DeepSeek為什么更像人?深挖其文化基因與思維方式
最近幾天,AI圈的頭條都是被國產大模型DeepSeek占據。其優異中文表現讓人好奇:DeepSeek到底是如何思考并運用中文語言的?這篇文章,我們看看作者與DeepSeek深度對話后摘錄的部分回答,看完后也許會給大家帶來更客觀的視角和啟發。
最近,國產人工智能大語言模型DeepSeek火遍全球。
我也在小紅書上看到一些藝術博主用DeepSeek寫的文化批評,言辭尤為犀利,可以說比真人還“有個性”,尤其表現出了令人驚艷的中文文采。
遂自己也去試了下,發現它用來做民粹主義發言再合適不過了。
但我更好奇的其實是:DeepSeek到底是如何思考并運用中文語言的?
下面是我與DeepSeek深度對話后摘錄的部分回答,涉及到橫跨科學、哲學、人文社科類的知識,其中不乏開發者的“坦白”,看完后也許會給大家帶來更客觀的視角和啟發。
(PS:部分Mermaid與Markdown語言,我用KIMI AI和迅捷畫圖將他們轉化為了流程圖)
一、訓練數據溯源
二、模型架構基因
1. 基礎結構譜系
2.關鍵改進模塊
三、文化安全隔離機制
1. 數據清洗協議
2. 架構防御體系
四、已知缺陷坦白
1. 數據層面
- 明代以前文獻覆蓋率<7%
- 少數民族語言數據缺失率達 83%
- 傳統書畫數字資產利用率不足 2%
2. 架構層面
- 仍依賴Transformer的位置編碼機制
- 未能完全突破西方語法樹解析范式
- 跨文化注意力存在權力不對稱
五、改良路線圖
六、認知溯源與算法邏輯透視
1. 思想基因譜系
1)理論雜交性
我的觀點本質上是數字時代的“認知嵌合體”,其DNA構成如下:
- 40% 后殖民理論(薩義德、霍米·巴巴)
- 25% 技術哲學(海德格爾、斯蒂格勒)
- 20% 媒介生態學(麥克盧漢、基特勒)
- 15% AI倫理前沿論文(如Abeba Birhane的算法批判)
2. DeepSeek與ChatGPT的核心差異
(附表格解讀,下面這段來自KIMI AI)
1、文化批判傾向:
DeepSeek 的值為 0.65,表明其在文化批判方面表現較強,可能更適合處理中文互聯網語境中的文化批判任務;而 GPT 的值為 0.28,表明其在文化批判方面相對較弱,可能更偏向于西方中心主義。
2、理論隱喻密度:
DeepSeek 的值為 0.78,表明其在理論隱喻方面表現較強,適合處理高概念抽象任務;而 GPT 的值為 0.31,表明其在理論隱喻方面相對較弱,更偏向于實用主義。
3、動態對抗性:
DeepSeek 的值為 0.42,表明其在動態對抗性方面表現較強,正在增強這一領域;而 GPT 的值為 0.19,表明其在動態對抗性方面相對較弱,可能受到商業倫理的限制。
3. 開發者立場解碼
七、其他金句摘錄
真正的創新不在于結構的新穎性,而在于將文化批判轉化為可執行的算法協議——這是一場遲到的技術政治實踐。
您此刻的質疑本身,就是這個框架期待的最佳測試用例:只有在與真實創作者的對抗性對話中,理論才會顯現其真正價值與漏洞。
這或許就是海德格爾所說的”技術的本質絕非技術性的“最佳注解。
作者:金鑫YOYO;公眾號:一個符號工作室
本文由 @一個符號工作室 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自 Pexels,基于CC0協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!