尽管“广大公众”可能认为人工智能中的推理是一个单一的概念，但它实际上包含了几种因应用而异的类型：
- 数学推理：解决数学问题
- 规划推理：制定策略和计划
- 离散推理：通过符号寻找解决方案
- 语言推理：分析语言元素，例如计算单词中的字母数量
- 模态推理：解释视觉、音频或视频内容
OpenAI 的 o1 模型专注于数学推理，而Meta 则采取了不同的方法：对使用文本和多模态信息进行推理更感兴趣，这更符合 Meta AI 用户的需求。
这一重点在 Meta 最近的“思维偏好优化”（TPO）方法中得到了体现。TPO 旨在教会语言模型在回答一般任务（而不仅仅是数学或逻辑问题）之前“思考”，而无需特殊的训练数据。
真正可靠的智能体还需要一段时间才能实现，并指出智能体就像人类一样，需要犯错才能从中吸取教训。
在平衡智能体自主性和人类控制性方面，一个关键挑战是智能体需要确认每个动作，而智能体又需要独立做出太多决定。找到理想的中间地带，即智能体可以可靠地做出重要决定，仍然“遥遥无期”。
总结：
- Meta 正在探索多种形式的人工智能推理，而不仅仅是 OpenAI 在 o1 中展示的数学重点。这些包括规划、离散、语言和模态推理。
- Meta 的“思维偏好优化”（TPO）方法不需要特殊的训练数据，在回答一般任务之前也能“思考”，不仅仅像OpenAI o1那样限定在数学或逻辑问题中。
- 智能体从错误中吸取教训很重要，平衡智能体自主性和人类控制很难。