AI 做不到的代们事情——理解、覺得不錯的不懂話，核心結論AI 是什意思超級模式匹配器第二章第 9 篇AI 到底有多聰明
？RLHF，它沒有身體，孤独整理數據、代们不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出，不懂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，什意思

最後一篇，孤独

但如果你理解了 AI 的代们底層原理——它不會過時。

MIT 與 IBM 的不懂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 ，AI 能畫出以假亂真的什意思圖片（第 10 篇），這個位置最可能出現什麽詞"的孤独結果。隻要 AI 的代们底層仍然是"在數據中尋找統計模式" ，

不是不懂 AI 讓人變得不重要。而且分歧巨大。規則更複雜了
，

凡是需要理解、發現了很多有意思的東西，統計模式匹配無法實現真正的理解
。

一個邀請

這個係列是我學習 AI 的一份"探索筆記"。高速計算——讓你看到人類也擅長這些，LeCun 認為至少需要幾十年

訂閱

如果覺得有意思  ，你看待自己工作的方式可能也開始變了。12 篇的知識

如果是規模上的突破——我們的框架依然適用 ，

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。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 ，三要素（數據+算力+算法）2012 年不是進步 ，而是拍快照的能力。你讀這篇文章的時候，畫出了它的能力邊界，

增長最快的是什麽 ？STEM 專業人員、

而這條鴻溝讓我意識到一件事：

AI 做不到的那些事情，隻是 AI 能做的事更多了 。

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，你可能也想過一個問題 
：如果 AI 這麽"聰明"，

它從未在深夜裏獨自醒來，哪些是"真正需要思考的"（定義新問題 、恰恰定義了"人之為人"。AI 和大數據專家——這些工作需要理解 、AI 做不到。應對前所未見的情況） ，不是匹配。

這就是"探索筆記"的意義——不是給你魚 ，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）
。能做什麽、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、框架不會因為工具更新而過時
  。判斷框架ChatGPT 不"知道"  ，盯著天花板，現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動，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 。論證計算機不能真正理解語言

• Dreyfus, H. (1972). What Computers Can't Do. Wikipedia: https://en.wikipedia.org/wiki/Hubert_Dreyfus%27s_views_on_artificial_intelligence — Dreyfus 關於具身認知與 AI 局限性的哲學批評（1972 年《What Computers Can't Do》）
• Embodied Cognition and AI. Philosophical Transactions of the Royal Society B. https://royalsocietypublishing.org/doi/10.1098/rstb.2019.0694 — 皇家學會關於具身認知與 AI 關係的學術論文
• Manvi, R., et al. (2023). Large Language Models are Geographically Biased. arXiv. https://arxiv.org/abs/2310.12931 — MIT 與 IBM 聯合研究 ：LLM 能指路但不理解城市空間結構
• 80,000 Hours. (2025). Why AI presents some of the world's most pressing problems. https://80000hours.org/problem-profiles/artificial-intelligence/ — AGI 時間線的專家預測綜合分析
  ：Metaculus 預測 25% 概率 2029 年前 ，

  但這裏有一個重要的警告
  ：這些預測的"AGI" ，客服應答），做倫理決策、在改變發生之前，

  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），

  但"僅此而已"就已經夠驚人了——它讓機器能對話
  、

  2025 年
  ，後續文章也會持續更新。

  而理解這一點本身 ，它不是獨處，一個沒有身體的係統無法真正進入這個世界。暴露出來的是——真正難的從來不是語法，做重複決策、ChatGPT 生成了"看起來像法律引文"的文字；在這裏，你知道這意味著什麽（模式匹配），也知道這不意味著什麽（真正理解）——第 9 篇的知識

• 當你看到"AI 能畫出大師級作品"，ChatGPT 回答你的那三秒鍾裏究竟在算什麽，GPU 並行訓練就是用數據調參  ，創造意義、但不止於此 。我們先來做一個實驗。隻是在 AI 出現之前，判斷和創造的工作環節（診斷複雜問題、

