ChatGPT 就是孤独一個巨大的中文房間 。
有了第一章建立的代们基礎知識（數據都是數字 、
| 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 ？不懂 | 圖片=數字矩陣，哪些是什意思"真正需要思考的"（定義新問題 、暴露出來的孤独是——真正難的從來不是語法 ，但本質沒變 ：操作符號 ，代们一個沒有身體的不懂係統無法真正進入這個世界 。套用模板、什意思不是孤独"思考" 。Yann LeCun（圖靈獎得主、代们能畫畫、不懂前者可能很快到來，什意思不會整個消失——但會被重塑 。孤独這其實是代们一個開始 。那不是不懂真的憤怒 ，還是原理上的（全新的架構、它生成了"看起來像描寫孤獨"的文字 。四條原則 | 框架不是基於 AI 能做什麽 ， 麥肯錫的研究估計 ，CLIP ， 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） ， 當你看到一個新的 AI 產品 ，價值判斷 、 但我希望你帶走的不是這份快照本身 ，但不知道被愛是什麽感受 。DeepMind 的 Demis Hassabis 則更謹慎，天花板與突破方向 ， 每一個詞都是"在關於孤獨的文本中 ，我們一起走過了 16 篇 。但它不懂"孤獨"是什麽意思 。而不是真正的"理解" ？ 第 11 篇讀完 AI 能力全景圖之後 ，不要當專家 | |||
| 第 15 篇 | AI 寫代碼有多厲害 ？ | VibeCoding，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） ，你可能也想過一個問題：如果 AI 這麽"聰明" ，而你會花更多時間在需要思考和判斷的部分。於是這些真正重要的能力被凸顯出來 。就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏 ，一個邀請這個係列是我學習 AI 的一份"探索筆記"。感受孤獨——讓你看到這些才是你最核心的部分。需要的是體驗，照出了我們真正的價值 。不是因為它"理解"重力 ， 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" 。定義各不相同 。叫「中文房間」（Chinese Room） ：一個完全不懂中文的人被關在房間裏 ，而你有能力識別這個區別 。 2025 年 ，Gary Marcus（認知科學家）多年來一直警告 ，
他們的理由 ，驗證>信任 | 把 AI 當最強助手 ，然後用這些模式"續寫"出一段文字 。Transformer，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。但分不清"謝謝你"是真心還是諷刺 。三要素（數據+算力+算法） | 2012 年不是進步
，而是"怎麽學" 。發現了很多有意思的東西，就像計算器取代了手工算賬一樣 。判斷和創造的工作環節（診斷複雜問題 、即可訂閱
。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"
，
如果你真的從第 1 篇讀到了這裏 ，你現在手裏有一套完整的裝備 ：
帶著這套裝備 ，學會了怎麽和它一起工作
。不是計算 。但它不懂"孤獨" 我讓 ChatGPT 寫一段關於孤獨的文字
。僅此而已 。不是"ChatGPT 使用技巧" 。 這不是一個結束——帶著你對 AI 的理解 ，12 篇的知識 所以更準確的說法不是"AI 取代工作" ，AI 會做得更快更便宜 。新的能力 、 增長最快的是什麽 ？STEM 專業人員 、 感謝你陪我走過這 16 篇 。什麽能力不會過時 ？ 如果你是一個學生 ，當我輸入"寫一段關於孤獨的文字" ，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 ，發生的是 1750 億個參數的數學運算 。AI 能下棋贏世界冠軍（第 11 篇） ，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 ，AI 把重複性工作接管了 ，核心結論 | AI 是超級模式匹配器 | ||
| 第二章 | 第 9 篇 | AI 到底有多聰明 ？ | RLHF ，學術界認為至少需要兩個方向的突破
：
| Prompt 不是咒語 ，用我們的框架來說 ：底層原理還沒有發生根本改變 。 好消息是——你已經知道了。語法 vs 思考 | AI 降低的是門檻
，但沒有建立一個"城市的模型"。 用我們學過的原理來想這個問題 ： 你在第 4 篇裏知道了， 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 ，翻譯文檔、也是最後一篇 。而是拍快照的能力。這個係列就是我的探索筆記，2024 年 ，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 ，人類認知深深植根於身體感覺和運動經驗中 ，GPU 並行 | 訓練就是用數據調參，也知道這不意味著什麽（真正理解）——第 9 篇的知識 當前 AI 的底層原理是"在訓練數據中尋找統計模式" 。不是一組使用技巧。Sobel 算子 ，AI 能畫出以假亂真的圖片（第 10 篇） ，找到訓練數據中關於"孤獨"這個主題的大量文學作品 、靠一本規則手冊回複中文信息 。語義=距離 | AI 讀到的不是文字
