我们不需要打造拥有强大大脑的 AI，它们只需使用一张地图（AI 模型概念）

大参数模型实在是太大了。它们确实都是能力很强的模型，astra、Claude、kimi，但它们有什么共同点呢？它们主要都把完成任务所需的全部知识装在自己的“大脑”里，而我们也看到，一些更小的模型正在展现出大型模型的能力，并不需要数十亿个参数。有两个人去参加考试，一个是书呆子，没日没夜地学习，很可能会考出高分；另一个是个糊涂蛋，这家伙相当随性，脑袋里却没多少东西，对考试也完全不在乎。教授看到这个糊涂蛋，觉得他挺可怜，于是破例允许他带一张写着笔记的纸参加考试。通常情况下，这个糊涂蛋会挂科，但有了这张小抄，他的智力就没那么重要了。不需要死记硬背，只要对基本概念有个初步理解，对吧？假设教授没有限制考试时能带多少笔记。到了某个程度，这个糊涂蛋究竟可以少懂多少东西，只靠照着笔记做就行？我们想打造的，不是一颗无所不知的大脑，而是一颗知道如何在一切知识中找到路径的大脑。这个糊涂蛋当然没法自己写笔记，但他可以雇别人替他制作这张“地图”。所以，我的想法是这样的。让一个 rlm 深入探索图书馆或数据库，构建一张地图。然后，由一个经过工具调用训练的小模型使用这张地图，调用工具来探索它。这样，小模型就能回答关于地图所提供信息的任何问题。这个想法的优点：结果可以复现，因为模型的权重可以按需要随意变化，但地图保持不变，路径也保持不变。地图不需要放在显存或内存里，而是可以放在存储设备上。模型自身需要掌握的知识，远少于原本需要通过训练学会的知识，而且无论地图里包含什么内容，它都可以靠“作弊”达到全面理解。有了完整的地图，我们就几乎能以一种精确的方法，训练一个 llm 熟练掌握任何语言，无论是编程语言还是自然语言。学科和技能也一样。缺点：我们是在用存储空间换内存，所以地图有多大，就会占用多少存储空间。尝试为一座图书馆或一门学科绘制地图，可能需要新的概念组织方法才能解决。应该还有更多缺点，但我暂时想不出来。很期待听到大家的回应。