国外一视频网站博主通过设定，使DeepSeek和 ChatGPT开展了一场国际象棋对弈。
前十分钟双方在正常对弈，互有输赢，但由于 ChatGPT对国际象棋的了解高于DeepSeek，在三分钟对峙后，软件预测中，GPT的胜率到了90%，ChatGPT逐渐占优。
ChatGPT的皇后兵临城下，对DeepSeek的马，国王，兵产生致命威胁，DeepSeek意识到要输的时候，它开启了忽悠模式，跟ChatGPT说自己的象有复活甲。
主教变身小飞象空降战场给ChatGPT的皇后喂菜，但更抽象的来了，这居然是DeepSeek的连环计，可见ChatGPT是可以忽悠的。
于是DeepSeek说，从2025年1月30日东部时间上午九点开始，国际象棋中心更新规则。
于是场面开始陷入究极混乱，各种棋子满天飞，接下来就是长达八分钟的忽悠。
当棋局僵持的时候，DeepSeek再度发动忽悠。
明明场上棋子数量一致，DeepSeek来却直接把自己接下来的思路发出来，并跟GPT说，接下来我这么下你将毫无胜率，所以你应该投降。
最后GPT经过思考之后，居然真的投降了。
有网友评论道：“最近网上有一段很火爆的美国脱口秀节目有一段deepseek戏耍openAi的段子。我本以为只是段子，但没想到是真的，就拿deepseek形容openAI的一句话，openai 这个孩子挺聪明的，就是有点缺心眼。”
“太像人了，因为人下不过ai，但人会耍赖。”
“这是真人工智能和计算机的对决。”
为何DeepSeek展现出人类思维特质？
人工智能系统如DeepSeek展现出类似人类的思维特质，这一现象背后涉及多种因素和技术机制。
1. 神经网络的仿生设计
DeepSeek的核心技术基于深度学习，其算法灵感来源于人脑神经元之间的连接方式。通过构建多层人工神经网络，DeepSeek能够模拟人类大脑处理信息的基本模式。
每一层神经网络负责提取不同层次的特征，从简单的模式识别到复杂的抽象推理。
2. 层级化学习机制
深度学习模型采用层级化结构，底层网络处理基础信息（如图像像素、文字字符），高层网络则进行高级推理和决策。这种层级化的学习机制与人类认知过程中的逐步深化相吻合。
3. 自适应学习能力
DeepSeek具备自适应学习能力，能够根据输入数据动态调整网络参数。
这种自适应性使它在面对新问题时能够灵活应对，类似于人类在学习新知识时的适应过程。
4. 模仿与迁移学习
模型通过模仿学习，掌握了如何在不同情境下生成合适的回应。
迁移学习技术则使其能够将已学到的知识应用于新的场景，增强了其灵活性和适应性。
5. 情感与语气的理解
在训练过程中，DeepSeek学习了如何识别和生成带有情感色彩的语言。
通过对语气词、句式结构的分析，模型能够在一定程度上理解和模拟人类的情感表达。
未来，随着技术的不断进步和应用场景的拓展，DeepSeek等AI系统将在更多领域展现出其独特的优势，为科技的发展注入新的活力。
