今天在和豆包聊天去简单了解了一下大模型的原理，简单来说就是大模型构建了一个向量空间，类似于一个字典，一个百科全书，而大模型之所以能够根据人的提问来回答，是因为它将人的提问或者是对话上下文转成一个向量，用这个向量去向量空间中匹配最接近的向量。那么如何规定这个最接近，这个就是大模型的预训练，大概就是人工喂数据，然后校验。所以大模型实际上就是一个百科全书，对以往知识经验的调用，无法创造新的知识。
大模型的本质是复读机，我就在想人脑是否也这样，本质是模仿以往的知识，我们的学习就是在模仿，在做数学题的时候，大概的思考方式就是试错，不断尝试之前学过的方法，看是否行得通。我就得出结论，人脑就是对过往知识的调用。新知识的发现不过是人们不断用过往知识试错得到的结果。如果大模型也能掌握这种试错的能力，大模型是否能够达到人脑的程度，后来我发现是不行的，即使有自监督学习或者说物理引擎，它也只是局限于文字数据，不够精细，物理世界太大了，人类都没有探索完，更不可能编码成数据。
那人类与相比，优势只在于人类能够接触物理世界，发现新知识吗。不是的，我发现在自己向豆包提问的过程中，每看到一段回答，我大脑又会产生新的疑问，不断纠正我对这个知识的理解，这种思考自己的思考能力也是大模型没有的，所以我总结出人脑的三个阶段:模仿，试错，反思，后面两种是大模型没有的。大模型没有试错能力在于它永远无法接触真实的物理世界，而反思能力可能是人脑的特定结构。
