上个月我做了件蠢事。
我跟朋友吹牛，说我能用AI写一本小说。结果打开ChatGPT，输入“写个30万字的长篇小说，主角是个外卖小哥，会飞的那种”，它刷刷刷给我吐了5000字。
我一看，哇，情节完整，人物立体，还有反转。
然后我仔细读了一遍——妈的，主角的外号从第3章开始就变了三次，第7章提到他爸已经去世了，第15章他爸又活过来给他打电话。
我当时就怒了。这玩意儿到底是真懂还是假懂？它到底是怎么工作的？
于是我花了3天时间，翻了一堆论文，问了几个程序员朋友，还差点把自己电脑搞死机。今天我就用大白话，把这事儿讲清楚。
你完全不用懂代码，只要会玩手机就能看懂。
先说结论：大语言模型这东西，本质上就是个“超级接话狂魔”。
你想想你跟朋友聊天的时候，朋友说“今天天气真不错”，你会怎么接？正常人会说“是啊，适合出去走走”。这就是语言模型干的事——根据前面的内容，猜下一个词最可能是什么。
但问题是，这事儿说起来简单，做起来根本不是人干的。
打个比方。假如你让一个3岁小孩接话。你说“今天天气真不错”，小孩接“我要吃糖”。这叫乱接。你说“我想去公园”，小孩接“恐龙”。这叫瞎接。
那怎么才能让AI接得像个正常人？
答案是：喂数据。
你想象一下，你有一个超级大的图书馆，里面有全互联网的网页、全网的书籍、所有的论文、所有的聊天记录。你把一个AI扔进去，让它自己看，自己学。它看了一万亿个字之后，脑子里就会形成一个“概率表”。
这个概率表有多夸张？
比如你输入“我今天中午吃了”，AI会算出来——“饭”的概率是30%，“面”的概率是25%，“汉堡”的概率是15%，“屎”的概率是0.00001%。
它选概率最高的那个，这就是最基础的原理。
但问题来了——如果每次都选概率最高的，那AI说出来的话就会特别无聊。就像你每次都说“今天天气不错”，从不换个说法。所以它偶尔会选个概率第二第三的，这样显得有“创意”。
这就解释了为什么你让同一个AI写两篇同样主题的文章，它写出来不一样。因为它每次都在“概率赌场”里抽奖。
那问题又来了：如果它只是这么机械地猜词，那为什么有时候它说的话像真懂一样？
这里有个细节，我当初死活没搞明白。
你把“我今天中午吃了”这句话丢给AI，它只会猜“饭”。但你如果把“我今天中午吃了，但是一点都不饿，因为我早上吃太多了”整段丢给它，它猜出来的词就完全不一样了。
关键是——它不仅能看前面几个字，它能看前面好几千个字。
这就是为什么你跟它聊一个话题聊很久，它不会突然跳到火星上去。因为它在猜下一个词的时候，脑子里装着前面你聊过的所有内容。
我举个例子你就懂了。
你跟女朋友吵架，她说“你根本不关心我”。你如果只记得她刚说的这句话，你可能会说“我怎么不关心你了”。但你如果记得上周她生日你忘买了礼物，前天她说肩膀疼你没当回事，你就会说“对不起，是我疏忽了”。
AI就是这样。它不是只盯着你刚说的那句话，它是把你俩从头到尾的对话都考虑进去，再决定下一个词说什么。
所以它才能跟你聊20分钟不跑偏。
但这里面有个巨大的坑。
因为它是靠猜概率来工作的，所以它压根不知道它说的到底对不对。它只知道“这个词在历史上被人类用在这个位置的概率最高”。
这就好比你问一个只会背字典的人：“太阳为什么东升西落？”他能背出“因为地球自转”这句话，但他根本不懂什么是自转，什么是引力，什么是轨道。
他只是知道，在你问完这句话之后，历史上99%的人类都写了“地球自转”这四个字。
所以AI经常会一本正经地胡说八道。
我遇到过最离谱的一次，我问它“爱因斯坦的生日是哪天”，它说1879年3月14日。我又问“爱因斯坦的生日是几月几号”，它说3月14日。我问它“爱因斯坦是什么星座”，它说双鱼座。
然后我问它“双鱼座的日期范围是什么”，它说2月19日到3月20日。我说那3月14日确实是双鱼座，它说“是的”。
我又问“那爱因斯坦是双鱼座吗”，它说“不是，他是水瓶座”。
我：？？？
