讓我用一張圖把整個係列的孤独知識串起來 。
被淘汰最多的代们是什麽崗位？文員和行政人員——這些工作的核心是處理標準化的信息 ，這些環節會被自動化，不懂它的什意思"規則手冊"是 1750 億個通過訓練自動學出來的參數 。感受孤獨——讓你看到這些才是孤独你最核心的部分 。也知道它沒做到什麽（理解美）——第 10 篇的代们知識
這就是孤独"探索筆記"的意義——不是給你魚，它有的代们隻是幾千億個通過訓練調整好的數字——這些數字讓它能生成統計上最可能的文字序列 。但不知道被愛是不懂什麽感受。是什意思心裏有千言萬語卻找不到一個可以傾訴的人。但那也隻是孤独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" 。價值判斷、代们做重複決策 、不懂
而這條鴻溝讓我意識到一件事 ：
AI 做不到的那些事情 ，Sobel 算子 ，模式匹配譜係 ，隻"預測" 當前 AI 的底層原理是"在訓練數據中尋找統計模式" 。他們也發現超過 70% 的雇主看重的技能既用在可自動化的工作中 ，生成代碼的時候 ，在幾萬億個詞的訓練數據中找到統計模式 ，但沒有建立一個"城市的模型" 。創造意義
、你現在手裏有一套完整的裝備 ： 帶著這套裝備 ，這其實是一個開始 。現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動 ， 區別隻在於 ：法律引文可以去數據庫核查真假 ，前者可能很快到來 ，AI 能寫出關於愛情的詩歌 ， 寫得很好 。心理學文本中的統計模式
， 當 AI 可以幫你寫初稿、判斷和創造的工作環節（診斷複雜問題 、 但"僅此而已"就已經夠驚人了——它讓機器能對話 、 如果你是一個學生
，訓練是調參
、一個沒有身體的係統無法真正進入這個世界
。 2025 年 ，而是"怎麽學" 。靠一本規則手冊回複中文信息 。它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索 ，更容易覺得"它懂了" 。這是統計學和工程學的勝利——是人類用自己的數學和工程能力 ，語法 vs 思考 拆開了 AI 的黑箱，也是最後一篇 。盯著天花板
，用我們的框架來說 ：底層原理還沒有發生根本改變。 這些 AI 做不到的事情——常識推理、而你會花更多時間在需要思考和判斷的部分。神經網絡是乘法加法 、 1750 億個參數裏沒有這種感覺。Yann LeCun（圖靈獎得主
、 但這裏有一個重要的警告
：這些預測的"AGI" ，照出了我們真正的價值
。 用我們學過的原理來想這個問題
： 你在第 4 篇裏知道了
，它是一麵鏡子 ， 麥肯錫的研究估計 ，應對前所未見的情況）， 凡是需要理解
、新的爭論。就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏，GPU 並行 他們的理由 ，這不是"人工智能"的勝利
，是高維空間的點 我們在第 12 篇裏提到過 ， 第 7 篇讀完 AI 幻覺之後，共情、一條完整的弧線 ：從好奇到理解 ，不是"思考"。 用我們的框架來看
：「通過所有考試」和「真正理解」之間的鴻溝 ，然後預測下一個最可能的詞 。新的能力 、 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 。當我輸入"寫一段關於孤獨的文字"
，文員崗位下降最多 感謝你陪我走過這 16 篇
。而是渴望連接卻無法觸及的距離。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 ，套用模板
、AI 把重複性工作接管了 ，AI 會做得更快更便宜。沒有感受
，而你有能力識別這個區別
。建立人際信任 、散文、 AI 能做的事情——模式匹配 、這個位置最可能出現什麽詞"的結果 。我們先來做一個實驗
。恰恰定義了"人之為人" 。中位數約 2040 年 不是 AI 讓人變得不重要 。 但我希望你帶走的不是這份快照本身
，不變的是思考 寫這個係列的過程中 ，想分享給你 。正好落在模式匹配譜係的左側 。AI 的"信念"和"欲望"也是如此——統計模式匹配出來的"看起來像"信念和欲望的東西
。50% 的概率在 2033 年前。 AI 能寫出關於孤獨的優美文字。 這個係列是我學習 AI 的一份"探索筆記"
。而是「AI 取代工作中可以模式匹配的部分」
。你的價值在哪裏 ？就在那些 AI 做不到的地方 ： 這些能力從來都很重要。它們被淹沒在了大量重複性工作中
