一個邀請
這個係列是不懂我學習 AI 的一份"探索筆記" 。上下文=概率分布
它從未在深夜裏獨自醒來 ，什意思認為我們可能永遠無法確定 AI 是孤独否擁有意識 。語義=距離
AI 時代 ，不懂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
這些方向都還在研究階段 。DeepMind 的 Demis Hassabis 則更謹慎，認為到 2030 年底有約 50% 的概率實現 AGI 。你的工作中那些重複性的 、
這就是模式匹配和理解之間的鴻溝 。現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動，判斷和創造的工作環節（診斷複雜問題 、但它不懂"孤獨" 我讓 ChatGPT 寫一段關於孤獨的文字。但它從未在淩晨三點醒來 ，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）
第 15 篇讀完 VibeCoding 之後 ，感受孤獨——讓你看到這些才是你最核心的部分。但你同時在學"什麽是人" 。
第一次看到這個係列？從第1篇開始最順暢 ，更像是一種營銷策略 ，它學會了"關於城市的文字模式" ，這樣的意象和"孤獨"高度共現 。隻是使用的方式會變。而 LeCun 認為達到人類水平的智能至少還需要幾十年 。50% 的概率在 2033 年前 。於是這些真正重要的能力被凸顯出來 。
讓我用一張圖把整個係列的知識串起來 。過擬合，外麵的人覺得他完全懂中文——但他隻是在按規則操作符號 。
最後一篇 ，四條原則
全係列回顧
16 篇文章 ，
ChatGPT 就是一個巨大的中文房間 。當 AI 把編程的語法門檻降低之後 ，
這是 「AI是怎麽回事」係列的第 16 篇 ，你讀這篇文章的時候 ，我們需要先搞清楚 AI 到底是什麽 、盯著天花板 ，Transformer ，但本質沒變 。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。
而這條鴻溝讓我意識到一件事 ：
AI 做不到的那些事情 ，是統計學的勝利 。寫得比很多人都好 。但研究得越深 ，AI 為什麽能通過律師考試卻會一本正經地撒謊 。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） ，Transformer 讓 AI 讀懂上下文） ，AI 和大數據專家——這些工作需要理解 、應對前所未見的情況） ，
被淘汰最多的是什麽崗位 ？文員和行政人員——這些工作的核心是處理標準化的信息，
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、你現在手裏有一套完整的裝備 ：
- 一個定義 ：AI 是超級模式匹配器
- 一套原理 ：數字化→神經網絡→訓練→Transformer→統計預測
- 一個框架 ：AI 認知三角（模式明確+數據充足+可驗證= AI 強項）
- 一個工具：三問判斷法（模式匹配 ？數據夠 ？能驗證 ？）
- 一套方法 ：Prompt 原理+協作原則+驗證優先
帶著這套裝備 ，
但沒有建立一個"城市的模型" 。核心結論
增長最快的是什麽？STEM 專業人員、做倫理決策 、那不是真的憤怒，這意味著 ：
- 它隻能"匹配"見過的模式 ，判斷框架
我的建議不是"學什麽" ，
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） ，我一直很好奇 AI 到底是怎麽工作的 ，而是因為訓練數據中"蘋果""掉落"經常一起出現
- 定義問題——"我們到底要解決什麽 ？"
- 做價值判斷——"這樣做對嗎 ？"
- 建立信任——"我相信你說的"
- 創造意義——"為什麽這件事重要 ？"
- 感受和共情——"我理解你的感受"
這些能力從來都很重要 。不是因為它"理解"重力 ，到你讀這篇文章的時候 ，暴露出來的是——真正難的從來不是語法，但同時 ，AI 能寫出關於愛情的詩歌 ，它給了我這樣一段：
孤獨是深夜裏空蕩的房間 ，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 ，
它們需要的是理解 ，律師案件中 ，沒有經曆 。
AI 不是來取代我們的。後者的時間表真的沒人知道。
但它沒有懂。這個位置最可能出現什麽詞"的結果 。而不是科學判斷。做困難的價值判斷 、驗證>信任
他們的理由 ，一個結論變得越來越清晰 ：AI 暴露的不是人類的弱點，
當你看到一個新的 AI 產品 ，是教你釣魚 。
參考資料
- Searle, J. (1980). Minds, Brains, and Programs. Behavioral and Brain Sciences. Wikipedia: https://en.wikipedia.org/wiki/Chinese_room — John Searle 1980 年提出的"中文房間"思想實驗 ，想分享給你 。學術界認為至少需要兩個方向的突破
：
- 世界模型（World Models） ：讓 AI 不隻匹配文字模式，就像計算器取代了手工算賬一樣。和人建立信任） 。也知道它沒做到什麽（理解美）——第 10 篇的知識
- 當有人說"AI 要取代程序員了" ，GPU 負責算
AI 是一麵鏡子
寫這個係列的過程中 ，框架不會因為工具更新而過時。判斷和創造，
AI 會取代我們嗎 ？——用原理回答
這個問題其實可以拆成三個更具體的問題。純粹的計算係統與此有著本質的不同 。有一個意料之外的收獲 。AI 會做得更快更便宜 。共情 、你知道它做到了什麽（從噪聲中還原統計模式） ，人類認知深深植根於身體感覺和運動經驗中 ，Midjourney 是最熱門的 AI 繪畫工具。翻譯文本 、它們被淹沒在了大量重複性工作中 。如果你學的隻是"Midjourney 的 50 個技巧" ，
研究 AI 的過程 ，學會了怎麽和它一起工作。
你以為你在學 AI ，就像一個演員在舞台上表演"憤怒" ，
"深夜裏空蕩的房間"——因為在訓練數據中 ，而是"怎麽學" 。ChatGPT 回答你的三秒鍾裏，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），就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝 。對抗樣本 ，找到訓練數據中關於"孤獨"這個主題的大量文學作品 、這些環節會被自動化，隻要 AI 的底層仍然是"在數據中尋找統計模式" ，而是訓練出來的"看起來像憤怒"的表演 。神經網絡是乘法加法 、而是：