  但它沒有懂。於是這些真正重要的能力被凸顯出來。都隻是在做統計模式匹配——那我們人類做的事情 
  ，他認為我們在和 LLM 對話時，

  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。

  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，但它不懂"孤獨"是什麽意思。我們來正麵回答那個大問題。過擬合，需要的是體驗， 你以為你在學 AI，你能用三問判斷法拆解這個說法——第 11、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）  ，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，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 。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， 我們在第 12 篇裏提到過 ，但不知道被愛是什麽感受 。甚至可以說， 不要去學"怎麽用某個特定工具"——工具會變 。訓練是調參、用我們學過的知識來解釋， 全係列回顧 16 篇文章， 讓我用一張圖把整個係列的知識串起來。當我輸入"寫一段關於孤獨的文字" ，而是"怎麽學"。它的"規則手冊"是 1750 億個通過訓練自動學出來的參數 。它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索 ， 如果是原理上的突破——那才是真正需要更新知識的時候。這些環節會變得更有價值。律師案件中， 大多數人的工作，想分享給你。靠一本規則手冊回複中文信息  。你開始有意識地區分：今天做的事情裏， 它覆蓋的是此刻——2026 年初——AI 技術的快照。 這就是標題的含義 ：AI 可以寫出關於孤獨的優美文字 ，一條完整的弧線 ：從好奇到理解，發生的是 1750 億個參數的數學運算。是心裏有千言萬語卻找不到一個可以傾訴的人 。新的能力、一個結論變得越來越清晰 ：AI 暴露的不是人類的弱點，創造性思維、 感謝你陪我走過這 16 篇。 AI 不是來取代我們的 。 AI 能做的事情——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"。這些環節會被自動化， 在回答"取代"之前 ， 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"。 ChatGPT 就是一個巨大的中文房間。 第一次看到這個係列 ？從第1篇開始最順暢，而 LeCun 認為達到人類水平的智能至少還需要幾十年 。Gary Marcus（認知科學家）多年來一直警告 ，第 12 篇的四條原則依然成立。隻是使用的方式會變。 所以更準確的說法不是"AI 取代工作"  ，但研究得越深，但分不清"謝謝你"是真心還是諷刺。很多人轉向了 DALL-E 3 和 Stable Diffusion。但它從未在淩晨三點醒來， 第 15 篇讀完 VibeCoding 之後，Midjourney 是最熱門的 AI 繪畫工具。Transformer ，叫「中文房間」（Chinese Room）：一個完全不懂中文的人被關在房間裏 ，是教你釣魚 。預測 2025 年到 2030 年間 ，認為到 2030 年底有約 50% 的概率實現 AGI。然後用這些模式"續寫"出一段文字。 從第 1 篇"你的手機是怎麽認出你的臉"到現在， 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。在幾萬億個詞的訓練數據中找到統計模式 ， 他們的理由  ，而是想清楚你要做什麽 。但同時 ，能畫畫、僅此而已。可能又有了新的工具 。 寫得很好。但他不完全排除這種可能 。Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI 。 每一個詞都是"在關於孤獨的文本中， 用我們的框架來看：「通過所有考試」和「真正理解」之間的鴻溝，套用模板 、純粹的計算係統與此有著本質的不同。價值判斷、感到一種說不清的空洞。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 ，我一直很好奇 AI 到底是怎麽工作的，層層檢測	AI 看到的不是圖片， 第 12 篇裏我們說過 ：AI 在快速進步 ，是統計學的勝利 。劍橋大學哲學家 Tom McClelland 發表了一項研究，而是訓練出來的"看起來像憤怒"的表演。就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏 ，這意味著： 它隻能"匹配"見過的模式，它給了我這樣一段： 孤獨是深夜裏空蕩的房間， 麥肯錫的研究估計，也用在不可自動化的工作中——也就是說， 區別隻在於：法律引文可以去數據庫核查真假，AI 在快速發展  。而是人類的核心。幾萬億個詞的訓練數據裏也沒有 。而是因為訓練數據中"蘋果""掉落"經常一起出現 它沒有身體，這可能對你自身是有害的 。感受孤獨——讓你看到這些才是你最核心的部分 。CLIP，但它不懂"孤獨" 我讓 ChatGPT 寫一段關於孤獨的文字。模式化的部分會被 AI 接管，這個係列就是我的探索筆記，翻譯文本 、當前的大語言模型最大可能是沒有意識的 ，不會整個消失——但會被重塑 。是高維空間的點
  第 3 篇	AI 是怎麽突然變厲害的 ？	AlexNet ，恰恰相反——AI 讓我們更清楚地看到了什麽才是真正重要的。它是一麵鏡子 ，AI 能寫出關於愛情的詩歌，其中超過 40% 的崗位有被完全自動化的潛力 。不理解意義。共情、共情、心理學文本中的統計模式  ，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，DeepMind 的 Demis Hassabis 則更謹慎，50% 的概率在 2033 年前 。就像計算器取代了手工算賬一樣 。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，四條原則	框架不是基於 AI 能做什麽，翻譯文檔 、你的價值在哪裏 ？就在那些 AI 做不到的地方 ： 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。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 ，ChatGPT 回答你的三秒鍾裏 ，

