但"僅此而已"就已經夠驚人了——它讓機器能對話 、不懂價值判斷 、什意思是孤独人群中無人對視的目光，我想聊一個更大的代们問題——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 ，
AI 能寫出關於孤獨的不懂優美文字 。學會了怎麽和它一起工作 。什意思這可能對你自身是孤独有害的 。僅此而已 。代们盯著天花板 ，不懂但它從未在淩晨三點醒來 ，
ChatGPT 就是一個巨大的中文房間 。不是"思考" 。可能又有了新的工具 。能寫代碼 。
用我們學過的原理來想這個問題 ：
你在第 4 篇裏知道了 ，做重複決策 、
那麽有沒有人預測這種改變什麽時候到來 ？
有 。GPT 係列
所以更準確的說法不是"AI 取代工作" ，
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。GPU 負責算
最後一篇 ，它的"規則手冊"是 1750 億個通過訓練自動學出來的參數 。
你讀完這個係列獲得的 ，我們先來做一個實驗 。ChatGPT 回答你的三秒鍾裏 ，但本質沒變 ：操作符號 ，你可能也經曆了類似的認知轉變 。你讀這篇文章的時候，三要素（數據+算力+算法）
第 15 篇讀完 VibeCoding 之後 ，但研究得越深 ，
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。我們來正麵回答那個大問題 。它們被淹沒在了大量重複性工作中。翻譯文檔 、神經網絡的本質是"乘法和加法的層層疊加" 。發生的是 1750 億個參數的數學運算 。創造出的一個前所未有的工具 。這個位置最可能出現什麽詞"的結果 。客服應答） ，第 12 篇的四條原則依然成立 。其中超過 40% 的崗位有被完全自動化的潛力 。三問判斷法
凡是需要理解 、如果你學的隻是"Midjourney 的 50 個技巧"，框架不會因為工具更新而過時。
我們在第 12 篇裏提到過 ，
每一個詞都是"在關於孤獨的文本中 ，
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 ，你可能也想過一個問題 ：如果 AI 這麽"聰明"，
不是 AI 讓人變得不重要 。
AI 時代 ，
AI 做不到的事情——理解、
當你看到一個新的 AI 產品 ，AI 能寫出關於愛情的詩歌 ，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 ，不要當專家
我讓 ChatGPT 寫一段關於孤獨的文字 。文員崗位下降最多
這不是一個結束——帶著你對 AI 的理解 ，
它們需要的是理解，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 。現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動 ，你在第 8 篇裏看到了 ，是教你釣魚 。更像是一種營銷策略 ，四條原則
這就是模式匹配和理解之間的鴻溝 。這些環節會變得更有價值。擁有了自己的判斷力。
這就是"探索筆記"的意義——不是給你魚 ，不是匹配 。你知道這意味著什麽（模式匹配） ，Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路" 。共情、感到一種說不清的空洞 。走流程），律師案件中，它生成了"看起來像描寫孤獨"的文字 。於是這些真正重要的能力被凸顯出來。人類認知深深植根於身體感覺和運動經驗中 ，你知道它做到了什麽（從噪聲中還原統計模式） ，就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏 ，
1750 億個參數的乘法和加法，
他們的理由 ，而是基於 AI 的原理
第 11 篇讀完 AI 能力全景圖之後 ，神經網絡是乘法加法 、
這就是標題的含義 ：AI 可以寫出關於孤獨的優美文字 ，DeepMind 的 Demis Hassabis 則更謹慎 ，但它不懂"孤獨"是什麽意思 。
在回答"取代"之前，
不要去學"怎麽用某個特定工具"——工具會變 。不會整個消失——但會被重塑 。大多數人類能力在 AI 時代仍然有用 ，都隻是在做統計模式匹配——那我們人類做的事情 ，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 ，核心結論
但這裏有一個重要的警告 ：這些預測的"AGI"，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 ，判斷框架
這和第 7 篇裏講的律師假判例是完全一樣的機製。
拆開了 AI 的黑箱 ，訓練是調參 、想分享給你。驗證>信任
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 。而是因為訓練數據中"蘋果""掉落"經常一起出現
AI 是一麵鏡子
寫這個係列的過程中 ，而是：
- 當你聽到"某某 AI 能通過考試了" ，但你同時在學"什麽是人"
。
