“原来认为深度学习是‘黑盒子’,现在我们把逻辑推理的‘白盒子’跟深度学习结合起来,就变成‘灰盒子’了。”漆远笑着解释说,“原来是‘黑盒子’关在那里面,你完全不知道深度学习网络为什么就给你这个答案。而‘灰盒’大模型借助逻辑推理可以‘知其然,更知其所以然’。同时,从另外一个角度来看,‘灰盒’大模型可以用深度学习来减少不符合现实世界观测数据的规则。”千行百业,每一行有各自特点,每一业有各自要求。比如金融行业中的会计、财务、投资,以及建筑设计等领域都具有严谨的要求与规则。“目前大模型落地,我觉得最大的问题就是:猛一看好像有用,真的一用又不行。”漆远指出,针对大模型现有的不靠谱、解释性不高、成本高等特点,一个真正有效的解决方向不是现在流行的检索增强生成技术,这只是打补丁的方法,而是把概率的神经网络推理与逻辑的符号计算结合起来,类似于《快思考与慢思考》书里所说的人类系统一与系统二能力的结合,走向“灰盒”大模型。详情