一周前，大年初一，我们对DeepSeek做了个粗浅的话题探讨。
聚焦它的第一性原理：轻巧和开放
今天，大年初八开工日， 结合过去一周的使用和相关信息研究， 从牌手视角再输出一点絮叨。
阅读本期文章，大概需要8分钟。
1. DeepSeek input侧的Keypoint:
强化学习｜蒸馏模型｜推理能力的涌现
以上三个关键词，皆为DeepSeek的开发关键。
涉及到AI设计思路思想的部分，我尽量以人和牌手的视角做类比，牺牲一些严谨性，对冲文章的穿透力。
毕竟，•穿透•是你选择把8分钟给EPCODE的理由。
强化学习：
我们直接上场景： 学游泳•学骑单车•学打牌都可以看成•强化学习•的场景。
action· feedback· review•adjustment, rolling。
即行动•反馈（+-)•复盘•调整， 四步循环🔄。
我们直接从扑克的视角切入， 它最大的难点•痛点•魅力， 在于反馈（算法）机制的非线性•非正向•非耦合...
在运气因素（表面上）和频率因素（实质上）的叠加之下， 它的反馈系统非常的混沌与紊乱。
而它的魅力正在于此，与国际象棋•围棋等棋类大哥不同， 它的沙盘推演更加符合这个多变的世界的本来面貌。
这个世界就是由运气叠加（随机噪声叠加在信号里），频率分布（逆哺乳动物•类人猿•人类的时域感知）的世界。 对一个事件而言。
所以结合DeepSeek和它致敬的先驱AlphaGo, 他们的北美同行（之于DeepSeek)和徒孙(之于AlphaGo)的蹉跎， 核心不是核心算力的堆叠失当，迷恋•监督学习•不自拔。
而是反馈算法•反馈系统， 即辨识度算法是否有效•是否高效•是否石破天惊•是否不明觉厉。
回到人类的学习提升，牌手的迭代精进：
是否产生一套有效•高效•石破天惊•不明觉厉的反馈系统， 是一个人认知力，一个牌手迸发力的关键。
在纷繁的随机性叠加下（运气噪声和频域场作用）， 你能否辨识出加减性。 你能否辨识出变量的权重大小（次元性•乘除性）。
对局面的判断， 叠加上时态性（当下和未来），评估方向上（Do·Undo), 矢量上（尺度）以及换手性（主动action与被动induce)上的排列组合...
扑克的演进可以分成三个阶段：
1.Pre-solver:解算器出现前
通过手牌实践和人脑统计学，
做运气因素•频域因素的定性定量研究。
2.Solver 1.0至Open AI出现前
通过解算器算力的外挂支持，
把监督学习（解算器的参考答案）
提升到前AI时代的新高度，
辅助一些统计学方法论(聚合报告等），
重新定义GTO基线（cEV baseline)。
而2022年左右以GTOWizard为代表的
solver 2.0的出现， 则继续从三个层面
做出优化：
1）input信息输入的便捷性•友好度
2）output信息输出的快捷性•呈现友好
3）GTOwizard AI从输出答案到DIY方案的转化
过去100年的扑克演进史（90年解算器前时代+10年解算器时代）， 当她遭遇Open AI和DeepSeek的邂逅， 也就将快速步入新的AGI时期： 推理能力>解算能力的时期。
推理能力的涌现
我们暂且跳过蒸馏算法（师父带徒弟，视频观看学习，读书学习，课程学习，一对一私人定制指导甚至Solver参考答案）， 蒸馏算法的极简表达就是用过来人•过来的手牌•过来的经验，指导你过来。
我们直接聊•推理能力的涌现•。
一个牌手的尤里卡•正念时刻，
他对一个场景•一个局面•一个节点，产生了判断的优先级（宏观•中观•微观）， 与执行的章法（动•静•出手•潜伏）， 以及可实施的操作步骤（定量的衣橱构建力•spot处理力）。
好的， 目前市面上的解算器模型，基本聚焦在微观层面的spot处理力。
而对中观的频域力（不是30%要做什么）和宏观的优先级（权重系数：锦标赛权益>底池权益>量化EV)缺乏信息输入的入口。
比如Tony Lin该跟注吗？
EPCODE该跟注吗？
立即把BR roll, 参赛频率， FGS可能性等等输入进变量单元里...
再讲下去8分钟读不完了，
推理能力的涌现是AI模型最重要的MOT；
辨识度的涌现是人类牌手， 博弈者，决策人，
最重要的MOT。
2025年2月之前， 扑克是算力之争。
算力包括： Bank Roll, 实践精进， 反馈系统。
2025年2月后，依然如此。
但正如Deepseek在算力上的资源受限突破，牌手也将迎来•反馈系统•的弯道超车。
AI工具•圈子群落•自身头脑的开窍， 都将助力弯道超车。
不仅在扑克上， 在博弈上，在决策上，
迎来弯道超车！
