AI时代-大模型和深度推理能力-你引以为傲的思考力都如此廉价

摘要：看这篇文章的标题可能会感觉标题党，但是我并不是制造焦虑。首先每个人要意识到AI时代，我们的学习，思考，实践方式都会发生巨大的转变。其次就是我会真正给出一些有用的建议和思路，让大家清楚在AI时代，个人核心的思考力应该体现在哪些关键地方。

Hello，大家好，我是人月聊IT。

今天这篇文章聊下AI时代的思考力，特别是在大模型具备了复杂问题解决和深度推理能力后，我们究竟应该如何更好的思考。

看这篇文章的标题可能会感觉标题党，但是我并不是制造焦虑。首先每个人要意识到AI时代，我们的学习，思考，实践方式都会发生巨大的转变。其次就是我会真正给出一些有用的建议和思路，让大家清楚在AI时代，个人核心的思考力应该体现在哪些关键地方。

为了更好地讲今天的观点，我将其分为传统时代，信息时代和AI时代三个关键的阶段来进行讲解。

1. 传统时代

在这里首先要回顾下思考这件事。

对于思考是人在具备了主观意识后产生的一个关键行为活动。简单来说思考就是接收或感知到外在的信息输入，然后在你大脑里面绕一圈后，产生了一个观点，想法或输出的完整过程。即：

思考=输入+大脑处理加工+输出

但是对于思考我们一定要意识到存在简单思考和深度思考两种关键差异。简单思考往往仅仅是最简单的1对1的记忆匹配，在你大脑里面走的是直线，仅仅将你大脑神经元里面的单个知识经验存储调取出来完成匹配，并输出即可。

而对于深度思考则不同，在大脑里面走的是曲线，会充分调取你大脑里面多个神经元细胞联合行动。深度思考体现的是面对复杂问题的时候，我们的感知，规划，分解，处理，匹配，输出，复盘的完整思维链过程。同时底层需要我们常说的归纳演绎逻辑进行支持。

也就是说深度思考往往体现了面向复杂问题的推理能力，花费的时间往往也更长，但是其思考的深度和广度都足够的高，考虑的外在各种因素足够多。而这才是体现个人思考力的关键。

这也是我原来谈思考框架的时候经常谈到最难的地方，即大脑的思维处理和加工过程。当我提到加工这个词的时候，我将原来我谈思维所涉及到的分解，组合，排序，聚合，抽象，重组等全部纳入到加工环节。而所有的加工活动可以看到仍然是围绕问题或事物的静态和动态两个维度展开的。

静态维度：分类，分组，矩阵，树，关联关系动态维度：阶段，流程，活动，事件，消息

为何要进行加工，最简单来说即是我们接收的输入信息或问题很难完全相同，而这些问题在粗粒度很难真正进行模式匹配，必须要经过加工后才能够与大脑里面已有的知识经验进行模式匹配。即加工的目的是为了后续的模式匹配，越是复杂的问题，越需要加工和处理，否则无法匹配。

加工完成后，最后的重点就是模式匹配了，将我们已有的知识经验和定义分解后的问题点进行匹配，最终得出解决问题的方法或决策结果。

任何思维活动，外界新输入，大脑已有知识经验库，大脑处理过程三者缺一不可。如果我们知识经验库是一片空白，即使我们接收到思维信息我们也不可能展开思维活动。而这个时候你要做的是通过学习将信息转换为知识。

2. 信息时代

信息时代实际对我们个人的思考力没有造成太大的威胁。其核心原因是在信息时代，IT系统和互联网更多是帮助我们解决知识的记忆问题。

即我们不需要所有的内容都记忆在自己大脑了，根据遗忘曲线你也不可能所有知识都能够长期记忆。而有了本地的资料库，有了互联网搜索，我们可以基于需求或问题快速地检索到和问题相关的知识或答案。

但是注意，这个时候搜索或知识库仅仅是检索，检索以后基于关键词进行匹配，在中间可能会做一些分词处理，简单的内容归纳。如果你能够直接在互联网搜索到某一个问题的答案，也只能说明是他人已经在网络上公开上传过类似问题的解答而已，本质还是搜索后的问题到答案的匹配过程。

即搜索或资料库的本质没有变，能做的事是简单匹配，信息时代不会去详细理解你的问题，并通过分析或推理后输出新的答案，包括解决问题的思路。也就是我们常说的还不具备AIGC的能力。

我简单总结就是它更多的只是在帮我们解决记忆匹配的事情。也就是说很多东西你不需要记忆了，你可以通过搜索快速的搜索到相关的一些知识，但是实际上对于复杂问题的定义分解，你实际的归纳推理这个能力还是在我这，所以说在GPT时代没有到来之前，个人的思考力的价值还是相当的重要。