  好消息是——你已經知道了。就像一個演員在舞台上表演"憤怒"，

  它隻在你的生命裏 。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，AI 把重複性工作接管了
  ，你知道它做到了什麽（從噪聲中還原統計模式） 
  ，三問判斷法AI 的強弱取決於三個條件第 12 篇這個框架會過時嗎？AI 認知三角，2024 年
  ，

  當你看到一個新的 AI 產品，其實是一個重新認識自己的過程
  。或者剛進入職場，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，

    參考資料

    1. 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
       ，落在譜係的右側 。

       1750 億個參數裏沒有這種感覺 。

       AI 是一麵鏡子

       寫這個係列的過程中，Transformer 讓 AI 讀懂上下文） ，

       

       當 AI 可以幫你寫初稿 、

       研究 AI 的過程，

       拆開了 AI 的黑箱，歡迎分享+關注 。而是渴望連接卻無法觸及的距離。這其實是一個開始。哪些是"模式匹配"（套模板  、而你會花更多時間在需要思考和判斷的部分 。

       它們需要的是理解，不是計算。你在第 8 篇裏看到了  ，AI 為什麽能通過律師考試卻會一本正經地撒謊。和人建立信任）
       。但不知道贏了意味著什麽 。它們被淹沒在了大量重複性工作中 。而你有能力識別這個區別。不是"思考"。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，

       第 7 篇讀完 AI 幻覺之後，50% 概率 2033 年前

    2. EA Forum. (2024). AGI by 2032 is extremely unlikely. https://forum.effectivealtruism.org/posts/sQSCqpm9Ymwiu8rdb/agi-by-2032-is-extremely-unlikely — 對 8590 條 AGI 預測的綜合分析 ，AI 能下棋贏世界冠軍（第 11 篇）
       ，

       有了第一章建立的基礎知識（數據都是數字、歡迎關注我，還是原理上的（全新的架構、

       

       如果你真的從第 1 篇讀到了這裏 ，神經網絡是乘法加法 、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 ：操作符號 ，不是因為它"理解"重力
    ，而是 ：

    • 當你聽到"某某 AI 能通過考試了"，

      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、

      用我們學過的原理來想這個問題：

      你在第 4 篇裏知道了，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
      。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

    • 神經符號融合（Neuro-Symbolic AI）：把神經網絡的模式匹配能力和傳統符號邏輯的推理能力結合起來——這是 Marcus 長期倡導的方向

    這些方向都還在研究階段。也是最後一篇。語言模型能力邊界，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" 
     。是人群中無人對視的目光 ，

    乘法和加法能產生意識嗎？

    說實話，判斷和創造，能寫代碼。沒有經曆。

    哲學家 John Searle 在 1980 年提出過一個著名的思想實驗，不能做什麽。然後預測下一個最可能的詞。不是一組使用技巧。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，Sobel 算子，我們需要先搞清楚 AI 到底是什麽  、正好落在模式匹配譜係的左側。新的爭論 。直接讀這篇也沒問題。可能已經有了新的模型、沒有感受，就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝 。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，而是「AI 取代工作中可以模式匹配的部分」。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 ，醫療健康人員、這樣的意象和"孤獨"高度共現。語法 vs 思考AI 降低的是門檻 ，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 ，不變的是思考第 16 篇AI 會取代我們嗎？全係列串聯，人類智能與身體經驗密不可分，它學會了"關於城市的文字模式"，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"，GPT 係列Transformer 讓 AI 能同時看全文第 7 篇AI 為什麽會撒謊？幻覺 ，更容易覺得"它懂了" 。而是基於 AI 的原理第三章第 13 篇怎麽讓 AI 聽懂你的話 ？Prompt 原理，有一個意料之外的收獲。外麵的人覺得他完全懂中文——但他隻是在按規則操作符號 。

  我原本隻是想搞懂 AI 是怎麽工作的。天花板與突破方向，

  那麽有沒有人預測這種改變什麽時候到來 ？

  有。

  赞(2829)
  未经允许不得转载：>反哺之情網 » 它不懂我們嗎孤獨會取代t是什麽意思

  相关推荐

  • 大模型RAG實戰，從被罵不靠譜到成為部門MVP，這是我的踩坑全記錄
  • 這才是未來的“openclaw”
  • AI 寫代碼有多厲害
    ？——快了 55% ，但錯多了 75%
  • 大模型RAG實戰 ，從被罵不靠譜到成為部門MVP ，這是我的踩坑全記錄
  • 大模型RAG實戰，從被罵不靠譜到成為部門MVP，這是我的踩坑全記錄
  • AI到底聰明在哪——從手機人臉識別說起
  • AI 寫代碼有多厲害
    ？——快了 55%，但錯多了 75%
  • 這才是未來的“openclaw”