deepseek那个新论文让我有一种符号主义回归的感觉。
就是人类推理，是可以基于符号的，类似数学那种推理。
你只要知道几个公理和定理，就可以自己推导一些新的结论。

符号主义，已经被证明是失败的。
因为那个规则是人设定的，你要设定的规则太多了。
在小范围可以用，一旦规模大了，那些规则自己都会和自己冲突。
就连语言这种东西都搞不定。

但是deepseek那个新论文却是给人一种启示。
就是既然一些实体可以在训练的时候被提取出来。
这个不就是符号么？
虽然表达形式并不是我们传统认为的符号，但是本质就是机器可以理解的一种符号。

那通过统计模型的训练，是不是会逐步产生一个逻辑系统？
只是这次，不再是人来写规则，而是在训练中产生各种规则。
把这些规则固化，比如牛顿第一定律，热力学第二定律等等全部提取出来。
要用的时候，直接提取出来用。
只是这些规则是以机器理解的方式存储。

这样，就具备类似人类的推理能力的。
这个和思维链还不一样，思维链用到的动态计算太多了。