人工智能（AI）的进步长期以来依赖于一种信念：增加数据和计算能力可以提升性能。这种“暴力破解”方法催生了令人印象深刻的AI系统，例如GPT-3，多年来表现出色。然而，这一范式正逐渐触及极限。随着AI问题变得更加复杂，简单地增加处理能力已不再是长期进步的可持续或有效解决方案。这一认识促使研究人员重新思考AI开发方式。在此背景下，Deep Cogito的模型引入了一种新方法，可能改变AI开发的未来。这一方法并非依赖更多处理能力或延长推理时间，而是发展出内在的“直觉”，引导模型在搜索开始前就识别正确路径。这种范式转变聚焦于更聪明地思考，而非更长时间思考。
AI开发的转变
多年来，AI进步的核心理念是“越多越好”。这种方法催生了生成冗长推理链以解决复杂问题的AI模型。OpenAI的模型（如GPT-3）是这一方法的典型代表，其较长的推理链在复杂任务中取得了令人瞩目的成果。然而，这种方法有明显弊端：冗长的推理链需要更多计算资源，导致推理时间延长和运营成本上升。此外，研究表明，过长的推理过程往往导致收益递减，带来更大的偏差和更低的效率。根本问题是，依赖长推理链和增加计算能力已无法有效应对复杂的AI问题。这些方法受限于巨大的处理时间和内存需求。
为什么“直觉”对AI至关重要
与依赖冗长推理的现有AI系统不同，人类在解决问题时常依赖“直觉”（一种快速、直观的判断）。虽然直觉看似抽象，但它往往是多年经验、学习和上下文处理的结晶，使人类无需全面分析每个细节即可快速决策。这种直觉将原始计算与类人推理区分开来。人类通过模式识别和经验积累构建直觉，从而无需穷尽所有选项即可做出决策。AI的新“直觉”旨在复制这一过程。
这一理念，也称为“智能先验”（intelligence prior），可能是赋予AI类人推理能力和更高效率的关键。具备强大智能先验的AI模型无需大量计算即可预测哪些解决方案可能成功。直觉使AI系统能够利用先前知识，聚焦于最有效的解决方案路径，而非依赖穷尽搜索。
Cogito v2如何融入“直觉”
在其最新发布的模型中，Cogito融入了“直觉”（更技术化的术语为智能先验），通过一种名为迭代提炼与放大（Iterated Distillation and Amplification，IDA）的机制实现。IDA使模型能够从自身推理过程中学习，并随时间优化其问题解决能力。不同于依赖静态提示或固定教师，IDA让AI将成功的推理路径提炼回核心模型参数。这种自我改进过程不断优化模型的推理能力，不仅追求准确答案，还追求最高效的思考方式。
迭代提炼与放大（IDA）
为理解IDA的工作原理，可参考双过程理论（dual-process theory），该理论将人类思维分为两个系统：系统1（快速、直观的决策）和系统2（较慢、深思熟虑的推理）。人类通常依赖系统1处理大多数任务，但在面对复杂决策时切换到系统2。
IDA是一个两步循环：放大和提炼。在放大阶段，模型使用密集计算方法生成高质量解决方案或推理轨迹，类似系统2的深思熟虑推理。在提炼阶段，模型将放大阶段的洞察内化，将推理过程从系统2转化为系统1。就像人类司机通过经验变得更直觉化，应用IDA的AI模型随时间能做出更快、更高效的决策。
IDA的核心理念是在放大阶段使用高计算强度的推理，然后将优化后的推理策略提炼回模型参数。这一过程使模型内化有效推理策略，增强其在解决问题时的直觉能力。通过重复这一循环，AI系统持续提升其以更少计算资源决策的能力。
融入“直觉”的AI优势
AI直觉的主要优势是效率。Cogito v2的推理链比竞争模型短60%，意味着它能以更少的内部步骤得出答案，降低推理时间和资源需求。例如，DeepSeek R1可能需要200多个令牌解决的问题，Cogito v2可在不到100个令牌内完成。
通过更智能的推理和优化策略，AI系统的效率得到了显著提高，这将促进各个行业的进一步发展。
此外，Cogito v2的训练成本远低于传统AI模型。其全参数范围的训练成本不到350万美元，远低于GPT-4等大型模型的典型开支。
Cogito v2还在未明确训练的领域展现了涌现能力。例如，尽管主要在文本上训练，Cogito v2能推理图像，分析图像构图和栖息地。这种跨模态推理能力是迈向通用智能（AGI）的重要里程碑。
重新思考AI开发
智能先验的成功表明，AI开发策略需要根本性转变。与其简单增加模型规模或计算资源，AI开发应聚焦于构建能发展和优化自身认知策略的系统。这一转变类似于人类认知发展，智能并非源自更大的大脑或更长的思考时间，而是更好的心理模型和推理策略。这种方法可能带来长期影响。通过强调更聪明的推理而非原始计算能力，AI将变得更灵活、适应性更强，能应对新挑战。这将加速AI在医疗、cybersecurity和自动驾驶等行业的应用，使AI系统更高效、成本效益更高且影响力更大。
结论
成功的案例表明，AI的未来不在于扩大模型规模或增加计算能力，而在于优化推理架构和更聪明的问题解决方式。这一转变为AI提供了一个更可持续、更易获取的未来，系统能以更少计算资源持续改进和适应。通过聚焦智能推理而非暴力计算，AI将更能应对复杂的现实世界问题，特别是在像Cogito v2这样的模型中得以体现。
