问 AI 同一个问题两遍,它给了两个答案.

一篇文章，三百二十四个字。

里面有二十个「之」。

没有两个，写得一样。

《兰亭序》神龙本，唐人摹本。

写它的人是王羲之。写它的那天，他喝了酒。

东晋永和九年，公元 353 年，三月初三。

三月三是上巳节。古人这天要到水边洗一洗，叫「修禊」，冲走一年的晦气。王羲之约了一帮朋友，谢安、孙绰都在，四十来人聚到会稽山阴的兰亭。

他们玩的是曲水流觞。酒杯放进弯弯曲曲的小溪，顺水往下漂，停在谁面前，谁就喝酒、作诗。那天二十六个人写了三十七首诗，后来编成《兰亭诗》。

诗集要一篇序。王羲之趁着酒兴，提笔写了。

这就是后来被叫作「天下第一行书」的《兰亭序》。二十八行，三百二十四个字，「之」字出现了二十次。

唐朝的何延之写过一篇《兰亭记》，专门讲这卷字的来历。说到那天，他用了八个字：

挥笔写序，乐在兴头上。他连纸笔都记下了：蚕茧纸，鼠须笔。又说，序里凡是重复的字，都换了写法：

是有意换着写，还是酒意里手自己在走，他没说。

重复最多的就是「之」，他数的是「二十许个」。说到这些「之」，他写：

变来变去，全不一样，到头来没有一个相同的。

二十个「之」，二十个样子。

练过字的人都知道这有多难。同一个字连写二十遍，正常人会越写越像。手有惯性，脑子也会偷懒：刚才那样挺好，照着来。

可兰亭那天的「之」，有的收，有的放，有的轻轻一点，有的拖出长长一笔。像是每一次落笔，都是临时起意。

为什么一个都不重样？何延之给过一个说法，我们后面讲。眼下只知道，那天他喝了酒；何延之后面还提了一句「醒后」，说明写的时候，酒还没醒。

那天，他的手比脑子快。

同一个字，写二十遍（示意）。

一千六百多年后，换一个人，换一件事。

你打开 AI 聊天助手，问它：周末去哪儿玩？

它说：去爬山吧。

你随手点了「重新生成」。同一个问题，一字没改，它这回说：去看海吧。

同一个问题，问了两遍。

不少人第一次碰到，心里会犯嘀咕：机器不就该一个输入、一个输出吗？计算器算一加一，算一万次都是二。它怎么问两遍，给两样？

它坏了吗？

没坏。它只是，也喝了一点。

这份「醉意」是做 AI 的人故意留进去的，不是故障。而且它有多醉，有个旋钮能调。要讲清这个旋钮，得先看 AI 是怎么一个词一个词往下写的。

不管是哪家的聊天 AI，写回答的办法都差不多：一个词一个词往下接。前面写了什么，决定了它下一个最可能接什么。

关键在「最可能」三个字。它每接一个词，心里都不只一个答案，而是一张比重表。

比如写到「周末我们去」，下一个词接什么？假设它心里的比重是这样（数字是为讲清楚编的）：

把这张表换成一只碗，就好懂了：碗里放十个纸团，五个写着最稳妥的「爬山」，三个写「吃饭」，两个写冷门的「看海」。

碗里十个纸团：五个「爬山」，三个「吃饭」，两个「看海」（示意）。

然后，AI 闭着眼，抓一个。

抓到哪个，就写哪个。写完，再看下一张比重表，再摆一碗纸团，再抓。你看到的一整段回答，就是这样一个纸团一个纸团抓出来的。

有一点要说准：比重是一步步算出来的，丝毫不差；只是到了「选哪个」那一下，它不总挑最大的，而是按比重抓阄。

开头那件事也就不奇怪了。你再问一遍，就是让它再抓一遍。五成机会抓到「爬山」，也有两成机会抓到「看海」。两次不一样，再正常不过。

抓阄还有一个后果，比「换了个词」大得多。

它每写一个词，都要把前面写下的所有词，当成接下来的条件。第一次抓到「爬山」，它就顺着写：「周末我们去爬山，早点出发吧」。第二次抓到「看海」，后面每一张比重表都跟着换了：它已经站在海边这条路上，接下来更可能写「听说那边的日落很好看」。

