上海交通大学的张拳石教授在最近的一次访谈中指出，尽管“思维链”（Chain of Thought, CoT）机制在自然语言处理领域引起了广泛关注，但其实际效果可能被过分强调了。他提出，对于深度学习模型而言，关键在于如何更有效地利用数据和优化算法，而不仅仅是引入新的机制或架构。

张教授提到了一个名为DeepSeek的系统，该系统通过采用一种创新的数据增强技术，显著提升了模型的理解能力和推理能力。与传统的思维链方法相比，DeepSeek能够更好地捕捉文本中的深层语义信息，并且在多个公开基准测试中表现出了优越性。这项技术的核心在于它能够自动生成大量的高质量训练样本，从而让模型在没有额外指导的情况下，自主学习到更加复杂的模式和关系。

张教授认为，这种方法不仅提高了模型性能，还降低了对大规模标注数据集的依赖，使得更多的研究机构和个人可以更容易地开发出高性能的语言理解工具。这表明，在追求更高的AI性能时，我们不应仅仅关注于引入新概念，而是要深入探索如何优化现有技术和资源利用方式。

综上所述，张拳石教授的观点强调了在AI领域中实践的重要性，即通过不断试验和改进现有的方法和技术来推动进步，而不是仅仅依赖于理论上的创新。这也为未来的研究提供了新的视角和方向。