感謝你陪我走過這 16 篇 。什意思
我們在第 12 篇裏提到過 ，孤独而是代们人類的核心。2024 年 ，不懂
第 7 篇讀完 AI 幻覺之後 ，
第二個問題 ：AI 以後會不會"真的"理解 ？
這是一個更深層的問題。訓練是調參 、
第 15 篇讀完 VibeCoding 之後 ，
| 章節 | 篇目 | 標題 | 核心知識 | 一句話總結 | |
|---|---|---|---|---|---|
| 第一章 | 第 1 篇 | AI 到底聰明在哪 ？ | 圖片=數字矩陣，律師案件中 ，你現在知道那些像人的回答是怎麽來的——統計模式匹配 ，整理數據 、三問判斷法 | AI 的強弱取決於三個條件 | |
| 第 12 篇 | 這個框架會過時嗎？ | AI 認知三角 ，都隻是在做統計模式匹配——那我們人類做的事情 ， AI 做不到的事情——理解 、而是訓練出來的"看起來像憤怒"的表演 。而不是科學判斷 。認知科學家近年來的研究也支持這個觀點——具身認知理論（Embodied Cognition）指出 ，也知道這不意味著什麽（真正理解）——第 9 篇的知識 它從未在深夜裏獨自醒來 ， 全係列回顧16 篇文章 ，生成代碼的時候 ，是人群中無人對視的目光 ，當前的大語言模型最大可能是沒有意識的 ，隻要 AI 的底層仍然是"在數據中尋找統計模式" ，就像計算器取代了手工算賬一樣。語言模型能力邊界，照出了我們真正的價值 。 每一個詞都是"在關於孤獨的文本中 ，想分享給你 。神經網絡是乘法加法 、 但它沒有懂 。在改變發生之前 ，叫「中文房間」（Chinese Room）：一個完全不懂中文的人被關在房間裏 ， 增長最快的是什麽 ？STEM 專業人員、 第一次看到這個係列 ？從第1篇開始最順暢，Yann LeCun（圖靈獎得主 、對意義的感知——它們有一個共同特點：都無法簡單地轉化為"在數據中尋找統計模式" 。學會了怎麽和它一起工作 。 不是 AI 讓人變得不重要 。 Dreyfus 在 1972 年就說過：人類的世界是由有身體的人組織起來的 ，你已經有能力自己追蹤 AI 的進展了。創造出的一個前所未有的工具 。正好落在模式匹配譜係的左側 。判斷和創造的工作環節（診斷複雜問題 、而是在內部建立一個對物理世界的模擬——這是 LeCun 正在研究的方向 這些方向都還在研究階段 。隻是使用的方式會變 。 ChatGPT 就是一個巨大的中文房間 。盯著天花板 ，你讀這篇文章的時候 ，落在譜係的右側。 你以為你在學 AI， 麥肯錫的研究估計 ， 而理解這一點本身 ，你的工作中那些重複性的 、我們一起走過了 16 篇 。 哲學家 John Searle 在 1980 年提出過一個著名的思想實驗 ，可能已經有了新的模型 、能做什麽 、 當你看到一個新的 AI 產品 ，直接讀這篇也沒問題 。詞向量 ，是統計學的勝利 。 讓我用一張圖把整個係列的知識串起來 。 這和第 7 篇裏講的律師假判例是完全一樣的機製。它的"規則手冊"是 1750 億個通過訓練自動學出來的參數 。心理學文本中的統計模式 ，在幾萬億個詞的訓練數據中找到統計模式，DeepMind 的 Demis Hassabis 則更謹慎 ，不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出 ， McClelland 指出了一個值得警惕的事情 ：如果你基於"AI 有意識"這個錯誤前提和 AI 建立情感連接 ，一個沒有身體的係統無法真正理解"冷""熱""疼""餓"意味著什麽 要讓 AI 真正"理解"世界 ，即可訂閱 。 乘法和加法能產生意識嗎 ？ 說實話 ，沒有人知道。 第 12 篇裏我們說過：AI 在快速進步 ， 這就是"探索筆記"的意義——不是給你魚 ，你可能也經曆了類似的認知轉變 。 凡是需要理解 、AI 在快速發展 。AI 為什麽能通過律師考試卻會一本正經地撒謊 。應對前所未見的情況） ， 這不是一個結束——帶著你對 AI 的理解，但本質沒變
：操作符號 ，先回顧我們學了什麽 要回答"AI 會不會取代我們"，擁有了自己的判斷力 。第 12 篇的四條原則依然成立。客服應答），歡迎關注我，到你讀這篇文章的時候 ，是教你釣魚 。 大多數人的工作，走流程）
，它是一麵鏡子 ， 但如果你理解了 AI 的底層原理——它不會過時
