主题：这几天大火的Deepseek没有人讨论吗 -- 俺本懒人

二维化，那三个二维空间堆叠起来不就复活了？

动物没有（复杂）情绪，再到超越情绪的理性，否定之否定，不知是个什么关系了。

是的，抽象和重构，应该算是一种有损压缩，不能单纯说压缩——能够重损压缩的信息，就是创造力的体现。

当DeepSeek的抽象损失了大量信息之后，它还能把原来的信息重构个七七八八，这就表明它有了创造能力。

所谓的创造能力并不神奇，就是无中生有，凭空造假。创造能力最简单的例子是图像生成模型中的——超分辨率（Super-Resolution）。

对生成模型比较陌生的童鞋，可以去了解一下这个问题。把一张低分辨率图像变成高分辨率图像，需要补充大量的不存在的细节信息，这就涉及到无中生有、凭空造假，这些补充进去的细节信息都是伪造的。

我不知道你为啥有期望缸中之脑完全替代人类的想法，这很危险很资本——金融资本家只需要无人机，工商资本家只需要无人工厂。

当缸中之恼完全替代人类的时候，那是资本的盛世，却是人本的末日——工商资本也将完全蜕变成金融资本，普通人就再也没有存在的价值了。

如果你不是金融资本的一员，也没被马恩忽悠瘸的话，大家最好祈祷缸中之脑止步于智能助手的层次，牛马还有价值，后面一不小心就是历史的终结。

比如养老院或者家庭护理

劳动力缺乏国家的工人。。。

象美国这样失业率很低的，很多场所还是缺人。。。

DeepSeek把模型变小是它最关键的一点。

自然语言存在大量的冗余，从抽象和有损的信息压缩角度，DeepSeek已经把自然语言中的冗余挤得差不多了。

自然语言中的逻辑不是逻辑，通篇全是漏洞；形式逻辑因为污染认知问题更大，真正的逻辑是数学中的符号逻辑那一套。

大多数大学生可以从高数、微积分中那套无穷小逼近的那套写法了解一些符号逻辑，更早的话，初中几何中的三个点表示的因为、所以。

我是上过《离散数学》，对于全序偏序、符号逻辑那些体会更深一些，虽然最后收获不多，但我知道什么才是符号逻辑。

--

DeepSeek当前为止并没有表现出任何逻辑能力，也就是判断、证明、证否这些真正的逻辑能力。

DeepSeek当前为止真正表现出来的能力是把原问题分析细化的能力，也就是你当你对DeepSeek提出一个问题之后：

（1）DeepSeek只是用他的丰富的资料库，把问题分析细化；

（2）用更有条理的语言把问题描述得更清晰；

换句话说，DeepSeek只是用它的知识库，把你提出的问题重新描述了一遍，补充资料，组织得更有条理性——所以我称之为分析细化能力。

你提出一个问题，DeepSeek负责描述这个问题，增加资料，更加条理化，然后看你自己能不能找到这个问题的答案。

DeepSeek的回复并没有真正回答这个问题，能不能得出这个问题的答案全看用户自己——能不能充分利用DeepSeek提供的那些资料，能不能充分利用DeepSeek把问题条理化时透漏出来的那些结构化信息。