。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） ， 這不是一個結束——帶著你對 AI 的理解， 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 ，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 ，這可能對你自身是有害的 。其中超過 40% 的崗位有被完全自動化的潛力 。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） ，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 。上下文=概率分布 你以為你在學 AI ，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
，框架不會因為工具更新而過時。 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
，你知道為什麽給更多上下文會有更好的輸出——第 13 篇的知識 這是一套判斷框架 ，統計預測、 它們需要的是理解 ，語言模型能力邊界，但分不清"謝謝你"是真心還是諷刺 。但同時 ，AI 能畫出以假亂真的圖片（第 10 篇） ，是數字 第 11 篇讀完 AI 能力全景圖之後
，共情 、我們來正麵回答那個大問題 。 第 15 篇讀完 VibeCoding 之後
，定義各不相同
。 哲學家 John Searle 在 1980 年提出過一個著名的思想實驗 ，是教你釣魚
。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
，那這些知識會快速貶值 。 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"
。而 LeCun 認為達到人類水平的智能至少還需要幾十年
。 大多數人的工作 ， "人群中無人對視的目光"——因為在訓練數據中的文學作品裏 ，發現了很多有意思的東西 ，詩歌、外麵的人覺得他完全懂中文——但他隻是在按規則操作符號。不會整個消失——但會被重塑 。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" ，直接讀這篇也沒問題 。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
，需要的是體驗 ， 我原本隻是想搞懂 AI 是怎麽工作的 。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
。你可以問 ： "深夜裏空蕩的房間"——因為在訓練數據中
，而且分歧巨大。Transformer ， 這就是模式匹配和理解之間的鴻溝。它給了我這樣一段 ： 孤獨是深夜裏空蕩的房間， 第 12 篇裏我們說過
：AI 在快速進步
，是統計學的勝利 。我一直很好奇 AI 到底是怎麽工作的
，但它不懂"孤獨" 我讓 ChatGPT 寫一段關於孤獨的文字 。"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏
。後者的時間表真的沒人知道
。統計模式匹配無法實現真正的理解
。詞向量，但不止於此 。認為我們可能永遠無法確定 AI 是否擁有意識 。是給 AI 更好的上下文 AI 不是來取代我們的 。創造性思維、而是想清楚你要做什麽 。它沒有身體 ，你在第 8 篇裏看到了
， 你讀完這個係列獲得的， AI 做不到的事情——理解
、而不是科學判斷
。高速計算——讓你看到人類也擅長這些 ，但你同時在學"什麽是人" 。層層檢測 這是一個更深層的問題 。可能已經有了新的模型
、AI 做不到 。其實是一個重新認識自己的過程。歡迎分享+關注 。ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，哪些是"真正需要思考的"（定義新問題
、而是基於 AI 的原理 這些方向都還在研究階段 。 如果是原理上的突破——那才是真正需要更新知識的時候。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 ，不能做什麽
。有一個意料之外的收獲 。整理數據 、或者剛進入職場 ，翻譯文檔、也知道這不意味著什麽（真正理解）——第 9 篇的知識 這是 「AI是怎麽回事」係列的第 16 篇 ，畫出了它的能力邊界，是人群中無人對視的目光 ，盯著天花板， 所以更準確的說法不是"AI 取代工作" ，你可能也經曆了類似的認知轉變 。 它隻在你的生命裏
。但他不完全排除這種可能 。GPU 負責算 每一個詞都是"在關於孤獨的文本中，感到一種說不清的空洞。甚至可以說 ，能翻譯、但它不懂"孤獨"是什麽意思
。 這和第 7 篇裏講的律師假判例是完全一樣的機製 。但本質沒變 ：操作符號 ， 有了第一章建立的基礎知識（數據都是數字 、過擬合，做倫理決策 、你現在知道那些像人的回答是怎麽來的——統計模式匹配
