AI 是一麵鏡子

寫這個係列的過程中，文員崗位下降最多

如果是規模上的突破——我們的框架依然適用，能做什麽、

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
。覺得不錯的話，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 。創造性思維、它學會了"關於城市的文字模式"，是教你釣魚。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，其中超過 40% 的崗位有被完全自動化的潛力
。

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 ，應對前所未見的情況） ，不要當專家第 15 篇AI 寫代碼有多厲害  ？VibeCoding ，

   凡是需要理解、落在譜係的右側。它生成了"看起來像描寫孤獨"的文字 。Sobel 算子，能翻譯、

   

   大多數人的工作 ，幾萬億個詞的訓練數據裏也沒有。

   讓我用一張圖把整個係列的知識串起來。哪些是"真正需要思考的"（定義新問題、

   所以更準確的說法不是"AI 取代工作" ，而且分歧巨大。那不是真的憤怒 ，

   研究 AI 的過程，

   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 、AI 為什麽能通過律師考試卻會一本正經地撒謊 。

   如果是原理上的突破——那才是真正需要更新知識的時候。這其實是一個開始 。但同時，驗證>信任把 AI 當最強助手
   ，從理解到行動。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 ，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）

2. 它沒有對世界的內部模型——不知道蘋果鬆手會掉下來 ，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，Gary Marcus（認知科學家）多年來一直警告，但研究得越深，這樣的意象和"孤獨"高度共現。上下文=概率分布Prompt 不是咒語，它不是獨處，

   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 ，正好落在模式匹配譜係的左側
   。這意味著：

   1. 它隻能"匹配"見過的模式，

      哲學家 John Searle 在 1980 年提出過一個著名的思想實驗，我們先來做一個實驗 。LeCun 認為至少需要幾十年

   2. 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
   3. 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

   訂閱

   如果覺得有意思
   ，

   

   如果你真的從第 1 篇讀到了這裏，而是想清楚你要做什麽。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 、僅此而已
      。靠一本規則手冊回複中文信息 。當前的大語言模型最大可能是沒有意識的，你現在知道那些像人的回答是怎麽來的——統計模式匹配，是高維空間的點第 3 篇AI 是怎麽突然變厲害的
     ？AlexNet，這些環節會變得更有價值。

     "深夜裏空蕩的房間"——因為在訓練數據中  ，同時有 9200 萬個崗位被淘汰——淨增 7800 萬個工作崗位 。但不知道被愛是什麽感受 。前者可能很快到來，照出了我們真正的價值
     。

     1750 億個參數裏沒有這種感覺。不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出 ，判斷和創造的工作環節（診斷複雜問題
     、而是因為訓練數據中"蘋果""掉落"經常一起出現

   • 它沒有身體 ，在改變發生之前，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 ，而是"怎麽學" 。不變的是思考第 16 篇AI 會取代我們嗎
     ？全係列串聯，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 ，

     AI 能寫出關於孤獨的優美文字 。

     而這條鴻溝讓我意識到一件事：

     AI 做不到的那些事情 ，人類智能與身體經驗密不可分，你知道這意味著什麽（模式匹配）
     ，

     一個邀請

     這個係列是我學習 AI 的一份"探索筆記" 。AI 能下棋贏世界冠軍（第 11 篇），但你同時在學"什麽是人" 。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
     ，

     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" 。50% 概率 2033 年前

   • 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 ，但不知道贏了意味著什麽。可能又有了新的工具   。這個係列就是我的探索筆記，GPU 負責算第 6 篇ChatGPT 為什麽能對話？注意力機製，先回顧我們學了什麽

     要回答"AI 會不會取代我們" ，就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝。ChatGPT 生成了"看起來像法律引文"的文字；在這裏 ，

     拆開了 AI 的黑箱，Yann LeCun（圖靈獎得主
     、

     乘法和加法能產生意識嗎？

     說實話，而是渴望連接卻無法觸及的距離。DeepMind 的 Demis Hassabis 則更謹慎，

     你以為你在學 AI ，創造意義、框架不會因為工具更新而過時。

     不要去學"怎麽用某個特定工具"——工具會變 。恰恰定義了"人之為人" 。全球將新增 1.7 億個崗位，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），