第一个词抓得不一样，整句话就顺着另一条路拐了下去。

第一个岔路口走了不同方向，越往后，两条路离得越远。所以你看到的两个回答，常常不是换了几个字，而是思路、顺序，甚至结论都不一样。

「重新生成」一次，有时好很多，有时差很多，道理也在这儿。它并没有突然变聪明，只是在前几个岔路口，走了另一条路。

这几分醉意，不是固定的。做 AI 的人给它装了一个旋钮，叫「温度」。

温度做的事，是在抓阄前，先把碗里的纸团重新摆一遍：

- 调低：热门的更热门，冷门的更冷门，它越来越爱抓最稳妥的那个。

- 调到零：碗里只剩最稳妥的「爬山」，每一步都挑比重最大的词。

- 调高：纸团摆得更平，冷门的相对多了，它就敢去摸那个「看海」。

拿前面那只碗，按温度的算法实打实算一遍：

同一碗纸团，温度不同，三个词被抓到的机会（示意）。

温度从 1 降到 0.5，「看海」从两成掉到一成；从 1 升到 2，涨到两成六。温度越高，三个词越接近「各占三分之一」。

温度调高一点，它就敢去摸那个「看海」。

这就是微醺的好处：冷不丁，冒出几句新鲜的说法。

可三个纸团，怎么抓也乱不到哪儿去。为什么说温度调太高，写出来的话就像喝大了？

问题出在碗太小。

王羲之那天是在兴头上，不是烂醉。AI 也一样，醉过了头，就不是神来之笔了。

真实的 AI，碗里不是三个纸团。它认得的词有好几万个，每写一步，这几万个词全在碗里。放在「周末我们去」后面，绝大多数都是胡话：「螺丝」「昨天」「的」「月亮」。每一个的机会都小得可以不计，可架不住多。

把碗换得真一点（数字依然是编的）：三个正经词占九成，爬山 45%、吃饭 27%、看海 18%；另外放一千个乱词，每个占万分之一，合起来占一成。再拧一遍温度（温度 0.5 时乱词几乎抓不着，三个正经词的比例和前面一样）：

温度越高，一千个乱词加起来被抓到的机会越大（示意）。

温度到 1.5，乱词合起来已经过半；到 2，超过八成。每个乱词单看还是冷门，一千个凑一起，就把正经词挤到了角落。

而且这是每一步都要抓的。一句话二十个词，每步都大概率抓到乱词，再加上「一个词拐弯，整句跟着拐」，写出来就是这样：

什么词都敢抓，写出来的话就像喝大了。

这不是某一个词错了，是整段话前言不搭后语。2019 年，华盛顿大学的霍尔茨曼等人专门发论文讲过这事：直接按原本的比重去抓，写出来的东西跟上文几乎不沾边。他们管碗底那一长串叫「不可靠的长尾」：几万个不起眼的词，加在一起，分量就大了。

2024 年另一项研究，把温度从 0 往上调，看 AI 做题的表现。过了 1，答对率很快往下掉；调到 1.6，已经语无伦次，答对率几乎为零。

所以很多 AI 产品会多加一道筛子：抓之前，先把碗底那一长串冷门纸团倒掉，只在排前面的那一小撮里抓。乱词进不了碗，也就抓不着。

既然醉了会乱，那把温度拧到零，彻底清醒，是不是最好？

也不是。毛病刚好反过来。

每一步都挑最稳妥的词，写出来的就是最稳妥的句子：不出错，也没惊喜。还是霍尔茨曼那篇论文，他们发现一直挑最可能的词，写出来的东西：

平淡，而且重复得奇怪。

他们还拿人写的文字比了比。同样的上文，人接下去的词，平均比重比 AI 只挑最大时选的词低不少。人说话，很少一直待在最稳妥的地方，总会拐进比重没那么高、却更有意思的词。每步都挑最大的，反而不像人话。

还有一件更意外的事：温度调到零，也不等于每次都一模一样。

照理说，每步都挑最大的，结果应该是定死的。可真用起来，常常还会变。2023 年一项研究让 ChatGPT 做了 829 道编程题，每题问 5 遍，看 5 份程序跑出来的结果对不对得上。默认设置下，三个题库里，5 份结果全对不上的题分别占了 76%、51%、48%。把温度调到零，降到了 44%、27%、18%。少了很多，可还是有。

为什么？去年 9 月，一家叫 Thinking Machines 的 AI 公司专门研究过。他们把温度设成零，用同一句「讲讲理查德·费曼」，问了一个大模型 1000 遍。