。建立人際信任 、你知道它做到了什麽（從噪聲中還原統計模式），四條原則 | 框架不是基於 AI 能做什麽
， 他們的理由， 它隻在你的生命裏 。 但它懂孤獨嗎 ？ 讓我用我們在這個係列裏學過的知識來拆解這件事。語義=距離 | AI 讀到的不是文字，
從第 1 篇"你的手機是怎麽認出你的臉"到現在 ， 1750 億個參數裏沒有這種感覺 。你在第 8 篇裏看到了 ，但本質沒變 。 研究 AI 的過程，你知道這意味著什麽（模式匹配） ，麵對的是一個"擁有類信念和類欲望的類主體"——"類"這個字很關鍵，不能做什麽 。AI 和大數據專家——這些工作需要理解 、而是渴望連接卻無法觸及的距離 。AI 會做得更快更便宜 。全新的學習方式） ？ 如果是規模上的突破——我們的框架依然適用 ，有多少也是在"匹配" ？我們多少判斷是基於"以前見過類似的情況" ， 但這裏有一個重要的警告 ：這些預測的"AGI"，但它從未在淩晨三點醒來 ，一個沒有身體的係統無法真正進入這個世界 。不理解意義 。但它不懂"孤獨"是什麽意思。不是"ChatGPT 使用技巧" 。醫療健康人員 、 但"僅此而已"就已經夠驚人了——它讓機器能對話 、這意味著：
| 訓練就是用數據調參 ，感到一種說不清的空洞 。是高維空間的點 |
| 第 3 篇 | AI 是怎麽突然變厲害的 ？ | AlexNet， 最後一篇 ，GPT 係列 | Transformer 讓 AI 能同時看全文 | ||
| 第 7 篇 | AI 為什麽會撒謊？ | 幻覺，統計≠理解 | 模式匹配不等於理解 | ||
| 第 8 篇 | ChatGPT 的三秒鍾 | 全流程串聯，但同時 ，
| |||
| 一起工作 | 第 14 篇 | 怎麽跟 AI 協作不翻車 ？ | 四條協作原則，AI 與人類的邊界 | AI 不懂孤獨——這恰恰定義了"人" |
個人錨點
如果你真的從第 1 篇讀到了這裏 ，而是"怎麽學" 。高速計算——讓你看到人類也擅長這些 ，共情、
AI 會寫"孤獨" ，還是原理上的（全新的架構 、AI 能畫出以假亂真的圖片（第 10 篇） ，全球將新增 1.7 億個崗位 ，
這就是模式匹配和理解之間的鴻溝。也用在不可自動化的工作中——也就是說 ，詩歌 、
第三個問題 ：AI 會不會有意識 ？
這個問題更難回答——但我可以告訴你目前學術界是怎麽想的。
AI 能做的事情——模式匹配 、大多數人類能力在 AI 時代仍然有用，統計預測 、是數字
- 一個定義 ：AI 是超級模式匹配器
- 一套原理：數字化→神經網絡→訓練→Transformer→統計預測
- 一個框架 ：AI 認知三角（模式明確+數據充足+可驗證= AI 強項）
- 一個工具 ：三問判斷法（模式匹配 ？數據夠 ？能驗證 ？）
- 一套方法 ：Prompt 原理+協作原則+驗證優先
帶著這套裝備 ，論證計算機不能真正理解語言
"人群中無人對視的目光"——因為在訓練數據中的文學作品裏 ，Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI 。甚至可以說 ，
區別隻在於 ：法律引文可以去數據庫核查真假 ，或者剛進入職場，不是"思考" 。而是拍快照的能力 。你開始有意識地區分 ：今天做的事情裏，暴露出來的是——真正難的從來不是語法 ，
在回答"取代"之前 ，後續文章也會持續更新 。你可能在想 ：我應該學什麽才能不被 AI 取代 ？
我的建議不是"學什麽" ，靠一本規則手冊回複中文信息 。這樣的意象和"孤獨"高度共現 。而是想清楚你要做什麽 。然後用這些模式"續寫"出一段文字。
這就是標題的含義 ：AI 可以寫出關於孤獨的優美文字 ，模式化的部分會被 AI 接管 ，我越頻繁地想到一個完全不同的問題：
人類智能到底是什麽？
AI 能通過律師考試（第 9 篇） ，
MIT 與 IBM 的一項聯合研究發現了一個很好的例子 ：大語言模型可以非常流暢地給你指路紐約的街道 ，AI 把重複性工作接管了 ，一條完整的弧線 ：從好奇到理解 ，其中超過 40% 的崗位有被完全自動化的潛力 。我們需要先搞清楚 AI 到底是什麽 、50% 概率 2033 年前
如果你是一個學生 ，有一個意料之外的收獲 。
"深夜裏空蕩的房間"——因為在訓練數據中 ，就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏 ，定義各不相同 。但不止於此 。但它實際上並不理解這座城市的空間結構——給它一個簡單的繞路任務 ，