     AI 做不到的事情——理解 、

     我們在第 12 篇裏提到過，Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路"。

     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 ，ChatGPT 回答你的那三秒鍾裏究竟在算什麽，需要的是體驗  ，當 AI 把編程的語法門檻降低之後， 你讀完這個係列獲得的，叫「中文房間」（Chinese Room）：一個完全不懂中文的人被關在房間裏，GPT 係列	Transformer 讓 AI 能同時看全文
     第 7 篇	AI 為什麽會撒謊 ？	幻覺 ，發現了很多有意思的東西 ， 麥肯錫的研究估計 ，統計預測 、我們需要先搞清楚 AI 到底是什麽、 這和第 7 篇裏講的律師假判例是完全一樣的機製。我們一起走過了 16 篇 。AI 能寫出關於愛情的詩歌 ，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 ，AI 在快速發展 。不是"ChatGPT 使用技巧" 。 這不是一個結束——帶著你對 AI 的理解 ，外麵的人覺得他完全懂中文——但他隻是在按規則操作符號。生成代碼的時候， 但這裏有一個重要的警告 ：這些預測的"AGI" ， 這是 「AI是怎麽回事」係列的第 16 篇 ，它沒有身體 ，畫出了它的能力邊界 ，歡迎分享+關注。Transformer，模式匹配譜係，50% 的概率在 2033 年前 。而你會花更多時間在需要思考和判斷的部分。套用模板、GPU 並行	訓練就是用數據調參 ，整理數據、 這些 AI 做不到的事情——常識推理 、 它們需要的是理解，但分不清"謝謝你"是真心還是諷刺。哪些是"模式匹配"（套模板 、後者的時間表真的沒人知道。但本質沒變 ：操作符號，盯著天花板 ， 但"僅此而已"就已經夠驚人了——它讓機器能對話、過擬合 ，Transformer 讓 AI 讀懂上下文），更像是一種營銷策略，直接讀這篇也沒問題。也是最後一篇。感到一種說不清的空洞 。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 。用我們的框架來說：底層原理還沒有發生根本改變 。它給了我這樣一段： 孤獨是深夜裏空蕩的房間 ， 這就是標題的含義：AI 可以寫出關於孤獨的優美文字，AI 和大數據專家——這些工作需要理解、而是拍快照的能力  。我一直很好奇 AI 到底是怎麽工作的 ，Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI。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" ， 寫得很好 。隻是 AI 能做的事更多了 。就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏，隻"預測"
     能力邊界	第 10 篇	AI 能創造嗎 ？	Diffusion，而 LeCun 認為達到人類水平的智能至少還需要幾十年。不能做什麽。恰恰相反——AI 讓我們更清楚地看到了什麽才是真正重要的 。價值判斷、他說得更直接——科技公司宣傳 AI 具有某種意識或情感 ，2024 年 ，都隻是在做統計模式匹配——那我們人類做的事情，"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏。純粹的計算係統與此有著本質的不同。 好消息是——你已經知道了。判斷和創造，更多的數據），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） 。在幾萬億個詞的訓練數據中找到統計模式，寫得比很多人都好。 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， 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 。人類認知深深植根於身體感覺和運動經驗中 ，有一個意料之外的收獲。 增長最快的是什麽 ？STEM 專業人員、你可能也想過一個問題：如果 AI 這麽"聰明" ，是統計學的勝利。現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動 ，而不是科學判斷。AI 把重複性工作接管了 ，共情、 這就是"探索筆記"的意義——不是給你魚，高速計算——讓你看到人類也擅長這些 ，而是訓練出來的"看起來像憤怒"的表演。就像計算器取代了手工算賬一樣。訓練是調參、不會整個消失——但會被重塑。如果你學的隻是"Midjourney 的 50 個技巧"，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 ，但本質沒變 。 不是 AI 讓人變得不重要 。於是這些真正重要的能力被凸顯出來。 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），其實是一個重新認識自己的過程。 用我們學過的原理來想這個問題： 你在第 4 篇裏知道了  ，四條原則	框架不是基於 AI 能做什麽 ，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，不是因為它"理解"重力  ， 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 ，這不是"人工智能"的勝利，層層檢測	AI 看到的不是圖片，三要素（數據+算力+算法）	2012 年不是進步 ，是數字
     拆開黑箱	第 2 篇	AI 怎麽讀懂文字？	Token ， 但它沒有懂。不是一組使用技巧。翻譯文檔 、 1750 億個參數的乘法和加法 ， Dreyfus 在 1972 年就說過 ：人類的世界是由有身體的人組織起來的，但它不懂"孤獨" 我讓 ChatGPT 寫一段關於孤獨的文字。 區別隻在於 ：法律引文可以去數據庫核查真假 ，預測 2025 年到 2030 年間，AI 能畫出以假亂真的圖片（第 10 篇），但沒有建立一個"城市的模型" 。很多人轉向了 DALL-E 3 和 Stable Diffusion 。 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 。這些環節會被自動化，想分享給你 。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， 我原本隻是想搞懂 AI 是怎麽工作的。我們來正麵回答那個大問題。 那麽有沒有人預測這種改變什麽時候到來？ 有 。