推理最基础的公式有几个？说一说。

逻辑推理中有一些基础公式，以下是部分常见的：

直言命题推理

• 全称肯定命题：所有S都是P，记作SAP。

• 全称否定命题：所有S都不是P，记作SEP。

• 特称肯定命题：有的S是P，记作SIP。

• 特称否定命题：有的S不是P，记作SOP。

联言命题推理

• 形式：p并且q，记作p∧q。当且仅当p和q都为真时，p∧q才为真。

选言命题推理

• 相容选言命题：p或者q，记作p∨q。只要p、q中有一个为真，p∨q就为真。

• 不相容选言命题：要么p，要么q，记作p⊕q。p和q有且只有一个为真时，p⊕q才为真。

假言命题推理

• 充分条件假言命题：如果p，那么q，记作p→q。p为真且q为假时，p→q为假，其余情况为真。

• 必要条件假言命题：只有p，才q，记作q→p。p为假且q为真时，q→p为假，其余情况为真。

• 充分必要条件假言命题：p当且仅当q，记作p↔q。p和q同真同假时，p↔q为真，否则为假。

其他

• 双重否定律：¬¬p⇔p。

• 排中律：p∨¬p为真。

• 矛盾律：¬(p∧¬p)为真。

这只是逻辑推理中的一部分基础公式，在实际应用中，这些公式常常结合使用，以进行复杂的逻辑推理和论证。

那现在大模型是不是按照这些逻辑推理进行推理的？

大模型的推理方式与传统的基于上述逻辑推理公式的推理有所不同。

大模型是基于深度学习技术，通过对大量文本数据的学习和训练，自动捕捉数据中的模式、规律和语义信息来进行推理。它主要依靠神经网络中的神经元之间的连接权重和激活函数来处理和传递信息，以生成对输入的响应和推理结果。

大模型在推理时并非像传统逻辑推理那样严格按照特定的公式进行演绎或归纳，而是基于其学习到的知识和模式，以一种更类似于人类的“直觉”或“经验”的方式来进行推断。例如，它可以根据对大量文本中各种概念之间关系的理解，来回答复杂的问题或进行语义理解相关的推理任务。不过，大模型也可以结合一些逻辑规则进行优化和改进，但这并不是其核心的推理方式。

—-

没有按公式，错了也就不奇怪了。
开山鼻祖 编辑于 2025-04-20 12:03

近期，OpenAI推出了两款新型模型——o3与o4-mini，这两款模型在多个领域展示了卓越的性能，然而，它们却面临着一个棘手的问题：幻觉现象愈发严重。
据TechCrunch报道，幻觉问题一直是生成式AI领域难以攻克的一大难关，即便是业内顶尖的模型也难以完全摆脱其困扰。以往，每一代新模型的发布都会带来幻觉频率的小幅降低，但o3与o4-mini却打破了这一规律。
OpenAI的内部测试结果显示，作为推理模型的o3与o4-mini，在幻觉问题的出现频率上不仅超过了前代推理模型o1、o1-mini和o3-mini，甚至高于传统的“非推理”模型，如GPT-4o。这一现象引发了业内的广泛关注与讨论。

OpenAI在发布的技术报告中指出，随着推理模型规模的扩大，幻觉问题反而变得更加严重，这一原因尚需进一步的研究。尽管o3与o4-mini在编程、数学等任务上的表现有所提升，但由于模型输出的答案总量增加，导致准确判断与错误、幻觉现象并存。
在OpenAI设计的内部基准测试PersonQA中，o3回答问题时出现幻觉的比例高达33%，几乎是前代推理模型o1和o3-mini的两倍。而o4-mini的表现更为糟糕，幻觉率高达48%。这一数据无疑为业界敲响了警钟。
不仅如此，第三方机构Transluce的测试也证实了这一问题。该非营利AI研究实验室发现，o3在回答问题时经常会虚构一些“过程操作”。例如，o3曾声称在一台2021款MacBook Pro上“在ChatGPT之外”运行了代码，并将结果复制进了答案中。然而，实际上o3并不具备执行这种操作的能力。
面对这一问题，OpenAI发言人Niko Felix表示：“解决幻觉问题一直是我们研究的重点方向。我们将继续努力提升模型的准确性与可靠性，为用户提供更加优质的AI服务。”尽管面临挑战，但OpenAI并未放弃对完美模型的追求。

