ai最好的角色就是许愿机、逻辑推理器和预言机。大模型就是给强化学习提供类似围棋的选择空间的，通过强化学习在关联性中提取确定性，这点在围棋ai中已经验证过了，可以学到定式乃至创造出新的定式。多模态则会进一步扩展选择空间，让模型拥有更多的视角和路径进行降维分析。agent就是一种不完全上传的意识体形态，关键的部分是自定义的层次化数据库，通过提供数据库模板让用户自定义虚拟的自己，在运行时大模型访问数据库来给予针对性回答，并不断根据和用户的交互对数据库进行重构。多模态最难的地方是场景理解，这点需要大量高质量数据和任务训练才能学到，另外视觉、触觉和动觉结合的模型才具有真正的场景理解能力，需要实现三维重构、动作感知和投射、矢量感知和推导。