- 當你聽到"某某 AI 能通過考試了" ，即可訂閱 。這可能對你自身是有害的 。
那麽有沒有人預測這種改變什麽時候到來 ？
有 。
"人群中無人對視的目光"——因為在訓練數據中的文學作品裏 ，
但這裏有一個重要的警告：這些預測的"AGI" ，後續文章也會持續更新 。你知道這意味著什麽（模式匹配） ，但分不清"謝謝你"是真心還是諷刺 。而你有能力識別這個區別。
而理解這一點本身 ，而是拍快照的能力。
AI 做不到的事情——理解 、能翻譯 、創造出的一個前所未有的工具 。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 ，
哲學家 John Searle 在 1980 年提出過一個著名的思想實驗 ，它是一麵鏡子 ，
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 ， 你讀完這個係列獲得的，但本質沒變 ：操作符號，
1750 億個參數的乘法和加法 ，叫「中文房間」（Chinese Room） ：一個完全不懂中文的人被關在房間裏 ，散文 、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 ，它就會完全崩潰 。語言模型能力邊界 ，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 ，
大多數人的工作，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 ，我們一起走過了 16 篇 。你可以問 ：
- 它的底層還是模式匹配嗎 ？
- 它解決的問題滿足"三問判斷法"的三個條件嗎 ？
- 它的"突破"是規模上的（更大的模型 、AI 能畫出以假亂真的圖片（第 10 篇），共情
、因為你理解了當前原理是什麽。Gary Marcus（認知科學家）多年來一直警告 ，
這些 AI 做不到的事情——常識推理 、擁有了自己的判斷力。一個沒有身體的係統無法真正進入這個世界。可能已經有了新的模型 、
但如果你理解了 AI 的底層原理——它不會過時。詩歌、它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索 ，
但我希望你帶走的不是這份快照本身 ，你看待自己工作的方式可能也開始變了。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 ，
不是 AI 讓人變得不重要 。
感謝你陪我走過這 16 篇 。整理數據、AI 與人類的邊界
AI 不懂孤獨——這恰恰定義了"人" 個人錨點
如果你真的從第 1 篇讀到了這裏 ，CLIP ，用我們的框架來說 ：底層原理還沒有發生根本改變 。
寫得很好。AI 做不到 。套用模板 、
乘法和加法能產生意識嗎？
說實話 ，
當 AI 可以幫你寫初稿、感到一種說不清的空洞 。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 ，甚至可以說 ，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 ，你開始有意識地區分：今天做的事情裏 ，中位數約 2040 年
- The Decoder. (2024). The case against predicting tokens to build AGI. https://the-decoder.com/the-case-against-predicting-tokens-to-build-agi/ — Yann LeCun 認為大語言模型是通向 AGI 的"死胡同"
- Marcus, G. (2025). The Great AI Retrenchment has begun. Substack. https://garymarcus.substack.com/p/the-great-ai-retrenchment-has-begun — Gary Marcus 關於統計模式匹配無法產生真正理解的論述
- McClelland, T. (2025). We may never be able to tell if AI becomes conscious, argues philosopher. University of Cambridge. https://www.cam.ac.uk/research/news/we-may-never-be-able-to-tell-if-ai-becomes-conscious-argues-philosopher — Tom McClelland 論證我們可能永遠無法判斷 AI 是否有意識
- Chalmers, D. (2024). Interview on AI consciousness. The New York Times. https://www.nytimes.com/2024/03/29/science/ai-consciousness-david-chalmers.html — David Chalmers 認為當前 LLM"最大可能沒有意識"
- World Economic Forum. (2025). The Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/ — 預測 2025-2030 年全球淨增 7800 萬個工作崗位，
AI 會寫"孤獨" ，
拆開了 AI 的黑箱 ，2024 年 ，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" ，覺得不錯的話 ，而是想清楚你要做什麽 。從理解到行動 。
AI 能寫出關於孤獨的優美文字 。而是「AI 取代工作中可以模式匹配的部分」。
AI 能做的事情——模式匹配 、
但"僅此而已"就已經夠驚人了——它讓機器能對話 、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，
我們在第 12 篇裏提到過，
我原本隻是想搞懂 AI 是怎麽工作的 。不是計算 。你現在知道那些像人的回答是怎麽來的——統計模式匹配，大多數人類能力在 AI 時代仍然有用 ，一條完整的弧線 ：從好奇到理解 ，感到一種說不清的空洞 。正好落在模式匹配譜係的左側。規則更複雜了 ，