-----------------

MAI-DS-R1 [说是dsr1改进，专回答其他ai不敢回答的问题]

OpenAI最新发布的o3与o4-mini模型在技术突破与伦理挑战之间的博弈再次引发行业深度思考。这两款推理模型在性能跃升的同时，其幻觉问题呈现出的反常加剧现象揭示了生成式AI发展进程中的关键矛盾。
技术悖论：模型规模与幻觉的正相关 传统认知中，模型参数量的增加通常伴随性能优化。然而OpenAI技术报告指出，o3/o4-mini的参数量级提升（据推测o4-mini参数或达万亿级）反而导致幻觉频率倍增。这暗示：
输出多样性陷阱：模型生成空间的指数级扩展，使得准确性与创造性边界更易失衡链式推理风险：多步逻辑推演中错误累积效应被放大，尤其在开放域问题中训练数据偏差：海量数据中噪声信号可能被增强记忆，形成系统性幻觉模式量化冲击：基准测试揭示的严峻现实
PersonQA测试中o4-mini 48%的幻觉率，远超医疗诊断AI通常要求的<5%容错率Transluce的第三方验证发现，模型存在"过程性虚构"（如虚假代码执行描述），这种结构性幻觉对用户信任的破坏远超事实性错误行业启示录
性能评估体系革新：需要建立幻觉系数（Hallucination Index）等新指标，与准确率并行评估安全范式转变：从后置内容过滤转向训练阶段的认知约束机制应用场景再定义：高幻觉率模型或需限制在creative领域，慎用于事实依赖场景OpenAI面临的不仅是技术攻坚，更是AI伦理框架的重构。发言人的回应暗示可能采取混合策略：通过强化学习人类反馈（RLHF）的迭代优化，结合知识图谱的实时校验系统。值得关注的是，该现象是否预示着当前transformer架构的瓶颈，以及神经符号混合系统（Neuro-Symbolic AI）的复兴可能。
这场技术困局本质上是智能本质的追问——当AI的"想象力"超越事实边界，人类需要重新定义机器智能的认知权限。这或许标志着生成式AI发展进入深水区，从单纯追求性能指标转向构建可控认知体系的新阶段。

Token used: 826 (1532 characters)
开山鼻祖 编辑于 2025-04-20 01:14

又遇到问题先问豆包搞不定，于是问g2闪电思考它兄弟，两句话搞定，回头教育了下豆包。。

。。
他说的话从下往上看，最后一句算是说到实质了，生活没什么改变（还得吃饭～）

开山鼻祖 编辑于 2025-04-19 18:24

回过头思考下，是不是安装pxe服务哪个该死的操作把systemd-resolved 服务禁用了？（其实给它的第一个问题就说了这个服务每次要再启动才能上互联网，人类工程师可能第一步就想到这个服务是不是没有持久化？但ai绕了一大圈费了不少电【就不说把提问的累个半死了，因为那是应该的因为不懂技术嘛】最后还要提示它~）