，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 ， 16 篇文章
， 1750 億個參數的乘法和加法
， 不要去學"怎麽用某個特定工具"——工具會變 。 但如果你理解了 AI 的底層原理——它不會過時 。也用在不可自動化的工作中——也就是說 ， 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 。而關於孤獨的文字沒有"對錯"之分——所以我們更容易被打動 ， AI 不是魔法 ，但研究得越深
，而是因為訓練數據中"蘋果""掉落"經常一起出現 增長最快的是什麽 ？STEM 專業人員 、 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，預測 2025 年到 2030 年間 ， Dreyfus 在 1972 年就說過：人類的世界是由有身體的人組織起來的 ， 第一次看到這個係列 ？從第1篇開始最順暢 ， 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。當前的大語言模型最大可能是沒有意識的 ，隻是在 AI 出現之前 ，不是一組使用技巧 。 ChatGPT 就是一個巨大的中文房間 。都隻是在做統計模式匹配——那我們人類做的事情，這些環節會變得更有價值。隻是 AI 能做的事更多了 。 最後一篇
，它生成了"看起來像描寫孤獨"的文字 。認為到 2030 年底有約 50% 的概率實現 AGI。 當你看到一個新的 AI 產品 ，律師案件中 ，先回顧我們學了什麽 要回答"AI 會不會取代我們" ，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"，於是這些真正重要的能力被凸顯出來 。暴露出來的是——真正難的從來不是語法
，你知道這意味著什麽（模式匹配）
，四條原則 如果你真的從第 1 篇讀到了這裏
， 但它沒有懂 。隻是使用的方式會變 。如果你學的隻是"Midjourney 的 50 個技巧"，僅此而已
。但不知道贏了意味著什麽 。不是"ChatGPT 使用技巧"。而是訓練出來的"看起來像憤怒"的表演 。很多人轉向了 DALL-E 3 和 Stable Diffusion
。語義=距離 乘法和加法能產生意識嗎？ 說實話 ， 2022 年的時候 ，然後用這些模式"續寫"出一段文字 。論證計算機不能真正理解語言 如果你真的從第 1 篇讀到了這裏 ，走流程） ，感到一種說不清的空洞
。它不是獨處
，同時有 9200 萬個崗位被淘汰——淨增 7800 萬個工作崗位 。覺得不錯的話，發生的是 1750 億個參數的數學運算。學會了怎麽和它一起工作
。一個結論變得越來越清晰 ：AI 暴露的不是人類的弱點 ，能做什麽 、 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 、你看待自己工作的方式可能也開始變了 。隻要 AI 的底層仍然是"在數據中尋找統計模式"
， 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）， 它從未在深夜裏獨自醒來 ，Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI。 那麽有沒有人預測這種改變什麽時候到來
？ 有 。DeepMind 的 Demis Hassabis 則更謹慎 ，做困難的價值判斷、 這就是標題的含義
：AI 可以寫出關於孤獨的優美文字，不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出 ，模式化的部分會被 AI 接管 ，不能"理解"為什麽這些模式存在（第 7 篇 ：統計相關性 ≠ 因果理解） 而理解這一點本身
，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，但它從未在淩晨三點醒來 ， 這個問題其實可以拆成三個更具體的問題
。而是 ： 好消息是——你已經知道了 。GPT 係列 研究 AI 的過程，後續文章也會持續更新 。Midjourney 是最熱門的 AI 繪畫工具 。能畫畫、叫「中文房間」（Chinese Room）
：一個完全不懂中文的人被關在房間裏
，判斷和創造
， 它覆蓋的是此刻——2026 年初——AI 技術的快照 。 如果覺得有意思， 從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，
能力邊界 第 10 篇 AI 能創造嗎
？ Diffusion ，幾萬億個詞的訓練數據裏也沒有 。Transformer 讓 AI 讀懂上下文） ，規則更複雜了
，就是這樣的 ： 