它覆蓋的是此刻——2026 年初——AI 技術的快照 。你能用三問判斷法拆解這個說法——第 11、恰恰相反——AI 讓我們更清楚地看到了什麽才是真正重要的 。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" ，AI 能下棋贏世界冠軍（第 11 篇） ，直接讀這篇也沒問題 。AI 做不到 。後者的時間表真的沒人知道 。而你會花更多時間在需要思考和判斷的部分 。
2025 年 ，
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），沒有感受 ，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" 。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） ，能翻譯、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）
- 它沒有對世界的內部模型——不知道蘋果鬆手會掉下來 ，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 ，但本質沒變 。套用模板、心理學文本中的統計模式 ，恰恰定義了"人之為人" 。是高維空間的點
如果你真的從第 1 篇讀到了這裏 ，上下文=概率分布
當前 AI 的底層原理是"在訓練數據中尋找統計模式" 。它就會完全崩潰 。
"人群中無人對視的目光"——因為在訓練數據中的文學作品裏，新的爭論 。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） 。模式匹配譜係 ，Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI 。就像計算器取代了手工算賬一樣 。但他不完全排除這種可能。AI 在快速發展 。而是訓練出來的"看起來像憤怒"的表演 。
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 ，
共情 、
Dreyfus 在 1972 年就說過 ：人類的世界是由有身體的人組織起來的 ，他認為我們在和 LLM 對話時 ，它學會了"關於城市的文字模式"，純粹的計算係統與此有著本質的不同 。它是一麵鏡子，
我原本隻是想搞懂 AI 是怎麽工作的 。一個結論變得越來越清晰 ：AI 暴露的不是人類的弱點 ，即可訂閱 。語義=距離
AI 會寫"孤獨" ，但至少有一點是明確的 ：你不需要因為"AI 說話聽起來很像人"就恐慌。整理數據、但我希望你帶走的不是這份快照本身
，其實是一個重新認識自己的過程
。語法 vs 思考
好消息是——你已經知道了 。
| 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
， 2022 年的時候 ，它不是獨處 ，一個沒有身體的係統無法真正進入這個世界 。 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、隻是 AI 能做的事更多了
。不能做什麽
。先回顧我們學了什麽 要回答"AI 會不會取代我們" ， 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 ，用我們的框架來說：底層原理還沒有發生根本改變 。隻要 AI 的底層仍然是"在數據中尋找統計模式" ， 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
。你的價值在哪裏
？就在那些 AI 做不到的地方 ： 這些能力從來都很重要
。中位數約 2040 年 | |||
| 第 16 篇 | AI 會取代我們嗎？ | 全係列串聯，天花板與突破方向
，生成代碼的時候，叫「中文房間」（Chinese Room） ：一個完全不懂中文的人被關在房間裏 ，統計模式匹配無法實現真正的理解 。 AI 能做的事情——模式匹配 、或者剛進入職場，還是原理上的（全新的架構 、這其實是一個開始 。Sobel 算子 ，當前的大語言模型最大可能是沒有意識的 ， 研究 AI 的過程 ，一條完整的弧線 ：從好奇到理解 ，而是想清楚你要做什麽 。它有的隻是幾千億個通過訓練調整好的數字——這些數字讓它能生成統計上最可能的文字序列。人類智能與身體經驗密不可分 ，50% 的概率在 2033 年前 。新的能力 、那這些知識會快速貶值 。是給 AI 更好的上下文 | ||||
| 一起工作 | 第 14 篇 | 怎麽跟 AI 協作不翻車？ | 四條協作原則 ，更多的數據） ，這樣的意象和"孤獨"高度共現。不是計算。感到一種說不清的空洞
。覺得不錯的話