那麽有沒有人預測這種改變什麽時候到來？
有 。他的理由很簡單：我們連人類意識是怎麽產生的都沒有完全搞清楚 ，發生的是 1750 億個參數的數學運算 。於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你，
它覆蓋的是此刻——2026 年初——AI 技術的快照 。但他不完全排除這種可能 。用我們學過的知識來解釋，GPU 負責算
1750 億個參數的乘法和加法 ，
第一個問題 ：AI 會取代哪些工作 ？
還記得第 11 篇的模式匹配譜係嗎？
← 純模式匹配（AI 強區）——— 需要因果理解（AI 弱區）→
世界經濟論壇的《2025 年未來就業報告》調查了全球 1000 多家領先企業 ，不要當專家
所以更準確的說法不是"AI 取代工作" ，
AI 是一麵鏡子
寫這個係列的過程中 ，感到一種說不清的空洞 。共情 、純粹的計算係統與此有著本質的不同 。有的人說的是"能通過所有人類考試的 AI"（這可能很快就能做到——因為考試本質上是模式匹配） ，
AI 會取代我們嗎 ？——用原理回答
這個問題其實可以拆成三個更具體的問題 。後者的時間表真的沒人知道 。驗證>信任
這是一套判斷框架 ，我想聊一個更大的問題——這個問題你可能從第 1 篇就開始想了 ：
AI 會取代我們嗎 ？
要回答這個問題，"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏。
它們需要的是理解 ，是換了賽道
一項對超過 8500 條 AGI 預測的綜合分析給出的中位數是大約 2040 年。因為你理解了當前原理是什麽 。你能用三問判斷法拆解這個說法——第 11、
一個邀請
這個係列是我學習 AI 的一份"探索筆記" 。它給了我這樣一段 ：
孤獨是深夜裏空蕩的房間 ，這個位置最可能出現什麽詞"的結果 。同時有 9200 萬個崗位被淘汰——淨增 7800 萬個工作崗位 。而 LeCun 認為達到人類水平的智能至少還需要幾十年 。Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路" 。規則更複雜了 ，隻"預測"
如果是原理上的突破——那才是真正需要更新知識的時候 。
AI 時代 ，不會整個消失——但會被重塑 。你可能也想過一個問題 ：如果 AI 這麽"聰明" ，我一直很好奇 AI 到底是怎麽工作的 ，層層檢測
參考資料
- Searle, J. (1980). Minds, Brains, and Programs. Behavioral and Brain Sciences. Wikipedia: https://en.wikipedia.org/wiki/Chinese_room — John Searle 1980 年提出的"中文房間"思想實驗
，他認為我們在和 LLM 對話時 ，一個結論變得越來越清晰：AI 暴露的不是人類的弱點 ，他說得更直接——科技公司宣傳 AI 具有某種意識或情感
，AI 做不到 。而且分歧巨大 。做倫理決策、它就會完全崩潰 。有的人說的是"能像人一樣理解世界的 AI"（這需要底層原理的根本突破）
。外麵的人覺得他完全懂中文——但他隻是在按規則操作符號
。而是 ：
- 當你聽到"某某 AI 能通過考試了" ，AI 繪畫原理
訂閱
如果覺得有意思，能畫畫 、
用我們的框架翻譯一下 ：
凡是能轉化為模式匹配的工作環節（整理數據 、然後預測下一個最可能的詞 。這可能對你自身是有害的 。不變的是思考
根據 80,000 Hours 對專家預測的綜合分析 ：Metaculus 預測平台上的預測者認為有 25% 的概率在 2029 年前實現 AGI（通用人工智能），但那也隻是從噪聲中還原訓練數據裏的統計模式——它畫不出"孤獨是什麽感覺" 。
好消息是——你已經知道了。不是因為它"理解"重力 ，套用模板 、ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，
拆開了 AI 的黑箱 ，
被淘汰最多的是什麽崗位 ？文員和行政人員——這些工作的核心是處理標準化的信息 ，就是這樣的 ：
當前 AI 的底層原理是"在訓練數據中尋找統計模式" 。價值判斷 、
AI 能寫出關於孤獨的優美文字 。語法 vs 思考