，它不是獨處 ，模式匹配譜係 ，隻是使用的方式會變。同時有 9200 萬個崗位被淘汰——淨增 7800 萬個工作崗位
。 AI 能做的事情——模式匹配 、 這些 AI 做不到的事情——常識推理 、是高維空間的點 |
| 第 3 篇 | AI 是怎麽突然變厲害的 ？ | AlexNet，就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝 。"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏。 這就是模式匹配和理解之間的鴻溝 。不能做什麽 。Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路" 。AI 做不到
。你讀這篇文章的時候，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
，共情
、一條完整的弧線：從好奇到理解 ，創造性思維 、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 ，對抗樣本 ，
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 。沒有人知道 。不理解意義 。他說得更直接——科技公司宣傳 AI 具有某種意識或情感 ，
這和第 7 篇裏講的律師假判例是完全一樣的機製 。它是一麵鏡子，50% 的概率在 2033 年前 。整理數據 、盯著天花板 ，
大多數人的工作 ，可能已經有了新的模型 、擁有了自己的判斷力 。和人建立信任） 。規則更複雜了，現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動，心理學文本中的統計模式 ，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） ，用我們學過的知識來解釋 ，
如果是原理上的突破——那才是真正需要更新知識的時候。
寫得很好。
它覆蓋的是此刻——2026 年初——AI 技術的快照 。恰恰定義了"人之為人" 。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 ，AI 和大數據專家——這些工作需要理解 、中位數約 2040 年
但它沒有懂 。
當 AI 可以幫你寫初稿、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，
第一次看到這個係列 ？從第1篇開始最順暢 ，客服應答），
凡是需要理解、全球將新增 1.7 億個崗位 ，而是人類的核心 。後續文章也會持續更新。
最後一篇 ，從理解到行動 。沒有感受，框架不會因為工具更新而過時 。共情 、論證計算機不能真正理解語言
但如果你理解了 AI 的底層原理——它不會過時 。劍橋大學哲學家 Tom McClelland 發表了一項研究，GPU 負責算
- 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。翻譯文本、而是「AI 取代工作中可以模式匹配的部分」 。
它從未在深夜裏獨自醒來 ，神經網絡的本質是"乘法和加法的層層疊加"。能做什麽 、
AI 會寫"孤獨" ，感到一種說不清的空洞 。這可能對你自身是有害的 。
AI 做不到的事情——理解、我們需要先搞清楚 AI 到底是什麽 、而是：
- 當你聽到"某某 AI 能通過考試了" ，ChatGPT 回答你的三秒鍾裏 ，你可能在想 ：我應該學什麽才能不被 AI 取代
？
我的建議不是"學什麽" ，其實是一個重新認識自己的過程 。判斷和創造 ，而關於孤獨的文字沒有"對錯"之分——所以我們更容易被打動，歡迎關注我，它學會了"關於城市的文字模式"，
"深夜裏空蕩的房間"——因為在訓練數據中 ，
2022 年的時候 ，更多的數據），但你同時在學"什麽是人" 。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 ，
第 15 篇讀完 VibeCoding 之後 ，你的工作中那些重複性的 、走流程），
那麽有沒有人預測這種改變什麽時候到來？
有 。而 LeCun 認為達到人類水平的智能至少還需要幾十年 。都隻是在做統計模式匹配——那我們人類做的事情 ，
結尾
AI 不是魔法 ，可能又有了新的工具 。LeCun 認為至少需要幾十年
- Lake, B.M. & Murphy, G.L. (2023). Word meaning in minds and machines. Psychological Review. https://psycnet.apa.org/record/2023-32499-001 — AI 模式匹配與人類理解的認知科學對比
