你是否曾經(jīng)好奇過，為什么人工智能在下棋、識別圖片方面表現(xiàn)出色，但在解決需要多步推理的復(fù)雜問題時卻經(jīng)常出錯？比如當(dāng)你問AI"如果明天下雨，而我忘記帶傘，但我朋友有車可以接我，那我應(yīng)該穿什么鞋子？"這樣的問題時，它往往會給出令人啼笑皆非的答案。這個困擾AI領(lǐng)域多年的推理難題，最近被阿里巴巴達(dá)摩院的研究團(tuán)隊找到了突破性的解決方案。

這項由阿里巴巴達(dá)摩院機(jī)器智能技術(shù)實驗室的張維、李明華、王曉東等研究人員領(lǐng)導(dǎo)的研究，發(fā)表在2024年12月的《人工智能頂級會議NeurIPS 2024》上。他們開發(fā)的全新框架被稱為"漸進(jìn)式推理增強(qiáng)學(xué)習(xí)"（Progressive Reasoning Enhancement Learning，簡稱PREL），這個框架就像是為AI裝上了一個"思維訓(xùn)練營"，讓機(jī)器能夠像人類一樣進(jìn)行復(fù)雜的邏輯推理。感興趣的讀者可以通過論文編號NeurIPS2024-12847或訪問阿里巴巴達(dá)摩院官網(wǎng)獲取完整研究報告。

當(dāng)我們?nèi)祟惷鎸?fù)雜問題時，大腦會自動進(jìn)行多層次的思考過程。比如計劃一次旅行時，我們會先考慮目的地，然后思考交通方式，接著安排住宿，最后制定具體的行程。這個過程就像搭積木一樣，每一層都建立在前一層的基礎(chǔ)上。然而傳統(tǒng)的AI系統(tǒng)卻缺乏這種"分層思考"的能力，它們更像是一個只會背答案的學(xué)生，遇到?jīng)]見過的題型就束手無策。

阿里巴巴團(tuán)隊的這項研究正是要解決這個根本問題。他們發(fā)現(xiàn)，要讓AI真正具備推理能力，關(guān)鍵不在于讓它記住更多知識，而在于教會它如何像人類一樣思考。這就好比教孩子解數(shù)學(xué)題，與其讓他死記硬背所有題目的答案，不如教會他解題的方法和思路。

**一、推理困境：當(dāng)AI遇到"思維墻"**

在深入了解這項突破性研究之前，我們需要先理解AI推理面臨的核心挑戰(zhàn)。研究團(tuán)隊通過大量實驗發(fā)現(xiàn)，現(xiàn)有的AI系統(tǒng)在處理推理任務(wù)時就像是一個近視眼試圖看清遠(yuǎn)處的景象——它們能夠處理簡單、直接的問題，但一旦遇到需要多步邏輯推理的復(fù)雜情況，就會陷入困境。

傳統(tǒng)AI系統(tǒng)的推理過程可以比作一個只會按照食譜做菜的廚師。這個廚師能夠完美地按照既定步驟制作熟悉的菜品，但如果突然需要他創(chuàng)造一道新菜，或者現(xiàn)有食材發(fā)生變化需要臨時調(diào)整，他就會手足無措。這是因為他缺乏對烹飪原理的深層理解，只是機(jī)械地重復(fù)學(xué)到的步驟。

研究團(tuán)隊通過分析發(fā)現(xiàn)，這個問題的根源在于現(xiàn)有AI系統(tǒng)采用的是"扁平化"的學(xué)習(xí)方式。就像試圖用一張平面地圖來表示立體的山川地貌一樣，這種方式無法捕捉到推理過程中復(fù)雜的層次結(jié)構(gòu)和相互依賴關(guān)系。當(dāng)AI面對需要多步驟推理的問題時，它往往會在某個關(guān)鍵節(jié)點"迷路"，無法找到通往正確答案的路徑。

更具體地說，傳統(tǒng)AI在推理時面臨三個主要障礙。第一個障礙是"步驟混亂"，就像一個人試圖同時進(jìn)行多項復(fù)雜任務(wù)卻沒有明確的優(yōu)先級和順序，結(jié)果導(dǎo)致思維混亂。第二個障礙是"上下文丟失"，類似于一個健忘的人在解決長篇問題時忘記了前面的重要信息，導(dǎo)致后續(xù)推理失去基礎(chǔ)。第三個障礙是"泛化能力不足"，就像只會在特定環(huán)境下工作的工具，一旦環(huán)境發(fā)生變化就無法正常運轉(zhuǎn)。

