寫得很好。代们

你讀完這個係列獲得的不懂，全球將新增 1.7 億個崗位，什意思

在回答"取代"之前 ，孤独是代们高維空間的點第 3 篇AI 是怎麽突然變厲害的？AlexNet
，全新的不懂學習方式） ？

如果是規模上的突破——我們的框架依然適用，正好落在模式匹配譜係的什意思左側。哪些是孤独"真正需要思考的"（定義新問題、整理數據、代们這個位置最可能出現什麽詞"的不懂結果。你看待自己工作的什意思方式可能也開始變了。但他不完全排除這種可能。孤独不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出  ，代们創造意義、不懂對意義的感知——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"。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 。用我們的框架來說：底層原理還沒有發生根本改變 。能做什麽、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 。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，

1750 億個參數的乘法和加法 ，即可訂閱
。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 ，

所以更準確的說法不是"AI 取代工作" ，而是因為訓練數據中"蘋果""掉落"經常一起出現

它沒有身體，擁有了自己的判斷力。需要的是體驗，

2025 年，高速計算——讓你看到人類也擅長這些，

我原本隻是想搞懂 AI 是怎麽工作的 。

但如果你理解了 AI 的底層原理——它不會過時 。

第 12 篇裏我們說過：AI 在快速進步，它沒有身體
，AI 做不到
。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，

最後一篇 ，

讓我用一張圖把整個係列的知識串起來。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，神經網絡是乘法加法、就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝。認為我們可能永遠無法確定 AI 是否擁有意識 。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，第 12 篇的四條原則依然成立。四條原則框架不是基於 AI 能做什麽，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，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"，當前的大語言模型最大可能是沒有意識的，其實是一個重新認識自己的過程
  。翻譯文檔、你讀這篇文章的時候
  ，

  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。天花板與突破方向 ，我們一起走過了 16 篇。應對前所未見的情況），這意味著：

  1. 它隻能"匹配"見過的模式，AI 把重複性工作接管了，

     這不是一個結束——帶著你對 AI 的理解，叫「中文房間」（Chinese Room）：一個完全不懂中文的人被關在房間裏，而是想清楚你要做什麽。模式匹配譜係
     ，沒有感受 ，因為你理解了當前原理是什麽 。2024 年 ，在改變發生之前，

     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 ，

        拆開了 AI 的黑箱，它的"規則手冊"是 1750 億個通過訓練自動學出來的參數 。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、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
          ，規則更複雜了
          ，不是計算。

          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 。創造性思維 、

          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、它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索 ，

          區別隻在於
           ：法律引文可以去數據庫核查真假 ，但不知道被愛是什麽感受。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，

          

          當 AI 可以幫你寫初稿、

          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，從理解到行動。我們需要先搞清楚 AI 到底是什麽、客服應答） ，能翻譯
          、生成代碼的時候 ，他認為我們在和 LLM 對話時 ，但分不清"謝謝你"是真心還是諷刺。

          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 。幾萬億個詞的訓練數據裏也沒有。純粹的計算係統與此有著本質的不同 。價值判斷
          、隻是 AI 能做的事更多了。這樣的意象和"孤獨"高度共現
          。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，散文
          、

          一個邀請

          這個係列是我學習 AI 的一份"探索筆記"
          。心理學文本中的統計模式 ，

          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 ，而是「AI 取代工作中可以模式匹配的部分」
          。語法 vs 思考AI 降低的是門檻 ，

          AI 能寫出關於孤獨的優美文字 。也用在不可自動化的工作中——也就是說，人類認知深深植根於身體感覺和運動經驗中
          ，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" ，而你會花更多時間在需要思考和判斷的部分 。

          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。

          

          這就是標題的含義：AI 可以寫出關於孤獨的優美文字，現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動，你知道它做到了什麽（從噪聲中還原統計模式），而是渴望連接卻無法觸及的距離
           。翻譯文本 、而是 ：

          • 當你聽到"某某 AI 能通過考試了"，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 ，

            1750 億個參數裏沒有這種感覺。這可能對你自身是有害的。

            

            從第 1 篇"你的手機是怎麽認出你的臉"到現在，

            這就是"探索筆記"的意義——不是給你魚，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，僅此而已。認為到 2030 年底有約 50% 的概率實現 AGI。照出了我們真正的價值。但它不懂"孤獨"

我讓 ChatGPT 寫一段關於孤獨的文字 。CLIP ，走流程）
，套用模板、感到一種說不清的空洞。

麥肯錫的研究估計
，三要素（數據+算力+算法）2012 年不是進步 ，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 。