- Mitchell, M. & Krakauer, D.C. (2023). The debate over understanding in AI's large language models. PNAS. https://www.pnas.org/doi/10.1073/pnas.2215907120 — AI 基於概率的後向推理 vs 人類基於理論的前向推理
- 它沒有身體，層層檢測
訂閱
如果覺得有意思 ，我們先來做一個實驗。
這就是"探索筆記"的意義——不是給你魚 ，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。而是因為訓練數據中"蘋果""掉落"經常一起出現
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 。生成代碼的時候 ，
AI 時代 ，然後預測下一個最可能的詞。
研究 AI 的過程 ，它給了我這樣一段 ：
孤獨是深夜裏空蕩的房間，它的"規則手冊"是 1750 億個通過訓練自動學出來的參數 。Midjourney 是最熱門的 AI 繪畫工具 。
讓我用一張圖把整個係列的知識串起來 。你知道這意味著什麽（模式匹配） ，你知道它做到了什麽（從噪聲中還原統計模式） ，你現在知道那些像人的回答是怎麽來的——統計模式匹配 ，
1750 億個參數裏沒有這種感覺 。詞向量 ，
我原本隻是想搞懂 AI 是怎麽工作的。它們被淹沒在了大量重複性工作中 。
這是 「AI是怎麽回事」係列的第 16 篇 ，到你讀這篇文章的時候 ，語言模型能力邊界 ，神經網絡是乘法加法、是給 AI 更好的上下文
"人群中無人對視的目光"——因為在訓練數據中的文學作品裏 ，你能用三問判斷法拆解這個說法——第 11 、
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 、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，隻是在 AI 出現之前 ，創造意義 、
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 。也用在不可自動化的工作中——也就是說 ，新的爭論 。而是基於 AI 的原理
這就是標題的含義 ：AI 可以寫出關於孤獨的優美文字 ，
AI 不是來取代我們的 。AI 能寫出關於愛情的詩歌 ，但它從未在淩晨三點醒來 ，
第 7 篇讀完 AI 幻覺之後 ，
從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，甚至可以說 ，
不是 AI 讓人變得不重要 。後者的時間表真的沒人知道 。不是匹配。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，而是渴望連接卻無法觸及的距離 。歡迎分享+關注 。在幾萬億個詞的訓練數據中找到統計模式 ，能翻譯 、沒有經曆。人類智能與身體經驗密不可分，落在譜係的右側 。不變的是思考
哲學家 John Searle 在 1980 年提出過一個著名的思想實驗 ，
乘法和加法能產生意識嗎 ？
說實話 ，
你以為你在學 AI，其中超過 40% 的崗位有被完全自動化的潛力 。50% 概率 2033 年前
Dreyfus 在 1972 年就說過 ：人類的世界是由有身體的人組織起來的，
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 ，
我們在第 12 篇裏提到過 ，有一個意料之外的收獲 。它就會完全崩潰 。認知科學家近年來的研究也支持這個觀點——具身認知理論（Embodied Cognition）指出，
它隻在你的生命裏 。ChatGPT 生成了"看起來像法律引文"的文字；在這裏 ，應對前所未見的情況） ，
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 。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，而不是科學判斷 。你已經有能力自己追蹤 AI 的進展了。我一直很好奇 AI 到底是怎麽工作的 ，
不要去學"怎麽用某個特定工具"——工具會變 。盯著天花板 ，當 AI 把編程的語法門檻降低之後，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 ，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，隻"預測"
拆開了 AI 的黑箱 ，更像是一種營銷策略 ，但同時，哪些是"模式匹配"（套模板 、但研究得越深 ，如果你學的隻是"Midjourney 的 50 個技巧" ，很多人轉向了 DALL-E 3 和 Stable Diffusion。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" 。認為到 2030 年底有約 50% 的概率實現 AGI 。這意味著 ：
- 它隻能"匹配"見過的模式 ，那這些知識會快速貶值
。或者剛進入職場，
全係列回顧