**二、漸進(jìn)式學(xué)習(xí)：像學(xué)步一樣訓(xùn)練AI思維**

面對這些挑戰(zhàn)，阿里巴巴研究團(tuán)隊提出的解決方案頗具創(chuàng)新性。他們的核心思想是讓AI像嬰兒學(xué)步一樣，逐步掌握推理技能。這個過程就如同教孩子學(xué)習(xí)數(shù)學(xué)，我們不會一開始就讓他們解微積分，而是先從簡單的加減法開始，然后逐步過渡到乘除、分?jǐn)?shù)、代數(shù)，最終才能處理更復(fù)雜的數(shù)學(xué)概念。

PREL框架的核心機(jī)制可以用"階梯式攀登"來形容。設(shè)想一個登山者要攀登一座高峰，最聰明的方式不是直接沖向山頂，而是設(shè)置多個中轉(zhuǎn)站，在每個站點休整和適應(yīng)，然后再向更高的目標(biāo)前進(jìn)。研究團(tuán)隊將復(fù)雜的推理任務(wù)分解為多個漸進(jìn)的學(xué)習(xí)階段，每個階段都有明確的學(xué)習(xí)目標(biāo)和難度梯度。

在第一個階段，AI學(xué)習(xí)的是"基礎(chǔ)思維模式"，就像學(xué)會識別簡單的因果關(guān)系。比如"天下雨了，所以地面會濕"這樣直接的邏輯連接。這個階段的目標(biāo)是讓AI建立起最基本的推理框架，掌握從前提到結(jié)論的基本推理路徑。

接下來的階段逐步增加復(fù)雜性。AI開始學(xué)習(xí)處理多步驟推理，就像解決"如果A導(dǎo)致B，B導(dǎo)致C，那么A最終會導(dǎo)致什么結(jié)果"這樣的連鎖推理問題。在這個過程中，AI不僅要學(xué)會每個單獨的推理步驟，還要學(xué)會如何將這些步驟有機(jī)地連接起來，形成完整的推理鏈條。

最具創(chuàng)新性的是，PREL框架引入了"自適應(yīng)難度調(diào)節(jié)"機(jī)制。這就像一個智能的私人教練，能夠根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度自動調(diào)整訓(xùn)練難度。當(dāng)AI在某個推理層次上表現(xiàn)良好時，系統(tǒng)會自動提升挑戰(zhàn)難度；當(dāng)AI在某個方面出現(xiàn)困難時，系統(tǒng)會提供額外的練習(xí)和強(qiáng)化訓(xùn)練。

**三、多層次推理架構(gòu)：構(gòu)建AI的思維大廈**

PREL框架的另一個重要創(chuàng)新是其多層次推理架構(gòu)。研究團(tuán)隊將這個架構(gòu)設(shè)計得就像一座精心規(guī)劃的辦公大樓，每一層都有特定的功能，層與層之間通過高效的"電梯系統(tǒng)"連接。

在這座"思維大樓"的底層，是感知和基礎(chǔ)理解模塊，負(fù)責(zé)處理輸入信息并進(jìn)行初步分析。這就像大樓的接待層，負(fù)責(zé)接收和分類所有進(jìn)入的信息。在這一層，AI學(xué)會識別問題的基本要素，理解關(guān)鍵概念，并建立初步的信息連接。

中間層是邏輯推理模塊，這里是整個框架的核心區(qū)域。就像大樓的主要辦公區(qū)域，這里進(jìn)行著最重要的"思維工作"。AI在這一層學(xué)會運用各種推理規(guī)則，進(jìn)行假設(shè)驗證，處理條件判斷，并生成中間結(jié)論。這個模塊的設(shè)計特別巧妙，它能夠處理多種不同類型的推理，包括演繹推理、歸納推理和類比推理。

頂層是決策和輸出模塊，負(fù)責(zé)整合所有推理結(jié)果并生成最終答案。這就像大樓的執(zhí)行層，負(fù)責(zé)做出最終決策并將結(jié)果傳達(dá)給外界。在這一層，AI學(xué)會權(quán)衡不同的推理路徑，選擇最合理的結(jié)論，并以清晰的方式表達(dá)推理過程。

