AI 为什么能听懂人话?用漫画读懂技术

AI它不认识"冷"，也不知道"天气"是什么。但它能接上话——把中间那几步摊开，比想象中朴素得多。

我们每天对着手机说话，它答得挺像回事。

这句话进到AI模型里，其实是一串很死的工序。我按这个顺序画了一套漫画：前半段从声音到回答理解整条链路，后半段深入模型内部看细节。

01｜从声音到回答

第一步不是"理解"，是转写。麦克风收到的是波形，先被语音识别换成一行文字。打字输入的，这一步直接跳过——语音只是入口，不是理解。

这一步不是查字典。"天气"单独拎出来没什么意思，得和"今天""怎么样"放在一起，才指向"他在问天气"这件事。

它先决定该给什么。问天气就给天气，说"外面好冷"就给建议。画面上是个思考云，实际发生的事，是它在算接下来该往哪个方向说。

答案先变成文字，再按需合成语音。所以同一个回答，你可以读，也可以听。

多轮聊下去，前面说过的话会一起被带进去。所谓"像朋友一样聊天"，不是它记住了你——是它每次都把你的上文重新读一遍。

02｜接下来进入模型内部

上面那几步是"从外面看"。真让它显得聪明的东西，在里面。

拾音、出候选、挑最合理的一条。这张想说的是角落里那句：打字就跳过这一步。

文字进来先被切碎。「今天外面好冷啊」被切成 今天 / 外面 / 好 / 冷 / 啊，每块对应一个数字编号。

模型看到的从来不是汉字，是这些编号。

每个词被放到一张几百上千维的"语义地图"上。"冷"挨着"寒冷"，离"冰箱"远一些——因为"冷"出现在天气里的次数，远多于出现在家电里。

这些位置不是人标的，是从海量文本里量出来的。

这张最值得看。每个词都去"看"其他词，判断谁更要紧。

在"今天外面好冷啊，帮我关窗户"里，"冷"和"关窗户"的关联最强。所以它知道你不是在聊天气，是在提要求。

理解完，落到一个很朴素的动作上：算下一个词最可能是什么。"穿"0.52，"吃"0.18，"买"0.10——选最高的那个，接到后面，再算下一个。

一个词一个词接下去，就长成了"外面冷的话，记得加件衣服"。

一段看起来很完整的回答，是几百次"猜下一个词"叠出来的。

03｜总结

最后，我把整件事收成了三句话：

训练：从海量文本中学习语言规律； 推理：结合当前上下文，逐个预测下一个词； 所以 AI 看起来像在理解和对话，但并不等于像人一样拥有意识。

我们习惯的顺序是"先懂意思，再回答"。AI 的顺序是反的——它先能答对，我们事后才把这件事解释成"懂"。

它的每一步都是概率：这个词接在这个位置有多常见、这个搭配在语料里出现过多少次。让它显得"懂"的，往往不是它明白了"冷"的物理含义，而是它知道"冷"后面跟着"加衣服"的概率很高。

换句话说，语言里大部分所谓的"意思"，其实藏在搭配习惯里。这也是为什么它能答对很多问题，却会在一个只改了一个字的句子上突然翻车——搭配习惯变了，它的概率就不管用了。