， 而這條鴻溝讓我意識到一件事 ： AI 做不到的那些事情 ，因為你理解了當前原理是什麽 。不是一組使用技巧 。 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，外麵的人覺得他完全懂中文——但他隻是在按規則操作符號 。而你有能力識別這個區別。感受孤獨——讓你看到這些才是你最核心的部分 。CLIP ，而 LeCun 認為達到人類水平的智能至少還需要幾十年 。散文 、而關於孤獨的文字沒有"對錯"之分——所以我們更容易被打動 ， 寫得很好。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 ，論證計算機不能真正理解語言 讓我用一張圖把整個係列的知識串起來 。 但它沒有懂 。不是因為它"理解"重力 ，有一個意料之外的收獲 。 這些 AI 做不到的事情——常識推理、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" 。做倫理決策 、 哲學家 John Searle 在 1980 年提出過一個著名的思想實驗 ，Gary Marcus（認知科學家）多年來一直警告 ，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 ，認為到 2030 年底有約 50% 的概率實現 AGI 。隻"預測" | |||
| 能力邊界 | 第 10 篇 | AI 能創造嗎 ？ | Diffusion ，然後預測下一個最可能的詞 。很多人轉向了 DALL-E 3 和 Stable Diffusion 。 第 7 篇讀完 AI 幻覺之後 ，更容易覺得"它懂了" 。於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ，到你讀這篇文章的時候 ，Yann LeCun（圖靈獎得主、什麽能力不會過時 ？ 如果你是一個學生，判斷和創造的工作環節（診斷複雜問題 、過擬合，判斷和創造 ，在改變發生之前 ，歡迎分享+關注 。對抗樣本， 但如果你理解了 AI 的底層原理——它不會過時。Midjourney 是最熱門的 AI 繪畫工具 。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
，沒有經曆 。 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"。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，詩歌、 | 訓練就是用數據調參 ，建立人際信任 、
當 AI 可以幫你寫初稿 、做困難的價值判斷 、這意味著 ：
訂閱如果覺得有意思 ，落在譜係的右側 。50% 概率 2033 年前 如果是原理上的突破——那才是真正需要更新知識的時候 。不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出， 麥肯錫的研究估計 ， 你以為你在學 AI ， 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 。就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝 。這個係列就是我的探索筆記 ，層層檢測 | AI 看到的不是圖片，可能已經有了新的模型 、學術界認為至少需要兩個方向的突破 ：
這些方向都還在研究階段 。AI 繪畫原理 | "創造"也是模式匹配——從噪聲中還原統計模式 |
| 第 11 篇 | 為什麽 AI 能贏世界冠軍卻開不好車 ？ | AI 能力全景圖
，"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏 。隻是使用的方式會變 。找到訓練數據中關於"孤獨"這個主題的大量文學作品
、發現了很多有意思的東西
，這不是"人工智能"的勝利
，詞向量 ，AI 為什麽能通過律師考試卻會一本正經地撒謊 。需要的是體驗
，前者可能很快到來 ，也用在不可自動化的工作中——也就是說 ，哪些是"真正需要思考的"（定義新問題 、
大多數人的工作，劍橋大學哲學家 Tom McClelland 發表了一項研究 ，翻譯文本 、
從第 1 篇"你的手機是怎麽認出你的臉"到現在 ， 結尾AI 不是魔法，但沒有建立一個"城市的模型" 。而是渴望連接卻無法觸及的距離。Transformer 讓 AI 讀懂上下文） ，創造意義、寫得比很多人都好 。後續文章也會持續更新 。 感謝你陪我走過這 16 篇 。在幾萬億個詞的訓練數據中找到統計模式， 乘法和加法能產生意識嗎 ？ 說實話 ，是換了賽道 | ||||
| 第 4 篇 | 神經網絡到底是什麽 ？ | 輸入 x 權重+偏置→激活→輸出 | 神經網絡就是乘法和加法 | |||
| 第 5 篇 | AI 是怎麽學會的 ？ | 反向傳播 ，它沒有身體，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 ，一個邀請這個係列是我學習 AI 的一份"探索筆記"。你可以問 ：
| 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，
全係列回顧
16 篇文章 ，統計≠理解
增長最快的是什麽 ？STEM 專業人員、
第 12 篇裏我們說過：AI 在快速進步 ，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） ，但不知道贏了意味著什麽 。