经过

这个寒假忙了又忙，又是打工，又是建站，又是学兴趣爱好，发现自己都没怎么搞主业啊。所以这几天我又捡起了 AI，进行了几次头脑风暴。这段时间正好和亲戚聊了一下，我也稍微整理了一下自己的思绪，给自己确立了一个接下来大概的打算。

思考

要说这几天发生的事，首当其冲的就是 DeepSeek-R1 了。之前，我写了一篇 DeepSeek-R1 的论文，但也仅仅是提了一下技术细节和思想。在这里，我稍微叙述一下我由 DeepSeek 引发的一些思考，和一些其他的思考，就当做杂谈了。

这次 DeepSeek-R1 的创新点其实也很简单，主要还是强化学习。但为什么这样一个简单的创新带来这么大的反响，却是一个值得深思的问题，下面我将讲述我的观点，首先我铺垫几句。

从大概是 GPT-3.5 发布到现在，主流的 LLM 研究都研究些啥？

至少我个人来看，这段时间的研究热点都是如何“使用好”大语言模型，如 ReAct，提示工程等，或者头部大厂可能会自己训练一个大语言模型。出于对解决任务的性能的追求，这样的现状还是可以理解的。但是我们回过头来看，现在的研究已经比较同质化，没有很大的创新。在这个过程中，老美的头部大厂都非常默契，大模型一直都是 Transformer 的老样子，当然也有像 Mamba 这样的模型，不过目前没有占据主流。

在这个时候，DeepSeek-R1 引入了强化学习并开源，让模型在数学和编程上达到了一个能和头部公司 OpenAI 对标的水平。虽然之前也有强化学习得分网络进行微调的方法，但仅仅是作为一个辅助的作用。

话说回来，DeepSeek 为什么带来这么大的反响，懂的都懂🤓。

有了上面的基础，我就想到我自己不能过于依赖外界，必须要从头开始建立一套自己的理论。当然在外界看来，我可能是在整一些奇奇怪怪的实验，但这都是为了完善我自己的理论。于是，就有了今天的主题。

另辟蹊径的人工智能

What?

正如上面所说，接下来我会用一些看上去很莫名其妙的方法去完成一些任务，能写论文我就尝试写。一开始可能是对 CV 下手（毕竟玩不起大模型），然后慢慢扩展领域。在方法上创新之外，我可能也会扩展一些应用场景，不过大概不会是很大的场景。

Why?

上面说到，我是为了完善理论。对于这个过程，我把一些能说的分享一下。也得益于之前和我一个亲戚的聊天，我把思绪整理了一下，总结出了一个思路框架。

其中很重要的一点是批判思维的构建，批判思维是指对一件事物进行价值的判断的思维。

我举一个例子，我正在管理一个团队，那么我需要知道怎样的管理是好的，怎样的管理是坏的，从而才能做出正确的管理。而向别人请教管理经验、阅读管理书籍则是为了告诉你什么管理是好的，构建出判断一个管理是好是坏的能力。我称其为批判思维的构建。

在设计算法上亦然，想要设计出新颖的，更好的算法，特别是人工智能算法的特性，需要对大方向有一个认知，知道一个方法或方向是好是坏。于是为了形成这一思维，我开始学习神经科学等一些对人工智能有启发的学科。

完善自己的批判思维，和将已有的批判思维付诸实践，这就是我接下来工作的方向。不光这点，我在自己的学习上做了很多方法和理论上的突破，这里我就不赘述了。

How?

到了现在的阶段，我的批判思维基本上已经初具雏形（不敢说太大），能对一个模型说出哪里不足，理想中的模型应该是什么样。头脑风暴之后真的能跟着自己的思维提出自己的创新点。虽然想出来的东西有点奇奇怪怪，但是我相信只要去做，总会越来越好的。这也就是我接下来的工作的理由。

对于这个批判思维的理论，我们其实还聊到了一个角度的问题，也就是形成多个角度进行批判，感觉有点像机器学习的随机森林算法。这里我们就不赘述了。

小结

这篇文章就是整理一下这段时间的思考，一不留神写了这么多。总之接下来我也希望自己能够多头脑风暴，提出一些创新点并付诸实践吧。尽管在形式上比较怪异，但这也是成长的一步。😁