这就是典型的“概率打架”。它知道爱因斯坦生日是3月14日，它也知道双鱼座的日期范围，但它在回答“爱因斯坦是什么星座”的时候，它的训练数据里可能有一堆人说“爱因斯坦是水瓶座”的错误信息，导致它选了那个概率更高的错误答案。
所以你现在知道为什么ChatGPT有时候会抽风了吧？
它不是故意的。它只是在自己庞大的“概率数据库”里，选了一个看起来最像正确答案的答案。至于这个答案是不是真的正确，它完全不知道。
这就像一个考试全靠蒙的学生，有时候能考100分，有时候只能考0分。
那为什么现在的AI看起来越来越聪明了？
因为人类给它加了一个“监督学习”的环节。
简单说就是，先让AI自己乱猜，猜完了，人类给它打分。猜对的奖励，猜错的扣分。反复训练几百万次，它慢慢就学会了哪些词组合起来更像人话。
这个过程就像训练狗。
你让狗坐下，它看不懂。你把它屁股按下去，然后给它一块肉。反复100次，它就知道“坐下=有肉吃”。AI也是一样，只不过它吃的“肉”是数学上的奖励信号。
但这里有个更骚的操作。
后来人类发现，光靠猜词和打标还不够。因为AI虽然学会了说人话，但它不懂你到底想要什么。
比如你写“帮我写一封辞职信”，AI可能会给你写一封“尊敬的领导，感谢公司多年栽培，我决定离职”的标准模板。但假如你其实是想写一封“老子不干了，你们这群傻逼”的暴躁版，AI就不会了。
所以后来有了一个叫“指令微调”的东西。
就是人类专门收集一堆“奇葩问题+奇葩答案”的数据，比如“用骂人的语气写辞职信”、“用文言文写外卖差评”、“用rap唱菜谱”，然后拿去训练AI。
训练完之后，AI就开悟了——原来人类想要的不只是“标准答案”，而是“符合你要求的答案”。
这就是为什么你现在跟AI说“用小学生能听懂的话解释量子力学”，它真的会给你写“量子力学就是喵喵既活着又死了，吓人不”。
好，讲到这里，你应该大概懂了。
大语言模型就是一个“超级复读机”，它不会思考，不会理解，不会创造。它只是在它那海量的训练数据里，找到最符合你问题的那段话，然后重新组合一下，吐给你。
但为什么它有时候能写出你根本想不到的东西？
因为它的训练数据太大了。大到你无法想象。
ChatGPT的训练数据大概有3000亿个词。3000亿是什么概念？一个人不吃不喝连续阅读，大概需要读1万年。
所以它其实不是“创造”了新东西，而是在它读过的1万年的数据里，找到了你永远找不到的那个组合。
就像你让一个读了1万本书的人给你写个故事。他写出来的故事你可能觉得是天才之作，但其实他只是在用自己的方式，重新排列组合他读过的那些情节。
所以下次你被AI的回复惊艳到的时候，别觉得它成精了。它只是恰好从它那个超级大脑里，翻出了最合适的那段话。
但如果你被AI的回复坑了，比如它告诉你往伤口上撒盐能杀菌——记住了，那是它在告诉你一个“历史上很多人说过”的错误观点。它不是在害你，它只是不知道自己在说什么。
所以，我的建议是：
把AI当成一个知识面极广、但完全没脑子的助手。它知道的事情比我多100倍，但它的判断力比一个3岁小孩还差。你可以问它“什么是光合作用”，但别问它“我应该跟女朋友分手吗”。
因为前者它能在数据里找到标准答案，后者它只能给你一个“历史上大多数人在这种情况下写的答案”——而那很可能就是“分手”。
最后说一句。
我写完这篇文章之后，让AI帮我改了一遍。它改完之后，我发现自己写的像坨屎。然后我又让AI帮我重写了一版，结果它写得比我自己好10倍。
我盯着屏幕看了10分钟，不知道该高兴还是该害怕。
高兴的是，以后写文章可以偷懒了。害怕的是，我可能真的要失业了。
但转念一想，它只是一个概率游戏，一个超级复读机。它永远不会知道我为什么要在文章里写“我朋友的ChatGPT写过外卖小哥会飞”这种离谱的例子。
因为那个朋友是我编的。
而AI永远不会告诉你，它也不知道哪些是真话，哪些是假话。
📎 延伸阅读
看完这篇，如果你想：
- 直接拿工具 → 回复”13“，我把跨境获客工具包发给你
- 系统学习 → 点击菜单”AI训练营”，从0开始跑通AI变现