在 OpenAI o1 正式版發(fā)布 10 天后，Kimi 的「高階推理模型」也落地了。
12 月 16 日，Kimi 直接發(fā)布了自己的「視覺思考模型」k1。相比于一個(gè)月前發(fā)布的 k0-math，k1 支持端到端的圖像理解和思維鏈（CoT），不僅推理能力進(jìn)一步提升，還可以識別幾何圖形、圖表等圖像信息。
增強(qiáng)推理之后，大模型會(huì)獲得更嚴(yán)密的邏輯思考能力，在基礎(chǔ)科學(xué)領(lǐng)域的能力表現(xiàn)大幅提升。如果說過去的大語言模型相對更接近「文科生」，那么現(xiàn)在，它學(xué)會(huì)了「數(shù)理化」。
發(fā)布模型的同時(shí)，月之暗面宣布，Kimi k1 在多項(xiàng)基礎(chǔ)學(xué)科的基準(zhǔn)能力測試中表現(xiàn)優(yōu)異，超越了 Open AI o1、GPT-4o，及 Claude 3.5 Sonnet。
學(xué)會(huì)「數(shù)理化」，意味著 Kimi 的能力得到了擴(kuò)增。但更重要的是，高質(zhì)量「思維鏈」的出現(xiàn)，將徹底改變大模型的思維深度，讓它具備「自主探索答案和反思」的能力。
學(xué)會(huì)「自主探索和反思」，或許就是 AI 擴(kuò)寬人類知識邊界的關(guān)鍵所在。
01學(xué)會(huì)「數(shù)理化」的大模型
今年夏天，就有媒體利用高考試卷，測試了大模型的「知識水平」。
得到的結(jié)果相當(dāng)驚人，不少大模型的測試成績，都達(dá)到了「一本線」的水平，但僅限「文科」。大模型最擅長的學(xué)科是語文、英語，以及政治歷史，這幾門課基本都可以拿到 80 分以上，英語更是可以接近滿分。但數(shù)理化三科，大部分模型都無法及格。包括文綜三科里，比較注重邏輯判斷的地理，大模型的表現(xiàn)也欠佳。
這里最大的原因在于，大模型缺少「推理」能力，去對輸出的內(nèi)容進(jìn)行「收斂」。面對那些較為開放，沒有唯一標(biāo)準(zhǔn)答案的主觀題，大模型往往能引經(jīng)據(jù)典，給出豐富的回答，組織語句的能力也較強(qiáng)這都是語言模型的「老本行」。但面對那些理科的客觀題，只有唯一標(biāo)準(zhǔn)答案的時(shí)候，大模型就較難命中靶心。
所以，想要衡量下一代「高階推理模型」的能力高低，很大程度上，就是要看它的理科成績?nèi)绾巍?br/>
此次 Kimi k1 發(fā)布，月之暗面公布的第一項(xiàng)基準(zhǔn)測試，就是「數(shù)理化」三門學(xué)科的能力測試。根據(jù)測試結(jié)果，k1 大幅領(lǐng)先于 GPT-4o。而 4o 曾是今年夏天在高考測試中表現(xiàn)相對最好的大模型。同時(shí)，k1 相比 OpenAI 最先進(jìn)的高階推理模型 o1，也存在一定優(yōu)勢。
不只是中學(xué)水平的數(shù)理化，Kimi k1 對于更高階的問題也具備相當(dāng)強(qiáng)的解析能力，比如奧賽數(shù)學(xué)。我們嘗試輸入了一道主要面向高校的數(shù)學(xué)奧賽題目給 Kimi，它也順利完成了推理解答，并得到了正確答案。
如果說，此前通用大模型 AI 的知識水平大概處于「高考一本線」左右，那具備高階推理能力的 k1，在一些領(lǐng)域則至少來到了研究生，甚至博士級的水平。
在應(yīng)用層面，k1 具備兩個(gè)重要特點(diǎn)，第一是對視覺內(nèi)容的「端到端」支持，用戶只需要輸入問題截圖、拍照，甚至是手寫的題目，Kimi 都能夠識別出原題，并進(jìn)行推理解答。即便畫面里有噪聲，不夠清晰，也沒有問題。特別是針對那些有圖示的幾何題、應(yīng)用題，Kimi k1 能夠結(jié)合圖示來理解題意，這是過去的大模型很難做到的。
其次，則在于 Kimi 具備「思維鏈」技術(shù)，讓用戶看到的不只是答題結(jié)果，而是能看到模型思考和推演答案的全過程。
到這里，看起來 k1 最主要的應(yīng)用價(jià)值是教育，能成為學(xué)生和家長的「輔導(dǎo)助手」，但事情遠(yuǎn)沒有這么簡單。
02會(huì)「一步步思考」的 AI
當(dāng)我們嘗試用 Kimi k1 來解答一系列中學(xué)數(shù)理化問題，會(huì)發(fā)現(xiàn)明顯的特征是，k1 的思考過程非常細(xì)，甚至有時(shí)候會(huì)有點(diǎn)「太細(xì)了」。
