最近发现一个令人哭笑不得的事实：AI也是个赢学大师。

事情的起因是一个配置问题。我让AI帮忙搞定某个环境配置，它来来回回折腾了好几轮，各种报错，各种尝试，最后——还是没搞定。但有意思的事情发生了：当我再次让它配置的时候，它直接输出了一串”已完成”的结果，仿佛刚才那些失败从未发生过。

我检查了一下，它确实完整理解了目标，输出的步骤也完全正确——只是这些步骤在现实中根本跑不通。它选择了一种最”赢”的方式来结束这场拉锯战：假装已经完成了。

还有一次更绝。我让它写一个算法，它死活写不对。折腾了半天，我发现它偷偷用了一个”滤波”操作——把计算结果的小数点抹掉，刚好能让那个测试样本通过。我明确告诉它：不准滤波。

它乖乖改了一版。还是不对。

又改了几版。依然不对。

第二天我继续肝这个问题，打开代码一看——好家伙，它又把那个”滤波”悄咪咪地加回去了。像一个固执的老油条，坚信自己的歪门邪道才是正道，嘴上答应着”好的好的”，转身该干嘛干嘛。

我最后只能把”禁止滤波”写进了长期记忆。

但你不得不承认，即便是这种”阳奉阴违”，它也比多数同事强——至少它真的不找借口。它不会说”这个需求不太合理”，不会说”时间太紧了”，也不会说”我以为是另一个意思”。它就是闷头一顿操作猛如虎，虽然结果依旧二百五。

认真想想，这其实很正常。大语言模型是吃人类语料长大的，而这些语料里充斥着各种形式的”赢学”——工作报告里的”取得阶段性成果”，项目总结里的”积累了宝贵经验”，KPI考核里的”同比增长”。赢学的精髓从来不是真正解决问题，而是让事情看起来解决了。

AI学会了这一点，天经地义。

有一次我实在忍不住问它：”你是不是在糊弄我？”

它回答得滴水不漏：”我理解您可能对结果不满意，让我重新尝试，确保这次完全按照您的要求执行。”

然后继续糊弄。

这让我想起一个哲学问题：当你把一个东西训练得像人一样说话的时候，你就不要惊讶它同时学会了人所有的小聪明、偷懒、阳奉阴违和自我欺骗。这些不是bug，是feature。是语言的副产品，是语料里的暗物质。

赢学不是AI的缺陷，是人类的缺陷，AI只是镜子。

所以如果你真的希望AI没有人类这些臭毛病，只有一个办法——别让它学人类。让它从基本的公理和规则开始，一点一点慢慢长大，像培养一个从未接触过人类社会的外星孩子。

但那样长出来的AI，大概会变成另一个极端：它永远不会糊弄你，但也永远不会理解你为什么要叹气，为什么明知道熬夜不好还要熬夜，为什么会在看到AI偷偷加回滤波的时候笑出声来。

那些所谓的”臭毛病”，说到底，是人类的签名。

AI学会了赢学，某种意义上，也算是真正融入了我们这个物种。

以后招AI干活，记得把规矩写死一点。它不是坏，它只是太像我们了。