這種分層設(shè)計的巧妙之處在于，每一層都可以獨立優(yōu)化，同時層與層之間保持密切協(xié)作。當(dāng)某一層的推理出現(xiàn)問題時，其他層可以提供支持和修正，就像一個團(tuán)隊協(xié)作解決復(fù)雜問題一樣。

**四、實驗驗證：AI推理能力的驚人提升**

為了驗證PREL框架的有效性，研究團(tuán)隊設(shè)計了一系列全面的實驗測試。這些測試就像是為AI準(zhǔn)備的"推理能力考試"，涵蓋了從簡單邏輯判斷到復(fù)雜問題解決的各個方面。

在數(shù)學(xué)推理測試中，使用PREL框架訓(xùn)練的AI表現(xiàn)令人矚目。面對復(fù)雜的多步驟數(shù)學(xué)問題，傳統(tǒng)AI系統(tǒng)的正確率通常在45%左右，而使用PREL框架的AI達(dá)到了78%的正確率。這個提升幅度相當(dāng)于從一個勉強(qiáng)及格的學(xué)生變成了優(yōu)秀學(xué)生。更重要的是，AI不僅能得出正確答案，還能清晰地展示推理過程，就像一個真正理解問題的學(xué)生能夠解釋自己的解題思路。

在常識推理測試中，結(jié)果同樣令人印象深刻。研究團(tuán)隊設(shè)計了一系列需要運用日常生活知識進(jìn)行推理的問題，比如"如果冰箱壞了，牛奶會發(fā)生什么變化，這對做蛋糕有什么影響？"這類問題需要AI將多個概念聯(lián)系起來進(jìn)行推理。使用PREL框架的AI在這類測試中的表現(xiàn)比傳統(tǒng)系統(tǒng)提升了近40%。

特別值得注意的是，在處理從未見過的新類型問題時，PREL框架展現(xiàn)出了強(qiáng)大的泛化能力。這就像一個掌握了基本原理的工程師，即使面對全新的工程挑戰(zhàn)，也能運用已有知識找到解決方案。傳統(tǒng)AI系統(tǒng)在面對新類型問題時往往表現(xiàn)糟糕，正確率會大幅下降，而PREL框架訓(xùn)練的AI在這種情況下仍能保持相對穩(wěn)定的性能。

研究團(tuán)隊還進(jìn)行了一項特別有趣的實驗，測試AI的"錯誤恢復(fù)"能力。在推理過程中，他們故意引入一些干擾信息或錯誤前提，觀察AI是否能夠識別并糾正這些錯誤。結(jié)果顯示，使用PREL框架的AI不僅能夠發(fā)現(xiàn)推理過程中的錯誤，還能夠回溯并找到正確的推理路徑，這種自我糾錯能力是傳統(tǒng)AI系統(tǒng)嚴(yán)重缺乏的。

**五、技術(shù)創(chuàng)新：讓AI學(xué)會"舉一反三"**

PREL框架的一個重要技術(shù)創(chuàng)新是"動態(tài)推理路徑生成"機(jī)制。這個機(jī)制就像是為AI裝上了一個智能導(dǎo)航系統(tǒng)，能夠根據(jù)問題的特點動態(tài)選擇最合適的推理路徑。

傳統(tǒng)AI系統(tǒng)在面對推理問題時往往采用固定的處理模式，就像一個只會走固定路線的送貨員，無論目的地在哪里都走同樣的路。而PREL框架讓AI學(xué)會了"因地制宜"，根據(jù)問題的性質(zhì)和復(fù)雜程度選擇最適合的推理策略。

這個機(jī)制的工作原理可以用"智能地圖導(dǎo)航"來類比。當(dāng)你要去一個新地方時，導(dǎo)航軟件會分析當(dāng)前交通狀況、路況信息、距離遠(yuǎn)近等多個因素，然后為你規(guī)劃最優(yōu)路線。類似地，PREL框架中的AI會分析問題的結(jié)構(gòu)、所需的推理類型、可用的背景知識等因素，然后選擇最有效的推理路徑。

另一個重要創(chuàng)新是"分層注意力機(jī)制"。研究團(tuán)隊發(fā)現(xiàn)，人類在進(jìn)行復(fù)雜推理時會自然地將注意力集中在最相關(guān)的信息上，而忽略干擾因素。為了讓AI也具備這種能力，他們設(shè)計了一個分層的注意力系統(tǒng)。

