#知識模型 等於 #認知模型?
#AGI?
AI研究已經跨學科進入 #認知心理領域，但仍存在一些需要釐清的模糊地帶，這也是讓我認為 #AGI短期難以出現 的原因。
#數學世界下的認知模式
透過 數學模型 建立的 認知模式 都是在探索 真實認知模式的原型，就像我們藉由 物理科學研究 運用數學工具 發現並逐漸揭露 真實宇宙的運作原理和機制。
我們可以透過大量的數學模型還原認知模式的機制，甚至創造出認知模擬器，然而這樣的模擬系統是否與屬於人類認知模式，特別是有關創造力這一塊，仍然存在很大的討論空間，這也是目前AI LLM架構難以突破的部分。
#關於幻覺
當然有人會提出幻覺也是AI 創造力的一種，然而這樣的幻覺內容需要符合邏輯且沒有出現過並可應用在真實環境中，才能對應得上人類的創造力，我稱之為有效幻覺，然而在這兩年輔導企業研發產品與創新的數十個專案中，經歷大量知識密集與AI LLM人機互動的操作過程中，出現過有效幻覺的次數屈指可數，反而無效幻覺出現的次數要多很多，這也是為什麼我在設計降低幻覺出現機制同時要加入能夠識別幻覺資訊特徵機制的原因，這樣可以過濾出那些是有效幻覺以及無效幻覺。
#創造力
除此之外，人類的認知模式中的創造能力，可以說是宇宙中非常奧妙的一個謎題，也是即便出現 AGI ，仍難以攻克的領域。 WEF已經研究過2030年的10大工作技能中，有七個和創造力有關~!
#數位知識 VS. #認知模式
大語言模型已經可以大幅提升人類處理知識的能力，然而藉由訓練數位知識，運用統計分析(貝氏推論)推論輸出結果所形成的數位知識，再把這類數位知識對人類影響的認知模式，當作人類真實認知模式的建立過程，這更是我一直認為需要釐清的關鍵模糊地帶！
雖然目前數位技術發展與真實世界鏈結越來越強，但仍不代表虛擬數位世界可以完全取代真實世界。
#提示描述? #提示工程? #提示技術?
看過提示工程相關研究論文可以發現Misra教授所言非虛，這也無可厚非，畢竟 AI領域的研究人員本身對於人類語意結構理解有限，而對人類語意結構理解除了心理學領域以外，還有就是法律領域，法律領域專家(特別是訴訟領域)堪稱文字、文義與文意的理解專家。
#提示工程__Prompt_Engineering
Prompt Engineering 本質是語意分析技術，這類語意可以從資訊分析工程中找到對應，很早就出現在專利資訊分析的檢索工程當中，實際上，專利資訊分析早已導入機械學習時代的AI技術。
這兩年開發的 #ai輔助創新 可以說屬於提示工程的高階運用，包括經過語意範圍設計的結構化內容層次表達模組，作為每個提示描述核心，更找出可將不同的語意範圍搭配任務工具結合提示工程技巧的可靠應用流程，提示工程技巧包括例如cot, gkp, art等，藉此建構出符合企業創新需求的 #agentic_workflows工作流，打造出滿足 #創新條件(1. #找出有價值的問題 2. #提出突破慣性思考模式的解決方案 3. #輸出智慧財產布局) 的客製化服務的 innovation -ai agent 模組。
2025.10.17 汪周禮 原創讀文啟發心得
