LLM 能力不断增强的时代，Google Deepmind 总算是给了人类一条活路！

文章的标题叫： LLM 不能跳跃。

文章指出LLM已掌握归纳和演绎，但缺乏溯因能力（abduction）。

演绎是如果我知道“下雨了”，那草地必然会湿（规律推出具体）。归纳是我多次看到下雨后草地湿了，可以总结出“下雨通常让草湿”。（具体总结规律）溯因是草地湿了，的确有很多可能性，但是在信息不足的情况下，人类可以自然高效的建立一个最合理、最简洁的假设。比如哦，就是下雨了吧。（信息不足的情况下最合理的瞎蒙）

爱因斯坦提出广义相对论时，就是典型的溯因：现有数据（水星轨道异常等）没直接“要求”新理论，但他直觉跳跃出一个全新公理框架（时空弯曲）。

换而言之，人类混合不充分的上下文和一些自己对某种真理的追求，靠瞎蒙 improve 理论的能力，是目前 AI 非常不擅长的。

再进而言之，如果任何决策不需要承担风险，不需要面对未知，不需要更高的追求，不需要真正下注，那么 AI 最终会做得比你好。

所以在 各个行业被AI取代的概率 中，企业高管被取代的概率最低，就是因为其实他们最高的价值并非在努力工作，而是在处理风险。

ps溯因不是“我觉得”。。。

溯因的核心特点：有追求，“更好的解释或者最佳解释”匹配当前已知案例（有反例就别觉得了）逻辑一致性（不能自相矛盾）优先选择简洁（奥卡姆剃刀原则：如无必要，勿增实体）往往还考虑解释力（能解释最多现象）、可检验性、与已有知识的相容性。

这完全不是我觉得谢谢。。。

网页链接