夜雨聆风你有没有过这种经历？跟ChatGPT聊了半天，它突然说了一句莫名其妙的话。你心想：这家伙到底懂不懂我在说什么？
说实话，它真不懂。它只是装得很懂。
今天我就用三句话，把AI怎么“学会”东西这件事，给你说得明明白白。
第一个知识：AI不是“学”，是“猜”
很多人以为AI像人一样，能理解概念、能举一反三。其实不是。
AI的学习方式，更像一个超级会猜谜的孩子。
想象一下：你教一个三岁小孩认苹果。你拿出一个红红的、圆圆的、有把儿的水果说：“这是苹果。”小孩记住了。
然后你又拿出一个青色的、小一点的、也有把儿的水果说：“这也是苹果。”小孩又记住了。
当你第三次拿出一个红红的、圆圆的、但没有把儿的水果问“这是什么”时，小孩会犹豫。但他会猜：既然前两个“苹果”都是圆圆的、红红的（或绿绿的），那这个圆圆的、红红的、没把儿的，八成也是苹果。
AI就是这样“猜”的。
它没有“苹果”这个概念。它只是从你给的无数个例子中，总结出了一堆规律：圆的东西大概率是苹果，红色的东西大概率是苹果，有把儿的东西也大概率是苹果。然后当你说“苹果”这个词时，它就从记忆里搜出最常跟这个词一起出现的那些特征，组合成一个答案。
所以你问AI“苹果是什么”，它不会说“是一种水果”，它只会说一堆跟苹果相关的词语：红色、圆、甜、手机公司、牛顿。然后根据上下文，挑最匹配的那几个说出来。
这就是AI的“理解”——一个高级的猜谜游戏。
举个真实例子：你用AI写邮件，说“帮我写一封给客户的道歉信”。AI不会去想“这人为什么道歉”“客户是什么感受”。它只是在它学过的几百万封邮件里，找到那些跟“道歉”“客户”同时出现的句子，然后挑最像道歉信的那些拼起来。你看着觉得合情合理，其实它根本不知道自己在说什么。
这个“猜”的能力，靠的是两样东西：海量的数据，和巨大的计算量。
第二个知识：AI的学习，分三步走
第一步：看海量的例子。
你教小孩认字，一本绘本就够了。AI学东西，要看的例子多到吓人：整个互联网的文本、几百万本书、无数个对话记录。GPT-3训练时用了约570GB的文本数据，相当于整个维基百科的几十倍。
第二步：犯错，然后改。
AI刚开始是个傻子。你问“1+1=？”它可能回答“3”。这时候，人类（或者系统）告诉它：错了，应该是2。AI就调整一下自己的“猜谜规则”，下次再遇到类似问题，就多给“2”这个答案加一分。
这个过程重复几万亿次。每次调整一丁点，就像调音师拧一个乐器上的旋钮，拧一次声音好一点。拧几万亿次，声音就完美了。
第三步：考试。
AI学完所有例子后，会用一套它从来没见过的题目来测试。比如，训练时用的都是2020年以前的网页，测试时问它“2023年发生了什么”，看它能不能准确回答。如果答错了，说明它训练得不够好，需要再调整。
这三步走完，一个AI模型就诞生了。但注意：它只是“会猜了”，不是“明白了”。
举个例子：你教AI识别猫。你给它看了100万张猫的照片，它终于学会“凡是眼睛竖着的、有胡须的、会喵喵叫的小动物，大概率是猫”。但如果你给它看一张老虎的照片，它也会说“这是猫”。因为它猜的规则是“竖眼睛+胡须+条纹”，老虎完美符合。
这就是AI的“理解”——它没理解猫和老虎的区别，它只是记住了“竖眼睛+胡须=猫”这个统计规律。
第三个知识：AI的两副面孔——训练和推理
这是AI圈最常见的两个黑话，但很多人搞混。
训练，就是上面说的那个过程：AI学例子、犯错、调整。这个过程又慢又费钱。训练一个大模型，需要几千张显卡连续跑几个月，电费就几千万。OpenAI训练GPT-4据说花了1亿美元。
训练的目的是让AI变“聪明”——不是变聪明，是让它的“猜谜规则”更准。
推理，就是你平时用AI的过程：你提一个问题，它根据学到的规则，当场猜一个答案。这个过程很快，几秒钟就出结果。成本也低，一次对话可能只花几分钱。
训练和推理的关系，就像你学开车和真正开车上路。
学开车（训练）：你要在驾校练几个月，反复倒车入库、坡道起步，每次犯错教练就骂你。这个过程很痛苦，但你必须做。
开车上路（推理）：你拿到驾照后，每次开车去上班，只需要几秒钟决定“打左灯、看后视镜、轻踩油门”。你不需要重新学怎么开车，只需要调用已经学会的技能。
但这里有个坑：很多人以为AI能“实时学习”。你问AI“今天天气怎么样”，它答错了，你纠正它。然后你觉得它下次就知道了。实际上，它下次还是不知道。因为你的纠正并没有改变它的“猜谜规则”——要改变规则，需要重新训练，那是在后台完成的，用户改不了。
这个误解导致了无数人跟AI吵架：“你怎么又错了！上次不是告诉过你吗！”
AI也很委屈：它根本没记住你上次说了什么。
为什么要搞懂这些？
因为你明白了AI的底层逻辑，你就知道怎么跟它相处了。
第一，别指望AI真懂你。它只是在猜。所以你问问题越具体、越清晰，它猜对的概率越高。你问“帮我写个文案”，它猜你可能是写广告、可能是写公告、可能是写朋友圈。你问“帮我写一个针对25岁女性白领的眼霜广告文案，要突出抗老效果”，它猜对的概率就高得多。
第二，别跟AI较劲。它答错了，不是不听话，是它的“猜谜规则”不够好。这时候你应该换一种方式问，而不是骂它。骂它没用，它听不懂骂人——不对，它听得懂，但它不觉得你在骂它，它只觉得你输入了一堆“愤怒的词语”，然后它从数据库里挑出“对不起，我错了”来回应。
第三，AI的潜力巨大，但局限也明显。它擅长模式匹配，不擅长逻辑推理；它擅长生成看似合理的内容，但不擅长判断真假；它能写出像模像样的论文，但如果你给它一个完全虚构的问题，它也能编出像模像样的答案。
所以，别让AI替你做重要决策。让它帮你写初稿、整理资料、激发灵感，但最终判断和决定，还得靠你自己。
互动思考题
现在你知道了，AI的学习方式本质上就是“猜”。那么问题来了：
你身边有没有什么工作，本质上也是“猜”的？比如律师写诉状、医生诊断病情、老师批改作文？这些工作会不会被AI取代？为什么？
欢迎在评论区分享你的想法，我会挑几个有意思的回答，在下一期文章里展开聊聊。
— END —
关注「智触」，让AI触手可及
智触 · 你的AI知识驿站