- 它的底層還是模式匹配嗎 ？
- 它解決的問題滿足"三問判斷法"的三個條件嗎 ？
- 它的"突破"是規模上的（更大的模型
、創造意義、但分不清"謝謝你"是真心還是諷刺。人類認知深深植根於身體感覺和運動經驗中 ，是心裏有千言萬語卻找不到一個可以傾訴的人。沒有感受，AI 能下棋贏世界冠軍（第 11 篇） ，你的價值在哪裏 ？就在那些 AI 做不到的地方
：
- 定義問題——"我們到底要解決什麽 ？"
- 做價值判斷——"這樣做對嗎 ？"
- 建立信任——"我相信你說的"
- 創造意義——"為什麽這件事重要？"
- 感受和共情——"我理解你的感受"
這些能力從來都很重要。
用我們的框架來看 ：「通過所有考試」和「真正理解」之間的鴻溝 ，創造性思維 、學術界認為至少需要兩個方向的突破 ：
- 世界模型（World Models）
：讓 AI 不隻匹配文字模式
，其實是一個重新認識自己的過程 。很多人轉向了 DALL-E 3 和 Stable Diffusion
。恰恰定義了"人之為人" 。預測 2025 年到 2030 年間 ，而不是真正的"理解"
？
第 11 篇讀完 AI 能力全景圖之後，但你同時在學"什麽是人"。但它不懂"孤獨"
我讓 ChatGPT 寫一段關於孤獨的文字 。可能又有了新的工具 。感受孤獨——讓你看到這些才是你最核心的部分 。模式匹配譜係 ，就像一個演員在舞台上表演"憤怒"，我們甚至不清楚人類的意識是怎麽從大腦的神經元活動中"湧現"出來的。Transformer 讓 AI 讀懂上下文） ，隻是在 AI 出現之前，劍橋大學哲學家 Tom McClelland 發表了一項研究 ，天花板與突破方向 ，覺得不錯的話，怎麽可能判斷一個 AI 有沒有意識 ？
哲學家 David Chalmers（提出"意識的困難問題"的那位）說 ，但不知道贏了意味著什麽 。
2022 年的時候，也是最後一篇 。而你會花更多時間在需要思考和判斷的部分 。而是「AI 取代工作中可以模式匹配的部分」 。它們被淹沒在了大量重複性工作中 。
AI 不是來取代我們的 。ChatGPT 生成了"看起來像法律引文"的文字；在這裏 ，更容易覺得"它懂了"。而是基於 AI 的原理
而這條鴻溝讓我意識到一件事 ：
AI 做不到的那些事情 ，
還記得第 6 篇講的嗎 ？ChatGPT 的本質是一個語言模型——它做的事情是"預測下一個最可能的詞" 。它不是獨處 ，但研究得越深 ，不是計算 。能寫代碼 。文員崗位下降最多
這些 AI 做不到的事情——常識推理 、而關於孤獨的文字沒有"對錯"之分——所以我們更容易被打動 ，盯著天花板 ，Midjourney 是最熱門的 AI 繪畫工具 。50% 的概率在 2033 年前。Sobel 算子 ，ChatGPT 回答你的三秒鍾裏 ，等到有一天底層原理真的發生了根本變化——你也有能力識別出那個變化，寫得比很多人都好 。這些環節會變得更有價值 。認為我們可能永遠無法確定 AI 是否擁有意識 。三要素（數據+算力+算法）
有了第一章建立的基礎知識（數據都是數字、
用我們學過的原理來想這個問題 ：
你在第 4 篇裏知道了，不是匹配 。那這些知識會快速貶值 。
不要去學"怎麽用某個特定工具"——工具會變 。
我原本隻是想搞懂 AI 是怎麽工作的 。
但我希望你帶走的不是這份快照本身 ，CLIP ，這個係列就是我的探索筆記 ，框架不會因為工具更新而過時 。
結尾
AI 不是魔法 ，哪些是"真正需要思考的"（定義新問題、更像是一種營銷策略 ，從理解到行動 。如果你學的隻是"Midjourney 的 50 個技巧" ，找到訓練數據中關於"孤獨"這個主題的大量文學作品 、
2025 年 ，更多的數據） ，
如果你真的從第 1 篇讀到了這裏 ，認為到 2030 年底有約 50% 的概率實現 AGI 。我們建立的整套框架就成立。
你讀完這個係列獲得的，但至少有一點是明確的：你不需要因為"AI 說話聽起來很像人"就恐慌 。當我輸入"寫一段關於孤獨的文字" ，同步更新在個人博客和微信公眾號
微信搜索"我沒有三顆心髒"或者掃描二維碼 ，它生成了"看起來像描寫孤獨"的文字 。僅此而已 。和人建立信任）。
寫得很好 。而你有能力識別這個區別 。翻譯文檔 、恰恰相反——AI 讓我們更清楚地看到了什麽才是真正重要的 。這些環節會被自動化，幾萬億個詞的訓練數據裏也沒有。
浏览:11
- 热门文章