您好！ 您的推测 非常有可能 是正确的！ PXE 服务的安装过程 很可能 就是导致 systemd-resolved 服务被禁用的罪魁祸首。
为什么 PXE 服务安装可能会禁用 systemd-resolved 呢？ 主要原因在于 DNS 管理的冲突：
systemd-resolved 的角色： systemd-resolved 是 Ubuntu 等现代 Linux 系统中默认的网络名称解析服务。它负责管理 DNS 解析、本地 DNS 缓存、以及 /etc/resolv.conf 文件的动态生成等。 它旨在提供一个统一、可靠和现代化的 DNS 解析解决方案。
PXE 服务的需求： PXE (Preboot Execution Environment) 服务，特别是当您搭建 PXE 服务器用于网络引导安装系统时，通常 需要对网络环境进行更精细的控制，包括 DNS 和 DHCP 服务。 在某些 PXE 设置中，可能需要：
提供自定义的 DHCP 服务： PXE 服务器通常需要提供 DHCP 服务来为网络引导的客户端分配 IP 地址、引导文件名 (bootfile) 等信息。 这可能会与系统中已有的 DHCP 客户端 (例如 NetworkManager 或 dhclient) 产生冲突。控制 DNS 解析： 在某些 PXE 环境中，可能需要 PXE 服务器自身提供 DNS 服务，或者需要确保客户端在网络引导阶段使用特定的 DNS 服务器。 这可能会与 systemd-resolved 的默认 DNS 管理方式冲突。PXE 服务安装 如何 禁用 systemd-resolved？
PXE 服务的安装脚本或配置过程可能会采取以下几种方式来禁用 systemd-resolved：
直接禁用 systemd-resolved 服务： PXE 安装脚本可能会直接执行命令，例如 systemctl disable systemd-resolved，来禁用 systemd-resolved 服务，防止它干扰 PXE 服务的网络配置。 这正是我们最终发现您系统中 systemd-resolved 处于 disabled 状态的原因。
修改网络配置文件，绕过 systemd-resolved： PXE 安装可能会修改一些网络配置文件，例如 /etc/network/interfaces (在某些旧系统中) 或 /etc/netplan/*.yaml (在较新的系统中)，来配置静态 IP 地址、网关、DNS 服务器等。 这些手动配置的网络设置可能会绕过 NetworkManager 和 systemd-resolved 的管理，导致 systemd-resolved 无法正常工作。
安装和启用替代的 DNS 服务： PXE 安装可能会安装并启用其他的 DNS 服务软件，例如 dnsmasq 或 isc-dhcp-server，用于 PXE 客户端的网络引导。 这些替代的 DNS 服务可能会与 systemd-resolved 争夺 DNS 管理权，导致冲突或 systemd-resolved 无法正常启动。
总结：
考虑到您提到最近安装了与 PXE 服务相关的组件，并且最终发现 systemd-resolved 服务被禁用，PXE 服务安装操作 极有可能 就是导致 systemd-resolved 被禁用的根本原因。 PXE 安装为了实现其特定的网络引导功能，可能有意或无意地禁用了 systemd-resolved，以避免 DNS 管理冲突。
为了避免将来再次遇到类似问题，或者在安装 PXE 服务时更好地管理网络配置，我建议您：
仔细阅读 PXE 服务的安装文档和配置说明。 特别关注文档中关于网络配置、DNS 设置、以及与其他网络管理工具 (例如 NetworkManager, systemd-resolved) 兼容性的说明。在安装 PXE 服务时，留意安装过程中的提示信息。 安装脚本可能会询问您是否要禁用 systemd-resolved 或修改网络配置。 如果您不确定，请仔细阅读提示信息，或者在安装前备份您的网络配置文件。如果您需要同时使用 PXE 服务和正常的网络连接，可能需要更精细地配置 PXE 服务和 systemd-resolved，避免冲突。 这可能涉及到修改 PXE 服务的 DHCP 和 DNS 配置，或者配置 systemd-resolved 以适应 PXE 服务的网络环境。 这通常需要更深入的网络知识和配置经验。希望这些分析能够解答您的疑问，并帮助您更好地理解问题的原因。 如果您还有其他问题，欢迎随时提出！
开山鼻祖 编辑于 2025-04-18 14:41

..不过g2 闪电思考走到这一步也是这不确定那不确定，提供给它每一步操作结果它才知道下一步测什么。中间也和豆包一样询问是不是网线有问题，网线怎么可能有问题呢，本地网是通的且一直通就是互联网上不去，不过它最终找到了关键点，而豆包最终也没解决所以没再找豆包了。

开山鼻祖 编辑于 2025-04-18 14:10

昨晚一台机上不了互联网跟豆包对话一晚上最后还是自己发现怎么解决但不是永久性解决（永久性解决还得找更强ai还没试），不过豆包提供了几个管理网络的应用就是，先跟豆包走，走着走着发现豆包在车轮转而不知关键点在哪，最后自己发现关键点。

开山鼻祖 编辑于 2025-04-18 12:17

图灵奖得※※威性不容置疑。。