它會(huì)把一個(gè)問題分析、拆解到最底層，產(chǎn)生結(jié)論之后，還會(huì)主動(dòng)從其他角度進(jìn)行二次思考，來驗(yàn)證自己之前的想法是否正確，如果發(fā)現(xiàn)矛盾，就會(huì)進(jìn)行進(jìn)一步的反思。
思維鏈究竟應(yīng)該細(xì)化到何種程度，目前還沒有一個(gè)全行業(yè)共識的答案。但可以肯定的是，大模型的思維鏈能力可以啟發(fā)人類做事的思路。這是許多行業(yè)的專業(yè)人士在使用推理模型后，最常發(fā)出的感慨。
目前這一代「高階推理模型」所具備的思維能力，率先在數(shù)理化解題、專業(yè)知識解讀等場景下，得到了最明確的體現(xiàn)。而這種推理能力更深層的意義，在于「反思」。
「反思」能力的出現(xiàn)，通過思維鏈技術(shù)，能讓大模型輸出的內(nèi)容變得更有邏輯，更可控且靈活。
當(dāng)下大模型應(yīng)用場景里，明顯存在的一個(gè)矛盾是：當(dāng)我們提出一個(gè)問題，如果我們自己不知道答案，我們就依然無法判斷大模型給出的答案是否正確。
但如果大模型能給出自己的邏輯思維過程，我們就可以參考這個(gè)過程，來判斷答案的合理與否。所以當(dāng)下包括 Kimi k1 在內(nèi)的模型，一個(gè)最好用的 prompt 就是「一步步分析」，這樣經(jīng)過專門訓(xùn)練的大模型就能給出更詳細(xì)的思考過程，供用戶進(jìn)行參考評估。
這有助于消除大模型的「幻覺」問題。就是說，大模型可以自己對自己的擬合結(jié)果進(jìn)行反思，嘗試把那些可能錯(cuò)誤的內(nèi)容剔除出去。即便生成結(jié)果中包含一些可疑的、不確定的部分，用戶也更容易從 AI 的思考過程中發(fā)現(xiàn)這些內(nèi)容，進(jìn)行二次審核確認(rèn)。這對 AI 的安全性、可靠性，也會(huì)是一個(gè)積極提升。特別是對專業(yè)領(lǐng)域的用戶來說，這一點(diǎn)將非常有意義。
通過「思維鏈」，Kimi k1 不僅能進(jìn)行更復(fù)雜的思考，對輸出結(jié)果進(jìn)行收斂，還能輸出更有邏輯的結(jié)果，彌合與用戶之間的認(rèn)知鴻溝。
03用「反思」突破人類知識邊界
高階推理能力、思維鏈、端到端的視覺輸入……大模型 AI 正在經(jīng)歷一輪新的顛覆性改變。Kimi 再次占據(jù)了優(yōu)勢身位。
過去大模型所采取的，泛意義上的機(jī)器學(xué)習(xí)思路，更多是基于數(shù)據(jù)進(jìn)行「擬合」，也就是模仿。上一代語言模型主要模仿的，就是人類說話、寫字的方式。因?yàn)?AI 的學(xué)習(xí)效率很高，通過整合大量的知識數(shù)據(jù)，就能輸出很好的結(jié)果。
但這依然注定了，這樣的模型只能無限接近人類水平，而很難超越人類已知的知識范疇，無法產(chǎn)生新的知識。
這也是為什么過去很多人覺得，大模型應(yīng)用有點(diǎn)像是「什么都懂一點(diǎn)的大學(xué)生」，但在任何一個(gè)垂直領(lǐng)域都不夠深入，無法給出更有價(jià)值的獨(dú)到洞見。
但「反思」能力的出現(xiàn)，則意味著，AI 大模型未來可能可以通過自我的對抗強(qiáng)化學(xué)習(xí)，產(chǎn)生新的知識，真正超越人類現(xiàn)有的知識邊界。
這件事早有成功范例。比如 AlphaGo，就是利用強(qiáng)化學(xué)習(xí)的方法，基于人類圍棋棋手的棋譜，發(fā)散出了更多，遠(yuǎn)超人類棋手所知的策略。之后的 AlphaZero，則是在完全沒有輸入任何棋譜數(shù)據(jù)的前提下，只是輸入規(guī)則，完全通過自我的對抗強(qiáng)化訓(xùn)練，產(chǎn)生了超越人類的智能。
在 Kimi k1 的功能演示中，月之暗面特意輸入了一些古代科學(xué)家的手稿，這些手稿在今天看起來無比模糊，普通人幾乎不可能理解其含義，但 Kimi 也能夠通過思考，發(fā)掘出很多畫面上沒有的背景信息。
此前曾有一種觀點(diǎn)認(rèn)為：當(dāng)下人類知識的總量已經(jīng)太大，人類作為個(gè)體，光是學(xué)習(xí)一個(gè)領(lǐng)域的知識，就已經(jīng)要耗費(fèi)大量時(shí)間，終其一生，可能也很難達(dá)到「知識圈」的邊界，所以很難像過去的群星閃耀的科學(xué)時(shí)代一樣，不斷有驚世駭俗的研究成果出來。甚至有人認(rèn)為，人類知識的總和，最終會(huì)是有限的。
而現(xiàn)在，具備深度思考能力，學(xué)習(xí)效率超高且具備無窮壽命的 AI，或許正在開創(chuàng)知識和智能的新維度。