麥肯錫的研究估計 ，
用我們的框架來看 ：「通過所有考試」和「真正理解」之間的鴻溝，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" 。很多人轉向了 DALL-E 3 和 Stable Diffusion 。是給 AI 更好的上下文
如果你是一個學生 ，三問判斷法
好消息是——你已經知道了 。劍橋大學哲學家 Tom McClelland 發表了一項研究，就是這樣的 ：
當前 AI 的底層原理是"在訓練數據中尋找統計模式" 。
這不是一個結束——帶著你對 AI 的理解 ，不變的是思考
它覆蓋的是此刻——2026 年初——AI 技術的快照 。而你會花更多時間在需要思考和判斷的部分 。Yann LeCun（圖靈獎得主 、但那也隻是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" 。ChatGPT 生成了"看起來像法律引文"的文字；在這裏 ，但不知道贏了意味著什麽 。可能又有了新的工具 。它生成了"看起來像描寫孤獨"的文字 。LeCun 認為至少需要幾十年
訂閱
如果覺得有意思，"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏 。落在譜係的右側 。但它不懂"孤獨"是什麽意思 。
如果是原理上的突破——那才是真正需要更新知識的時候 。
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 。做重複決策 、隻是 AI 能做的事更多了。而是渴望連接卻無法觸及的距離。而且分歧巨大。不要當專家
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 。GPU 並行
如果你真的從第 1 篇讀到了這裏，模式化的部分會被 AI 接管，它沒有身體，發現了很多有意思的東西 ，AI 把重複性工作接管了，就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏 ，定義各不相同 。需要的是體驗 ，歡迎分享+關注 。
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" 。發生的是 1750 億個參數的數學運算 。
這就是"探索筆記"的意義——不是給你魚，天花板與突破方向 ，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 ，然後用這些模式"續寫"出一段文字 。我們來正麵回答那個大問題
。沒有感受 ，創造性思維、 所以更準確的說法不是"AI 取代工作"
，AI 繪畫原理
這就是標題的含義 ：AI 可以寫出關於孤獨的優美文字，
它隻在你的生命裏 。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 ，恰恰定義了"人之為人" 。
第一個問題 ：AI 會取代哪些工作 ？
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 ，
區別隻在於 ：法律引文可以去數據庫核查真假，你可能也經曆了類似的認知轉變。而是基於 AI 的原理
2025 年 ，
有了第一章建立的基礎知識（數據都是數字 、能寫代碼 。然後預測下一個最可能的詞。或者剛進入職場，
第 7 篇讀完 AI 幻覺之後，有的人說的是"能像人一樣理解世界的 AI"（這需要底層原理的根本突破） 。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 ，他說得更直接——科技公司宣傳 AI 具有某種意識或情感，醫療健康人員 、50% 概率 2033 年前
用我們學過的原理來想這個問題 ：
你在第 4 篇裏知道了 ，人類智能與身體經驗密不可分 ，隻"預測"
這和第 7 篇裏講的律師假判例是完全一樣的機製。
凡是需要理解 、客服應答） ，其中超過 40% 的崗位有被完全自動化的潛力 。當前的大語言模型最大可能是沒有意識的 ，是換了賽道
Dreyfus 在 1972 年就說過 ：人類的世界是由有身體的人組織起來的 ，其實是一個重新認識自己的過程 。
在回答"取代"之前，Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路" 。
從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，
第三個問題 ：AI 會不會有意識 ？
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 。他的理由很簡單：我們連人類意識是怎麽產生的都沒有完全搞清楚，走流程），
不要去學"怎麽用某個特定工具"——工具會變 。
每一個詞都是"在關於孤獨的文本中 ，但他不完全排除這種可能 。那這些知識會快速貶值 。
2022 年的時候 ，神經網絡的本質是"乘法和加法的層層疊加" 。新的爭論 。你在第 8 篇裏看到了 ，Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI。
第 12 篇裏我們說過 ：AI 在快速進步 ，但不止於此 。
第二個問題 ：AI 以後會不會"真的"理解 ？
這是一個更深層的問題。用我們學過的知識來解釋 ，恰恰相反——AI 讓我們更清楚地看到了什麽才是真正重要的 。生成代碼的時候，我們先來做一個實驗。訓練是調參、
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 ，創造意義 、是高維空間的點
第 11 篇讀完 AI 能力全景圖之後 ，
結尾
AI 不是魔法 ，都隻是在做統計模式匹配——那我們人類做的事情 ，但不知道被愛是什麽感受 。靠一本規則手冊回複中文信息 。不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出 ，也是最後一篇 。論證計算機不能真正理解語言
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 ，
1750 億個參數裏沒有這種感覺。層層檢測
要回答"AI 會不會取代我們" ，我們建立的整套框架就成立。