千千文学网

第133章 符號逻辑推理的数学模型（第2页）

这种“工业界倒逼学术界”的现象，在ai领域尤为明显。

很多最前沿的技术，根本来不及写进书里，甚至来不及发表正式的论文，就已经被openai、google、meta这些科技巨头，直接应用到了產品中，或者以技术博客、开原始码的形式，扔到了github和huggingface上。

“看来，光看书是不行了。”

徐辰果断调整了策略。

他打开了coursera、udemy，以及b站，找到了几门由史丹福大学、吴恩达、李飞飞等顶级大佬开设的最新网课。

《cs224n：自然语言处理与深度学习》

《cs231n：卷积神经网络与视觉识別》

《生成式ai导论》

他开启了倍速播放，一边看，一边在脑海中构建著知识图谱。

徐辰学得飞快。

这得益於他那恐怖的数学底子。

……

在ai领域，有一条不成文的鄙视链：搞算法的看不起搞调参的，搞理论的看不起搞应用的。

而站在鄙视链顶端的，永远是那些数学功底深厚的人。

普通的ai工程师，可能只会调用pytorch或tensorflow的api，像搭积木一样搭建模型，然后对著一堆超参数进行“玄学”调优。他们知道“怎么做”，但往往不知道“为什么”。

而数学家，看到的则是更本质的东西。

他们看到的是流形上的概率分布，是高维空间中的几何结构，是优化算法的收敛性证明。

“ai人员的数学好，通常是指他们擅长线性代数、概率论和微积分，能看懂公式，能推导梯度。”

“但数学家的数学好，是指他们能洞察这些公式背后的『结构与『本质。”

……

五天后。

当徐辰关掉最后一节关於“transformer架构源码解析”的网课视频时，他长长地舒了一口气。

海量的知识，从最底层的感知机，到最前沿的大语言模型，在他的脑海中，构建起了一座宏伟的知识大厦。

【叮！】

【检测到宿主系统性地掌握了“深度学习与自然语言处理”的核心知识体系。】

【信息学经验值+20！】

【当前信息学等级：lv。0（35100）】

看著那猛涨了一截的经验条，徐辰並没有太多的惊讶。

对於一个已经站在数学lv。2高度的人来说，ai的底层逻辑並不神秘。拋开工程实现的细节，现代深度学习的本质，就是在一个极高维的参数空间里，寻找一个能够擬合数据分布的流形。

“现在，地基已经打好了。”

徐辰的目光，投向了系统物品栏里那份名为《具备逻辑推理与长时记忆模块的改进型大语言模型算法框架（laart）》的“草稿”。

他將其提取出来，仔细研读。

这份“草稿”並没有直接给出成型的代码，它更像是一份来自未来的“技术白皮书”，指出了三个核心模块。徐辰决定，先攻克最核心的——符號逻辑推理模块（slrm）。

目前的ai界，为了解决大模型的“幻觉”问题，即一本正经地胡说八道，主流做法是rlhf，也就是基於人类反馈的强化学习。但这本质上是让人类去“教”鸚鵡说话，鸚鵡並不懂真理，它只是学会了迎合人类的口味。

徐辰翻开草稿的“逻辑推理”章节，眼神逐渐变得凝重。

草稿上写著这样一段话：

“不要试图在离散的符號层面去强行嫁接逻辑规则。应当將一阶谓词逻辑的语法树，通过某种拓扑变换，嵌入到连续的向量空间中。使得逻辑推演的过程，等价於向量空间中的几何变换。”

“建议路径：採用区域表示法。將每个概念视为高维空间的一个闭区域。逻辑蕴含即为几何包含。”