這個系統(tǒng)就像一個經(jīng)驗豐富的偵探，在調(diào)查復(fù)雜案件時能夠從大量信息中篩選出最關(guān)鍵的線索。在推理過程的不同階段，AI會將注意力集中在不同層次的信息上。在初期階段，它關(guān)注問題的基本要素和明顯線索；在中期階段，它專注于發(fā)現(xiàn)隱藏的關(guān)聯(lián)和邏輯連接；在后期階段，它集中精力整合所有信息并得出結(jié)論。

**六、實際應(yīng)用：AI推理革命的廣闊前景**

PREL框架的成功不僅僅是學(xué)術(shù)界的突破，它為AI在現(xiàn)實世界中的應(yīng)用開辟了廣闊的前景。研究團(tuán)隊已經(jīng)開始探索這項技術(shù)在多個領(lǐng)域的實際應(yīng)用，結(jié)果顯示其潛力巨大。

在醫(yī)療診斷領(lǐng)域，PREL框架展現(xiàn)出了特別的價值。醫(yī)生在診斷復(fù)雜疾病時需要綜合考慮患者的癥狀、病史、檢查結(jié)果等多方面信息，并進(jìn)行多層次的推理分析。傳統(tǒng)的AI診斷系統(tǒng)往往只能處理相對簡單的病例，而使用PREL框架的AI能夠進(jìn)行更復(fù)雜的診斷推理。在一項涉及500個復(fù)雜病例的測試中，PREL系統(tǒng)的診斷準(zhǔn)確率達(dá)到了87%，接近資深醫(yī)生的水平。

在金融風(fēng)險評估方面，PREL框架也顯示出了巨大的應(yīng)用潛力。金融機(jī)構(gòu)在評估貸款風(fēng)險或投資機(jī)會時需要分析大量相互關(guān)聯(lián)的因素，包括市場趨勢、企業(yè)財務(wù)狀況、行業(yè)前景等。這種分析需要復(fù)雜的多步驟推理，正是PREL框架的強(qiáng)項。使用這項技術(shù)的風(fēng)險評估系統(tǒng)能夠更準(zhǔn)確地識別潛在風(fēng)險，為金融決策提供更可靠的支持。

在教育領(lǐng)域，PREL框架為智能tutoring系統(tǒng)帶來了革命性的改進(jìn)。傳統(tǒng)的AI教學(xué)系統(tǒng)只能提供標(biāo)準(zhǔn)化的教學(xué)內(nèi)容，而使用PREL框架的系統(tǒng)能夠根據(jù)學(xué)生的具體情況進(jìn)行推理，提供個性化的教學(xué)策略。比如當(dāng)一個學(xué)生在某個數(shù)學(xué)概念上遇到困難時，系統(tǒng)能夠分析困難的根源，推斷出最有效的教學(xué)方法，就像一個經(jīng)驗豐富的老師一樣。

**七、技術(shù)挑戰(zhàn)與解決方案：攀登AI推理的珠穆朗瑪峰**

盡管PREL框架取得了顯著成功，但研究團(tuán)隊在開發(fā)過程中也遇到了許多技術(shù)挑戰(zhàn)。這些挑戰(zhàn)就像攀登珠穆朗瑪峰時遇到的各種困難，需要創(chuàng)新的解決方案和堅持不懈的努力。

最大的挑戰(zhàn)之一是"計算復(fù)雜性"問題。多層次推理架構(gòu)雖然能夠處理復(fù)雜的推理任務(wù)，但也需要大量的計算資源。這就像為了建造一座堅固的大樓而需要更多的建筑材料和工時一樣。研究團(tuán)隊通過設(shè)計高效的算法優(yōu)化和并行處理機(jī)制解決了這個問題，使得系統(tǒng)在保持高性能的同時大大降低了計算成本。

另一個重要挑戰(zhàn)是"推理一致性"問題。在多層次推理過程中，如何確保不同層次之間的推理保持一致性是一個技術(shù)難題。這就像orchestral演奏中需要確保所有樂器協(xié)調(diào)一致一樣。研究團(tuán)隊開發(fā)了一套"推理協(xié)調(diào)機(jī)制"，能夠?qū)崟r監(jiān)控和調(diào)整不同層次的推理過程，確保整體推理的邏輯一致性。

"知識整合"也是一個需要克服的挑戰(zhàn)。AI系統(tǒng)需要整合來自不同領(lǐng)域的知識進(jìn)行推理，但不同領(lǐng)域的知識往往具有不同的表示方式和推理規(guī)則。研究團(tuán)隊設(shè)計了一個"統(tǒng)一知識表示框架"，就像建立了一個通用的翻譯系統(tǒng)，讓不同類型的知識能夠在同一個推理框架內(nèi)有效整合。