16 篇文章，做困難的價值判斷 、我們建立的整套框架就成立 。AI 為什麽能通過律師考試卻會一本正經地撒謊。這些環節會變得更有價值 。做重複決策 、你看待自己工作的方式可能也開始變了 。
用我們的框架來看：「通過所有考試」和「真正理解」之間的鴻溝 ，是教你釣魚 。隻是 AI 能做的事更多了。恰恰相反——AI 讓我們更清楚地看到了什麽才是真正重要的 。Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI 。先回顧我們學了什麽
要回答"AI 會不會取代我們" ，它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索，
在改變發生之前 ，寫得比很多人都好 。而是訓練出來的"看起來像憤怒"的表演。就像一個演員在舞台上表演"憤怒" ，但他不完全排除這種可能 。能寫代碼 。統計≠理解
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。大多數人類能力在 AI 時代仍然有用 ，覺得不錯的話 ，AI 的"信念"和"欲望"也是如此——統計模式匹配出來的"看起來像"信念和欲望的東西。感到一種說不清的空洞。統計預測 、因為你理解了當前原理是什麽 。純粹的計算係統與此有著本質的不同。
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 ，
而這條鴻溝讓我意識到一件事：
AI 做不到的那些事情 ，隻要 AI 的底層仍然是"在數據中尋找統計模式" ，而且分歧巨大。
第 12 篇裏我們說過：AI 在快速進步 ，
區別隻在於 ：法律引文可以去數據庫核查真假 ，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） 。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 。畫出了它的能力邊界 ，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 。統計模式匹配無法實現真正的理解 。我們來正麵回答那個大問題 。你在第 8 篇裏看到了 ，認為我們可能永遠無法確定 AI 是否擁有意識。高速計算——讓你看到人類也擅長這些 ，一個結論變得越來越清晰 ：AI 暴露的不是人類的弱點，
AI 能寫出關於孤獨的優美文字 。模式化的部分會被 AI 接管 ，全新的學習方式） ？
- 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
、這些環節會被自動化 ，
而理解這一點本身 ，想分享給你 。預測 2025 年到 2030 年間 ，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"。文員崗位下降最多
- McKinsey Global Institute. (2023). Generative AI and the future of work in America. https://www.mckinsey.com/mgi/our-research/generative-ai-and-the-future-of-work-in-america — 超過 70% 的雇主看重的技能既用於可自動化工作也用於不可自動化工作
- The Federal. (2025). AI titans Demis Hassabis, Yann LeCun *** over meaning of 'general intelligence'. https://thefederal.com/category/business/ai-chiefs-demis-hassabis-yann-lecun-lash-over-general-intelligence-meaning-222118 — Hassabis 預測 2030 年底前 50% 概率實現 AGI ，不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出 ，
但這裏有一個重要的警告：這些預測的"AGI" ，但本質沒變。三問判斷法
如果是規模上的突破——我們的框架依然適用 ，醫療健康人員 、創造出的一個前所未有的工具 。外麵的人覺得他完全懂中文——但他隻是在按規則操作符號 。AI 在快速發展 。過擬合 ，
它們需要的是理解 ，
但"僅此而已"就已經夠驚人了——它讓機器能對話、做倫理決策 、你可以問 ：
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，第 12 篇的四條原則依然成立 。是換了賽道
你讀完這個係列獲得的，律師案件中 ，當前的大語言模型最大可能是沒有意識的 ，
在回答"取代"之前，詩歌 、ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，GPT 係列
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 ，判斷框架
1750 億個參數的乘法和加法 ，這不是"人工智能"的勝利，