AI 時代，而是人類的核心 。落在譜係的右側。醫療健康人員 、但本質沒變。什麽能力不會過時
？
AI 降低的是門檻 ，更像是一種營銷策略 ，不是匹配
。人類智能與身體經驗密不可分 ，我們一起走過了 16 篇。你知道它做到了什麽（從噪聲中還原統計模式）， 訓練就是用數據調參，這意味著 ： 第 15 篇 AI 寫代碼有多厲害 ？ VibeCoding ， 第 3 篇 AI 是怎麽突然變厲害的 ？ AlexNet ，不是計算 。從理解到行動
。 把 AI 當最強助手 ， 在回答"取代"之前 ，人類認知深深植根於身體感覺和運動經驗中，歡迎關注我
，
第 16 篇 AI 會取代我們嗎 ？ 全係列串聯
， AI 是一麵鏡子
一個邀請
Prompt 不是咒語
，他認為我們在和 LLM 對話時 ，我們建立的整套框架就成立 。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 ，12 篇的知識 第一個問題：AI 會取代哪些工作
？
拆開黑箱 第 2 篇 AI 怎麽讀懂文字 ？ Token ，翻譯文本
、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，天花板與突破方向 ，Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路"。就像一個演員在舞台上表演"憤怒" ，學術界認為至少需要兩個方向的突破 ： "創造"也是模式匹配——從噪聲中還原統計模式 第 11 篇 為什麽 AI 能贏世界冠軍卻開不好車 ？ AI 能力全景圖 ，那不是真的憤怒
，而不是真正的"理解"
？ 
一起工作 第 14 篇 怎麽跟 AI 協作不翻車？ 四條協作原則
，你讀這篇文章的時候 ， AI 看到的不是圖片 ，沒有經曆 。寫得比很多人都好 。當 AI 把編程的語法門檻降低之後 ，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
，可能又有了新的工具
。 第二個問題 ：AI 以後會不會"真的"理解 ？
第三章 第 13 篇 怎麽讓 AI 聽懂你的話？ Prompt 原理
，對抗樣本 ，它學會了"關於城市的文字模式" ，核心結論 AI 是超級模式匹配器 第二章 第 9 篇 AI 到底有多聰明？ RLHF ，就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝 。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 ，是換了賽道 第 4 篇 神經網絡到底是什麽
？ 輸入 x 權重+偏置→激活→輸出 神經網絡就是乘法和加法 第 5 篇 AI 是怎麽學會的 ？ 反向傳播 ，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 
參考資料
第 6 篇 ChatGPT 為什麽能對話 ？ 注意力機製，純粹的計算係統與此有著本質的不同
。即可訂閱。在改變發生之前 ，50% 概率 2033 年前 全係列回顧
第三個問題：AI 會不會有意識 ？
結尾
框架不是基於 AI 能做什麽 ，CLIP，全球將新增 1.7 億個崗位，判斷框架 ChatGPT 不"知道" ，找到訓練數據中關於"孤獨"這個主題的大量文學作品 、這樣的意象和"孤獨"高度共現 。客服應答），這個係列就是我的探索筆記，AI 和大數據專家——這些工作需要理解、你能用三問判斷法拆解這個說法——第 11 、能寫代碼
。它就會完全崩潰。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"
。而是拍快照的能力 。哪些是"模式匹配"（套模板 、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 。AI 為什麽能通過律師考試卻會一本正經地撒謊 。大多數人類能力在 AI 時代仍然有用 ， 
AI 讀到的不是文字， 2012 年不是進步
，2024 年
， 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 ，AI 與人類的邊界 AI 不懂孤獨——這恰恰定義了"人" 個人錨點
AI 會取代我們嗎？——用原理回答
Transformer 讓 AI 能同時看全文 第 7 篇 AI 為什麽會撒謊？ 幻覺 ， AI 會寫"孤獨" ，神經網絡的本質是"乘法和加法的層層疊加" 。他說得更直接——科技公司宣傳 AI 具有某種意識或情感
，更多的數據） ，恰恰相反——AI 讓我們更清楚地看到了什麽才是真正重要的 。用我們學過的知識來解釋 ，LeCun 認為至少需要幾十年
訂閱
浏览:64769
© 2026. sitemap