这里面其实就有核心的三个点。

第一个点就是我们的对于问题的规划和定义的能力，这个是第一个观察点，这个靠的是你对外在世界的观察和洞察，这个是第一个点。

第二个点就是我们的归纳和推理能力，这个靠的是你能够将大量的知识和信息采集过来以后进行分析，进行归纳，这个信息有可能是你在脑袋里面已经记住的信息，或者是你已经形成的知识和经验，还有可能是你需要参考你在你笔记本里面躺着的相关的一些资料库，也有可能是你要去实时发起网络的搜索，查到最新的资料，所有的东西过来以后你再做整合做归纳，这个是考验你的归纳推理能力和你充分的调动你内外的信息资料的能力。

第三个点就是我们讲的知识经验库，你工作的越久，你往往最值钱的就是你个人的这个私有经验库。因为这这个经验库来源于你历史大量的学习和实践，形成的做事情的方法论和经验模式，嗯这个东西相对来说仍然是比较值钱。但是在 AI时代在GPT到来以后，特别是现在类似于推出了深度思考和推理模型以后，我们发现一个重点就是你原来可能引以为傲的个人思考力往往感觉并没有那么值钱。

3. AI时代的深度思考模型

为何讲AI时代对我们个人的思考力造成了巨大威胁，特别是在GPT和大模型出来后，包括近期的DeepSeek深度思考模型大面积开始使用后。这里还是可以回顾下大模型本身发展的三个阶段，如下：

第一阶段是简单内容生成和问答，具体基础推理能力。

第二阶段为了解决信息的实时性问题，包括企业或个人私有信息的安全性问题，引入了联网搜索和RAG增强检索功能。进一步增强了大模型的内容生成能力。

第三阶段就是深度思考和深度推理模型。大模型进一步训练具备了和人一样的深度思考和推理的能力，而且具备完整的Cot思维链。这个思维链里面的核心就是感知，规划，执行。如果再分解就是感知，规划，分解，执行，匹配，整合，输出，复盘，记忆的完整过程。

包括我在前面也讲过，为了解决真实业务场景问题和底层大模型的匹配和映射问题，行业专家还推出了细分到行业和专业的定制AI智能体。这种智能体不仅仅具备了大模型内容生成，增强内容检索能力，还具备基于行业知识库，专家经验库的复杂问题思考和推理能力。

所以我们看你原来很强调你自己的资料库，知识库很强大，但是这个在GPT面前不值一提。因为AI有更加海量的知识库和资料库的积累，这是第一个点。第二个点你可能强调你对于复杂问题的深度思考和推理能力，现在有了深度思考模型以后，这个也没有你想象的值钱。

那么在GPT时代，我们究竟应该怎么样去思考？深度思考模型出来以后，对我们的个人思考框架究竟会造成哪些影响？

首先所以再回到我刚才讲的我们个人思考的三个方面：

第一个点，我把它叫做你对外在世界的观察和洞察力。对于同一个事件同一个事物，大家可能就会留意到，不同的人看到以后，他对这个事物的观察，对这个问题的定义是千差万别的，你只有相关的知识和经验的积累，你可能才会对这个问题做出精确的定义。

这个精确的定义往往是你能够借助AI工具辅助帮你解决问题的关键。包括我上一篇文章谈AI+企业架构辅助拓展新领域知识，有朋友也留言，如果你不能清晰的定义问题实际AI很难给你很牛的输出。所以说这个对外在世界的观察和洞察力它会越来越值钱。这是我想说的第一个关键点。

第二个关键点又回到个人的知识经验库。知识经验库很简单，可以把它分成两个方面来谈，也就是讲知识库不值钱，但是经验库仍然值钱。

因为很多时候我们个人的一些经验模式，它更多的是个人的一些私有化和隐性的知识。这些知识并没有上传到互联网上面去，所以说对于这一些私有的经验库相对来说仍然是值钱的。同时你再去用AI辅助的时候，你更需要去做一件事情，就是将这些私有的经验库去进行显性化的定义和描述，把这个作为相关的提示语或者是知识库的约束输入给让gai更容易理解你相关的私有化的一些思考，这个是第二个值钱的。

第三个就是我们说的你的深度思考推理能力，这个东西还有没有值钱的地方，我的理解有。对于特定场景下的一些特定私有领域的问题，往往我们的思考模式跟AI是有差异的，所以在这个地方我们形成的思维链，我们可以主动的去纠正 AI提出的思维链。当然 AI的深度思考模型给出的思维链，它也可以辅助来纠正我。对于深度思考思维链这一块我们一定要理解，在AI时代它反而是一种相互纠正相互促进的这么一个过程。