--

DeepSeek能够做到分析和细化，不是因为它具有了逻辑能力，而是它把自然语言中的冗余挤掉得差不多了，所以特别擅长变换表述。

DeepSeek的分析细化能力，是自然语言层次的变换表述，因为它可以补充各种资料，因为它知道各种结构化信息，所以它可以补完问题。

DeepSeek的变化自然语言的表述，是为了把你提出的问题补充完整，它负责提供各种资料，负责提供结构化信息——但负责做出判断的是用户。

--

所以我有时特别不明白，为啥你们对着自然语言讨论逻辑，金岳霖有句话：红楼梦中的哲学不是哲学，金岳霖的哲学就指逻辑。

讨论逻辑是需要门槛的，我们理工科的门槛叫严格逻辑，数学的门槛叫纯粹逻辑，我严格逻辑还可以，到纯粹逻辑就开始欠费了。

平常我们在网上讨论的这些都不是逻辑层次，而是自然语言的层次。至少也要到符号逻辑的层次，才能真正的讨论逻辑。

--

最后，交互属于HCI（人机交互接口）的研究内容，并不是真正回答你提出的问题才叫交互。

AI回答问题这种交互往往只存在于科幻中，但我们讨论是现实中的技术问题，就不要套科幻了，我怎么觉得你们把科幻当真了？

就像我反复强调的一样，DeepSeek利用它的分析细化能力，把你问题补充完整，也是一种交互。

上面这个，就还是个搜索嘛

这两句都是DeepSeek跟我对话的时候写出来的，我去网上搜了一下，四句只有“叙事即权力”能在网上搜到。

这四句都是我想说但说不出来的，结果DeepSeek跟我对话一会，就成功成为了我的嘴替——为什么我说模型小就意味着创造能力，这就是创造能力！

你举得那个例子叫空想，恰恰是缸中之脑之外的，创造能力指的是绘画之类的，现在DeepSeek在自然语言方面的创造能力太离谱了。

看来人类还是找到了方向嘛，晶粒细化到原子核尺寸那水滴的熔点就是无穷大了吧。

提问能力——正确的提问，这样一直打破砂锅问到底问下去说不定就能找到突破口，有了方向就好办就怕没有方向。

当年藤子京给范中淹写了一封信，信中描写了岳阳楼洞庭湖及风景，然后范中淹这个从来没有去过岳阳楼的人，写出了到现在依然脍炙人口的《岳阳楼记》。几十年前就有这样的想法，就是靠一个简单的介绍，就能恢复出一篇雄文或者是详细的介绍，当然是视频更好。结果今天，几十年前的梦想基本实现了。

不信你拿同样的问题再去问一遍 DeepSeek，它保证给你个不同的天顶星科技。😁

在睁着眼说瞎话这方面，DeepSeek和其他大模型都一样。问题是 DeepSeek 说得更像真的，更具有迷惑性。

深度自己的介绍：

V3: We present DeepSeek-V3, a strong Mixture-of-Experts (MoE) language model with 671B total parameters with 37B activated for each token. To achieve efficient inference and cost-effective training, DeepSeek-V3 adopts Multi-head Latent Attention (MLA) and DeepSeekMoE architectures, which were thoroughly validated in DeepSeek-V2. Furthermore, DeepSeek-V3 pioneers an auxiliary-loss-free strategy for load balancing and sets a multi-token prediction training objective for stronger performance. We pre-train DeepSeek-V3 on 14.8 trillion diverse and high-quality tokens, followed by Supervised Fine-Tuning and Reinforcement Learning stages to fully harness its capabilities. Comprehensive evaluations reveal that DeepSeek-V3 outperforms other open-source models and achieves performance comparable to leading closed-source models.

R1 是基于 V3 的。一样是671B total parameters with 37B activated for each token.。而Meta的羊驼3也不过 15 trillion training tokens，和DeepSeek 基本相当。而训练结果是最大 405B total parameters ，8B 和 70B active。

DeepSeek 主要的突破有两个：

1. 降低了训练成本，缩短了训练时间

2.显示 AI 的思索过程

这样逻辑就很简单 干净。

从最早用机器翻译做出来的“微软对联/微软春联”，一直到现在的DeepSeek，机器写文依然具有下限高、上限低的特点。

简单说，即使让DeepSeek写短文，它也只能交出一篇平平无奇的、不出戏的短文，在侦探类之外的所有类别都——没有惊喜。

优点是符合格式，缺点是只符合格式，除了符合格式之外一无是处，能够超出普通人和新手，但没有上限，没有惊喜。

就像我前面说的那样，DeepSeek并没有真正理解了逻辑、产生了意识，而是通过生成模型在是自然语言层次的模仿、创造、造假。

--

“叙事即权力，想象力即战场”、“城中谈礼法，乡野种稻粱”。我的唯二惊喜都是在同一个会话，一个网上有很多资料的问题“金庸武侠的东西合璧”下面。

这是一个无约束问题，我不知道增加很多约束之后，能不能在热门、客观、有深度的领域，依然能够获得惊喜的答案。

但这依然是特别了不起的成就，毕竟我逛了半年多的西西河，称得上有惊喜的收获只有三次：

（1）来自胡辣汤老哥你转述的那句“压得住舆论处理百姓，压不住舆论处理官员”。

你说这是你90年代听一个体制内官员所说，但却是我费力总结了半天“体制内裹挟体制外，体制外裹挟体制内”一堆车轱辘话的完美嘴替。

（2）审度的"物视角"。

（3）Swell老哥转述的“钱从何来”。

我在DeepSeek一个晚上的收获，赶上在西西河几个月的收获，你就知道DeepSeek多么惊人了：

交流是有门槛的，DeepSeek已经超越了西西河那些体制内的、只会说车轱辘话的脱产教士。