日前，海南大学计算机科学与技术学院教授、博士生导师段玉聪发布学术报告《DIKWP视野下的DEEPSEEK到DIKWP-EEPSEEK》，在人工智能领域引起热烈反响。

       “在过去的十年间，人工智能领域的突破性技术不断涌现，其中以大规模语言模型（LLM）、强化学习（RL）、深度学习（DL）为代表的模型不断推动着技术前沿的拓展。DEEPSEEK，作为其中的一个典型例子，凭借其在自监督学习与强化学习方面的创新，成为了自学习、推理和智能化决策的先锋之一。DEEPSEEK 的核心优势在于能够通过强化学习（RL）和大规模预训练（Pretraining）的方法，进行自发现与自演化。这种能力使得它能够在没有人工干预的情况下完成对新任务的推理与决策，而这一点也是其与传统人工智能模型的重要区别。”段玉聪说，DEEPSEEK技术并非孤立存在，而是可以在更宏观的理论框架下，与更为深入的推理模型对接，其中DIKWP模型提供了一个高效的语义空间与推理层次结构。从这一角度来看，DEEPSEEK不仅仅是一个AI技术的应用，它更是DIKWP语义模型的一个具体实践案例，标志着在数据、信息、知识、智慧、意图五个层次的交互推理中，如何实现智能化进化。

       据了解，该报告的核心目标便是探讨DEEPSEEK如何在DIKWP框架的引导下，发展成为意图P驱动的DIKWP-EEPSEEK（概念与语义空间融合）。通过对DEEPSEEK的技术分析，结合DIKWP模型中数据、信息、知识、智慧与意图五个层次的交互推理机制，进一步扩展这一理论，构建更高效的推理框架。具体来说，讨论如何通过 DIKWP 模型的核心元素（数据、信息、知识、智慧、意图），扩展 DEEPSEEK 的自发现与推理机制，进而形成更加智能化、灵活化、动态的推理框架——即 D-EEPSEEK、I-EEPSEEK、K-EEPSEEK、W-EEPSEEK 和 P-EEPSEEK。

      报告从DIKWP核心思想与DEEPSEEK交互、DEEPSEEK到DIKWP-EEPSEEK的扩展、语义空间DIKWP网状转化融合的前景、总结与前景等四方面深入探讨了DEEPSEEK如何在DIKWP模型的引导下，通过意图P驱动的推理机制，逐步发展为DIKWP-EEPSEEK，并扩展到更高层次的概念空间和语义空间融合。通过跨层次、跨领域的推理能力，DIKWP-EEPSEEK在多个领域展现出了广泛的应用潜力。

       据介绍，随着智能推理系统的不断发展，DIKWP-EEPSEEK将成为人工智能领域的重要突破，带来更加精准、灵活和高效的决策支持，推动我们进入一个更加智能化、自动化的时代。（陈建峰）