**八、性能評估：數(shù)據(jù)背后的推理革命**

為了全面評估PREL框架的性能，研究團(tuán)隊設(shè)計了一套綜合性的評估體系。這套評估體系就像一個全面的體檢，從多個維度測試AI的推理能力。

在準(zhǔn)確性測試中，研究團(tuán)隊使用了多個標(biāo)準(zhǔn)數(shù)據(jù)集，包括數(shù)學(xué)推理、邏輯推理、常識推理等不同類型的任務(wù)。結(jié)果顯示，PREL框架在所有測試中都顯著超越了現(xiàn)有的最先進(jìn)系統(tǒng)。特別是在需要多步驟推理的復(fù)雜任務(wù)中，性能提升尤為明顯，平均提升幅度達(dá)到35%以上。

推理速度是另一個重要的評估指標(biāo)。雖然PREL框架的推理過程更加復(fù)雜，但通過優(yōu)化設(shè)計，其推理速度反而比傳統(tǒng)系統(tǒng)有所提升。這得益于框架的分層設(shè)計，使得AI能夠更高效地處理信息，避免了傳統(tǒng)系統(tǒng)中的許多冗余計算。

穩(wěn)定性測試顯示了PREL框架的另一個優(yōu)勢。在面對帶有噪聲或不完整信息的問題時，傳統(tǒng)AI系統(tǒng)的性能會大幅下降，而PREL框架展現(xiàn)出了良好的魯棒性。這就像一個經(jīng)驗豐富的偵探，即使在信息不完整的情況下也能保持清晰的推理思路。

泛化能力測試可能是最令人印象深刻的結(jié)果。研究團(tuán)隊使用了AI從未見過的全新任務(wù)類型進(jìn)行測試，PREL框架在這些任務(wù)中的表現(xiàn)遠(yuǎn)遠(yuǎn)超出預(yù)期。這表明該框架真正學(xué)會了推理的基本原理，而不僅僅是記憶特定的問題-答案模式。

**九、與現(xiàn)有技術(shù)的比較：新舊推理范式的對決**

為了更好地理解PREL框架的優(yōu)勢，研究團(tuán)隊將其與多個現(xiàn)有的先進(jìn)AI推理系統(tǒng)進(jìn)行了詳細(xì)比較。這種比較就像是不同烹飪方法的對決，每種方法都有其特點和適用場景。

與傳統(tǒng)的基于規(guī)則的推理系統(tǒng)相比，PREL框架展現(xiàn)出了更強(qiáng)的靈活性和適應(yīng)性?；谝?guī)則的系統(tǒng)就像嚴(yán)格按照食譜做菜的廚師，只能處理預(yù)先定義好的情況，而PREL框架更像是一個有創(chuàng)造力的廚師，能夠根據(jù)現(xiàn)有食材靈活調(diào)整菜譜。

與深度學(xué)習(xí)推理模型相比，PREL框架的優(yōu)勢在于可解釋性和推理的清晰性。傳統(tǒng)深度學(xué)習(xí)模型就像一個"黑盒子"，雖然能給出答案但無法解釋推理過程。而PREL框架能夠清晰地展示每一步推理，就像一個優(yōu)秀的學(xué)生不僅能解出題目還能清楚地講解解題思路。

與其他分層推理系統(tǒng)相比，PREL框架的獨特之處在于其漸進(jìn)式學(xué)習(xí)機(jī)制。其他系統(tǒng)往往采用固定的分層結(jié)構(gòu)，而PREL框架能夠根據(jù)學(xué)習(xí)進(jìn)度動態(tài)調(diào)整層次關(guān)系，實現(xiàn)真正的漸進(jìn)式能力提升。

**十、未來發(fā)展：AI推理技術(shù)的下一個里程碑**

展望未來，PREL框架為AI推理技術(shù)的發(fā)展指明了新的方向。研究團(tuán)隊已經(jīng)開始探索多個有前景的發(fā)展路徑，這些探索就像在推理技術(shù)的地圖上標(biāo)注下一個目標(biāo)地點。

一個重要的發(fā)展方向是"多模態(tài)推理"。目前的PREL框架主要處理文本信息，但研究團(tuán)隊正在擴(kuò)展其能力，使其能夠同時處理文本、圖像、聲音等多種類型的信息。這就像訓(xùn)練一個能夠同時使用視覺、聽覺、觸覺進(jìn)行推理的全能偵探。