结果，1000 个回答里，有 80 种不一样的。从头到尾一字不差、最常见的那一段，也只出现了 78 次。

更有意思的是第一次分岔的地方。开头一大段，一千个回答一模一样；写到费曼出生在哪儿，992 次写「纽约皇后区」，8 次写「纽约市」。后面分出来的岔就更多了。两个说法的比重本来就挨得很近，一丁点扰动，就够让「最大的那个」换人。换了一个词，后面就整段跟着拐。

那一丁点扰动，不是谁故意加的随机，而是服务器在「拼车」。为了快，服务器会把很多人的提问拼成一车算。车里人数时时在变，底层的加法顺序就跟着变；而电脑算小数加法，顺序一换，末尾几位就可能不同。他们后来改了底层算法，让结果不跟着人数变，1000 遍就一字不差了。代价是算得慢了一些。

所以，彻底清醒的 AI，也只能说「几乎」每次都一样。

说到清醒，王羲之也有酒醒的时候。

何延之在《兰亭记》里，还写了后来的事：

酒醒后，王羲之又写了几十上百遍，没有一本比得上修禊那天。有的书里引这段，写的是「数百千本」。我们取少的那个说法：几十遍。

还得加个「据说」。何延之是唐朝人，离兰亭那天已隔了三百多年，这些细节，只能当唐人的讲法来听。

据说，王羲之酒醒以后，把《兰亭序》重写了几十遍。

开头留下的那个问题，何延之自己给了个解释，四个字：其时乃有神助。那天是有神帮了忙。

醒着为什么写不出来，何延之没说，我们也不替古人编理由。只看结果：

还有一件事，很多人不知道：今天你在字帖上、博物馆里看到的《兰亭序》，都不是王羲之亲手写的那一卷。

据说唐太宗爱极了这卷字，打听到它在辩才和尚手里，三次召他进宫，辩才都说早丢了。太宗就派萧翼去。萧翼扮成过路书生，跟辩才下棋、弹琴、喝酒，混熟了，辩才才从房梁上取下《兰亭》给他看。萧翼故意说字是假的，辩才便不再藏回梁上。一天辩才出门，萧翼谎称有东西落在房里，哄小和尚开门，拿上《兰亭》就走了。

太宗让人照着临摹了好几本，分给大臣。临死前，他又跟儿子要了这一样东西，把真迹带进了陵墓。今天最有名的「神龙本」，是唐人照着真迹双钩填墨摹出来的，藏在北京故宫博物院。

那二十个「之」，只出现过一次。

所以严格说，那二十个「之」，我们见到的也只是影子。真正写下它们的那一次，连原件都没留下。

那一回写成的样子，后来再没有第二回。放到 AI 身上，稳和新，是同一个旋钮的两头。

你要它稳，比如写代码、算账、从文件里抄数字，就希望它别乱抓，每次都差不多。

你要它新，比如起名字、想标题、写故事、出点子，就得让它偶尔摸到冷门的纸团。那些让人眼前一亮的句子，常常就是在比重不高的地方抓出来的。

有意思的是，温度对「做对题」的影响，可能比你想的小。前面那项 2024 年的研究，让 9 个常见大模型做选择题，温度从 0 调到 1.6。过了 1 会乱，可在 0 到 1 之间怎么变，答对率没有明显差别。也就是说，对有标准答案的题，一点醉意不会让它变笨；温度真正改变的，是说法有多少花样。

合在一起，大致可以这样用（经验值，各家模型手感不一样）：

落到每天用 AI 这件事上，有四条：

1. 第一个回答，别急着收。

它只是很多可能的回答里，抓出来的一个，不代表它的最好水平。

2. 太平，就让它重来一遍。

大多数聊天软件不让你直接调温度，可「重新生成」按钮，就是让它再抓一次阄。起标题、想点子这类事，多点几次，挑最好的那个。

3. 抓出了神来之笔，先存下来。

再抓一次，未必还有。这一点，王羲之已经替你试过了。

要是碰巧抓出了神来之笔，记得先存下来。

4. 要紧的事，多问几遍对照。

几次回答结论一样，心里可以踏实一点；每次说得都不一样，就要留个心眼，自己去查一查。

这个办法有研究撑着。2022 年，谷歌的研究者让大模型做小学数学应用题，同一道题多想几遍，取出现最多的答案，答对率比只想一遍高了 17.9 个百分点。

一千六百多年前那天，要是有人在旁边劝王羲之：先醒醒酒，想清楚了再写。

还好，那天没人劝他。

这张卡片上写的，是一句假话。