前面讲到deepseek的诊疗水平超过大多数医生，但距离顶尖医生还有很大差距。其实不止在医学上，很多行业都存在这种现象，AI的能力高于从业者的平均水平，但都达不到顶级。         其实也很好理解。现在大多数AI大模型主要是基于概率关联生成输出。通俗的讲，如果大模型学到的全部是正确的数据，那么提问AI，它给出的答案就一定是正确的，但只要有一点错误的数据，AI给出的答案正确率就会大幅度下降，但数据有错误可以说是必然，所以最终导致了AI的能力基本在平均值。也就是什么都会，什么都不精通。       deepseek r1 大模型，具备了一定的推理能力，所以给出的答案正确率似乎略高一些，但deepseek的推理更多的还是基于概率的一种选择，也就是相关性的推理，像人类一样的因果推理能力还很薄弱。今年开始大模型的因果推理有了新进展，但可能还需要几年的时间才能有所突破。         可以预见，等到AI大模型的因果推理能力成熟，整个世界的文明将发生翻天覆地的变化。          综上所述，现阶段，要提高AI在某专业方面的能力，就需要将本专业的大量的正确的数据喂给大模型，清洗掉错误数据，并将本专业的因果推理能力融入大模型。如果只做一个专业，训练时选择参数量较小的大模型即可。可以做到小而专，小而精。           想让deepseek真正成为明医，也是同样的方法。最高明的医生才能训练出最厉害的AI。这样的AI一出现，大量的中医从业者真可以改行了。           这里感谢deepseek公司的技术，将训练成本大幅度降低。 不用再像以前一样粗暴的堆参数。        我甚至看到有人训练一款只有25.8M（0.02B参数）的deepseek r1的蒸馏模型，花费两小时，成本3元（租用单张3090显卡的费用）。和以前动不动上千万的费用比较起来，真是天壤之别。        感谢科技的进步，让世界越来越精彩。