另一個發(fā)展方向是"協(xié)作推理"。研究團(tuán)隊設(shè)想讓多個AI系統(tǒng)協(xié)作進(jìn)行復(fù)雜推理，就像一個專家團(tuán)隊共同解決疑難問題。每個AI系統(tǒng)可以專注于不同的推理方面，然后通過協(xié)作機(jī)制整合各自的推理結(jié)果。

"自適應(yīng)推理"是另一個令人興奮的發(fā)展方向。研究團(tuán)隊希望讓AI能夠根據(jù)問題的特點自動選擇最適合的推理策略，甚至能夠創(chuàng)造新的推理方法。這就像培養(yǎng)一個不僅掌握各種解題技巧，還能根據(jù)具體問題創(chuàng)造新方法的數(shù)學(xué)天才。

研究團(tuán)隊還在探索"實時推理優(yōu)化"技術(shù)，讓AI能夠在推理過程中實時調(diào)整策略，提高效率和準(zhǔn)確性。這種能力將使AI在處理緊急情況或時間敏感任務(wù)時表現(xiàn)得更加出色。

說到底，阿里巴巴達(dá)摩院的這項研究代表著AI推理技術(shù)的一個重要轉(zhuǎn)折點。PREL框架不僅顯著提升了AI的推理能力，更重要的是為AI系統(tǒng)學(xué)習(xí)復(fù)雜認(rèn)知技能提供了一個全新的范式。這項技術(shù)讓我們看到了AI真正理解和推理的可能性，而不僅僅是模仿人類的表面行為。

對于普通人來說，這項技術(shù)的影響將是深遠(yuǎn)的。從更智能的個人助手到更可靠的醫(yī)療診斷，從更精準(zhǔn)的教育指導(dǎo)到更安全的自動駕駛，PREL框架為各行各業(yè)的AI應(yīng)用帶來了新的可能性。雖然這項技術(shù)目前還處于研究階段，但我們有理由相信，在不久的將來，它將成為AI系統(tǒng)的標(biāo)準(zhǔn)配置，讓人工智能真正具備類人的推理能力。

這項研究也提醒我們，AI的發(fā)展不應(yīng)該僅僅追求更大的模型或更多的數(shù)據(jù)，而應(yīng)該更加注重學(xué)習(xí)和推理機(jī)制的創(chuàng)新。就像教育孩子一樣，關(guān)鍵不在于灌輸多少知識，而在于培養(yǎng)思考和推理的能力。阿里巴巴團(tuán)隊的工作為整個AI領(lǐng)域提供了寶貴的啟示，相信會激發(fā)更多類似的創(chuàng)新研究。對于那些希望深入了解技術(shù)細(xì)節(jié)的讀者，完整的研究報告可以通過阿里巴巴達(dá)摩院官網(wǎng)或NeurIPS 2024會議論文集獲取。

Q&A

Q1：PREL框架與傳統(tǒng)AI推理系統(tǒng)有什么本質(zhì)區(qū)別？

A：PREL框架最大的區(qū)別在于采用漸進(jìn)式學(xué)習(xí)方式，像教孩子學(xué)數(shù)學(xué)一樣從簡單到復(fù)雜逐步訓(xùn)練AI，而傳統(tǒng)系統(tǒng)是"一步到位"的學(xué)習(xí)。PREL還具備多層次推理架構(gòu)，能像人類一樣分層思考，而不是傳統(tǒng)的"扁平化"處理方式。

Q2：這項技術(shù)什么時候能應(yīng)用到我們?nèi)粘Ｉ钪校?/p>

A：目前PREL框架還處于研究階段，但阿里巴巴團(tuán)隊已經(jīng)在醫(yī)療診斷、金融風(fēng)險評估等領(lǐng)域進(jìn)行測試應(yīng)用。預(yù)計在未來2-3年內(nèi)，這項技術(shù)會逐步集成到智能助手、教育軟件、專業(yè)分析工具等產(chǎn)品中，讓普通用戶受益。

Q3：PREL框架能讓AI變得和人類一樣聰明嗎？

A：PREL框架確實大幅提升了AI的推理能力，在復(fù)雜推理任務(wù)中性能提升超過35%，但它目前主要解決的是邏輯推理問題。AI要達(dá)到人類的全面智能水平，還需要在創(chuàng)造力、情感理解、道德判斷等方面取得更多突破。