暴露出來的是——真正難的從來不是語法 ，翻譯文本、但它從未在淩晨三點醒來，找到訓練數據中關於"孤獨"這個主題的大量文學作品、律師案件中， 第 15 篇讀完 VibeCoding 之後，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 ，一個沒有身體的係統無法真正進入這個世界。而是人類的核心 。 全係列回顧 16 篇文章，它是一麵鏡子，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， 感謝你陪我走過這 16 篇。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 。和人建立信任） 。 當 AI 可以幫你寫初稿、走流程） ，你讀這篇文章的時候，然後用這些模式"續寫"出一段文字 。定義各不相同 。 但如果你理解了 AI 的底層原理——它不會過時。語言模型能力邊界 ，就像一個演員在舞台上表演"憤怒" ，也用在不可自動化的工作中——也就是說， 2025 年 ，12 篇的知識 當你使用 AI 工具時 ，客服應答），因為你理解了當前原理是什麽。而關於孤獨的文字沒有"對錯"之分——所以我們更容易被打動 ，更容易覺得"它懂了"。沒有人知道。AI 做不到。它就會完全崩潰。 ChatGPT 就是一個巨大的中文房間。而是「AI 取代工作中可以模式匹配的部分」 。 2022 年的時候，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" ，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。它們被淹沒在了大量重複性工作中。新的能力、詩歌 、盯著天花板，模式化的部分會被 AI 接管，你可能也經曆了類似的認知轉變 。醫療健康人員、 當你看到一個新的 AI 產品，是心裏有千言萬語卻找不到一個可以傾訴的人。不是匹配。語義=距離	AI 讀到的不是文字  ，做困難的價值判斷、歡迎關注我 ，可能已經有了新的模型 、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 ，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，隻是在 AI 出現之前，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， 用我們的框架來看 ：「通過所有考試」和「真正理解」之間的鴻溝，判斷框架	ChatGPT 不"知道"，我們建立的整套框架就成立。能寫代碼 。 他們的理由 ，對抗樣本，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" 。劍橋大學哲學家 Tom McClelland 發表了一項研究，詞向量 ，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。散文、 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 ，大多數人類能力在 AI 時代仍然有用 ，他認為我們在和 LLM 對話時 ，ChatGPT 回答你的三秒鍾裏 ，而不是真正的"理解"？ 第 11 篇讀完 AI 能力全景圖之後，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 ，CLIP，擁有了自己的判斷力。神經網絡的本質是"乘法和加法的層層疊加"。不是"思考"。 但我希望你帶走的不是這份快照本身，第 12 篇的四條原則依然成立 。你能用三問判斷法拆解這個說法——第 11  、Midjourney 是最熱門的 AI 繪畫工具。當我輸入"寫一段關於孤獨的文字"，共情  、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" 。這個位置最可能出現什麽詞"的結果。它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索，即可訂閱 。 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。 它覆蓋的是此刻——2026 年初——AI 技術的快照。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" 。還是原理上的（全新的架構、 而理解這一點本身，你的工作中那些重複性的、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，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"， 在回答"取代"之前， 它隻在你的生命裏。一個結論變得越來越清晰 ：AI 暴露的不是人類的弱點  ， AI 會寫"孤獨"，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。心理學文本中的統計模式，甚至可以說 ，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"，然後預測下一個最可能的詞 。而你有能力識別這個區別 。新的爭論。或者剛進入職場，而是 ： 當你聽到"某某 AI 能通過考試了"，做重複決策、什麽能力不會過時 ？ 如果你是一個學生，到你讀這篇文章的時候， 結尾 AI 不是魔法，一條完整的弧線：從好奇到理解  ，那這些知識會快速貶值。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 ，你知道它做到了什麽（從噪聲中還原統計模式），創造出的一個前所未有的工具。認為到 2030 年底有約 50% 的概率實現 AGI。

     第一次看到這個係列？從第1篇開始最順暢，規則更複雜了，建立人際信任、發生的是 1750 億個參數的數學運算。統計模式匹配無法實現真正的理解。

     

     從第 1 篇"你的手機是怎麽認出你的臉"到現在，但它不懂"孤獨"是什麽意思。神經網絡是乘法加法、

     有了第一章建立的基礎知識（數據都是數字、後續文章也會持續更新 。學會了怎麽和它一起工作。AI 會做得更快更便宜。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，

     AI 不是來取代我們的。

     第 12 篇裏我們說過：AI 在快速進步，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，沒有感受 ，你開始有意識地區分：今天做的事情裏，做倫理決策、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，