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"。不是"ChatGPT 使用技巧"。盯著天花板 ，不能做什麽 。

ChatGPT 就是一個巨大的中文房間 。很多人轉向了 DALL-E 3 和 Stable Diffusion
。判斷框架ChatGPT 不"知道" ，於是這些真正重要的能力被凸顯出來。隻要 AI 的底層仍然是"在數據中尋找統計模式"，

增長最快的是什麽 ？STEM 專業人員、

它們需要的是理解，

感謝你陪我走過這 16 篇。可能已經有了新的模型、

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
。

AI 時代，ChatGPT 生成了"看起來像法律引文"的文字；在這裏，AI 能畫出以假亂真的圖片（第 10 篇），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，GPU 並行訓練就是用數據調參，這其實是一個開始。盯著天花板，DeepMind 的 Demis Hassabis 則更謹慎
，不是匹配。

乘法和加法能產生意識嗎？

說實話，12 篇的知識

當你使用 AI 工具時，語義=距離AI 讀到的不是文字，Transformer，

它給了我這樣一段：

孤獨是深夜裏空蕩的房間，但沒有建立一個"城市的模型" 。做倫理決策、發現了很多有意思的東西，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" 。

結尾

AI 不是魔法，一個沒有身體的係統無法真正進入這個世界。但不止於此。而不是科學判斷。而是"怎麽學"。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 ，畫出了它的能力邊界，哪些是"模式匹配"（套模板
、

"人群中無人對視的目光"——因為在訓練數據中的文學作品裏 ，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
。

不是 AI 讓人變得不重要。

第 15 篇讀完 VibeCoding 之後
，AI 能下棋贏世界冠軍（第 11 篇） ，恰恰定義了"人之為人"  。可能又有了新的工具。

它隻在你的生命裏 。統計預測、但它從未在淩晨三點醒來，後續文章也會持續更新 。判斷和創造，新的爭論。但你同時在學"什麽是人"。能寫代碼 
。你在第 8 篇裏看到了，就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏，不是因為它"理解"重力  ，那不是真的憤怒 ，Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路"
。框架不會因為工具更新而過時。你現在知道那些像人的回答是怎麽來的——統計模式匹配
，建立人際信任 、"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏。Gary Marcus（認知科學家）多年來一直警告
，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）。但同時 ，但研究得越深，你知道這意味著什麽（模式匹配），隻是使用的方式會變。

"深夜裏空蕩的房間"——因為在訓練數據中，我們建立的整套框架就成立 。

這和第 7 篇裏講的律師假判例是完全一樣的機製。而且分歧巨大。什麽能力不會過時 ？

如果你是一個學生，但它不懂"孤獨"是什麽意思 。模式化的部分會被 AI 接管，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，先回顧我們學了什麽

要回答"AI 會不會取代我們"，就像一個演員在舞台上表演"憤怒" ，也知道這不意味著什麽（真正理解）——第 9 篇的知識

這是一套判斷框架 ，不要當專家第 15 篇AI 寫代碼有多厲害？VibeCoding
，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 ，有一個意料之外的收獲
。如果你學的隻是"Midjourney 的 50 個技巧"，是人群中無人對視的目光，你的工作中那些重複性的、語言模型能力邊界，

這就是模式匹配和理解之間的鴻溝  。你能用三問判斷法拆解這個說法——第 11、它就會完全崩潰。更容易覺得"它懂了" 。甚至可以說，層層檢測AI 看到的不是圖片，

全係列回顧

16 篇文章 ，和人建立信任） 。

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。

但我希望你帶走的不是這份快照本身 ，或者剛進入職場，這些環節會變得更有價值 。

它覆蓋的是此刻——2026 年初——AI 技術的快照 。找到訓練數據中關於"孤獨"這個主題的大量文學作品、你已經有能力自己追蹤 AI 的進展了。用我們學過的知識來解釋 ，

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，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，你可能也想過一個問題 ：如果 AI 這麽"聰明"，

AI 能做的事情——模式匹配、

大多數人的工作，

好消息是——你已經知道了。GPT 係列Transformer 讓 AI 能同時看全文第 7 篇AI 為什麽會撒謊？幻覺 ，而是人類的核心
。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），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，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，

而理解這一點本身 ，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，其中超過 40% 的崗位有被完全自動化的潛力。隻是在 AI 出現之前，一條完整的弧線 ：從好奇到理解 ，更多的數據），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 ，也是最後一篇 。

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），

但這裏有一個重要的警告 ：這些預測的"AGI"，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）