上周末我儿子写作业，碰到一句“床前明月光”，他死活想不起来下一句。我正要发火，他掏出手机对着语音助手吼了一嗓子：“床前明月光后面是啥？”
手机沉默了3秒，蹦出来一句：“疑是地上霜。”
我愣住了。这小子什么时候学会用AI抄作业了？后来一问才知道，他们班上有个同学偷偷教大家这么玩——对着手机问问题，让AI帮忙想答案。
但真正让我震惊的不是这件事本身，而是接下来我儿子问我的一个问题。
他说：“爸爸，这个机器人是怎么知道我想问什么的？它又没长眼睛，怎么知道我说的‘床前明月光’是诗，不是真的床前面有月光？”
这个问题把我问住了。作为一个天天跟代码打交道的程序员，我居然没法用三句话给他解释清楚。于是我花了两个晚上研究，又问了几个做AI的朋友，终于搞明白了。
今天就用大白话聊聊，那个能跟你聊天、帮你写周报、甚至能编段子的大语言模型，到底是怎么工作的。
先说结论：它根本不“理解”你在说什么，它就是个超级无敌加强版的“猜词游戏”选手。
你小时候玩过那种游戏吗？一个人心里想一个词，另一个人问问题，只能回答是或不是。比如你想的是“苹果”，对方问“是水果吗？”你说“是”，问“是红色的吗？”你说“不一定”，问“能砸到牛顿头上吗？”你说“能”……最终猜出答案。
大语言模型玩的也是这个游戏，但它玩的版本变态得多。
它不是在猜一个词，而是在猜整句话的下一个字。你给它输入“今天天气真”，它就开始猜下一个字是“好”的概率是87%，是“热”的概率是9%，是“差”的概率是2%，是“狗”的概率是0.0001%。然后它挑概率最高的那个字填上去，变成“今天天气真好”。接着它继续猜，下一个字该是什么，一路猜下去，直到凑成一段话。
听起来很蠢对吧？但就是这个简单到离谱的机制，加上两个东西，让它变成了今天的样子。
第一个东西叫“参数”，你可以理解成它是这个猜词机器人的脑细胞数量。GPT-3有1750亿个参数，GPT-4据说是1.8万亿。什么概念？人脑大约有860亿个神经元。也就是说，现在最强的AI，它的“脑容量”已经是人类的20倍。
第二个东西叫“训练数据”。这个猜词机器人不是天生就会猜的，它需要看大量的例子才能学会。它看过的数据量有多大？整个互联网上能爬到的文本，包括维基百科、Reddit论坛、各类书籍、学术论文、新闻网站……加起来大概有几十TB。TB你可能没概念，这么说吧，一本《红楼梦》大概是1MB，几十TB相当于几千万本《红楼梦》同时塞进它的脑子里。
它就这么一遍一遍地看，一遍一遍地猜，猜错了就调整参数，猜对了就巩固记忆。这个过程持续了几个月，烧掉了上亿美元的显卡电费。
但这里面有个坑。
因为它是靠猜词训练出来的，所以它本质上就是个“概率生成器”。它不知道自己在说什么，它只知道“根据我见过的几千万本书，这句话后面最可能跟什么字”。这就导致了一个很搞笑的现象——它会非常自信地说出完全错误的话。
我见过一个真实案例。有人问ChatGPT：“2023年NBA总冠军是谁？”它回答：“丹佛掘金。”这个答案是对的。但如果你接着问：“总决赛MVP是谁？”它说：“勒布朗詹姆斯。”这就错了，实际上是尼古拉约基奇。为什么会错？因为在它训练数据里，“总决赛MVP”和“勒布朗詹姆斯”同时出现的频率太高了，它觉得这俩词挨着的概率最大，就直接填上去了。
这就是为什么AI有时候会一本正经地胡说八道。它不是故意骗你，它是真的“以为”自己是对的。就像你考试的时候，一个选择题完全不会，你凭感觉蒙了一个答案，还觉得挺有道理——AI就是这个状态，但它比你有自信多了。
除了胡说八道，还有一个问题就是“记性差”。
你跟AI聊到第10句话的时候，它可能已经忘了第3句话你说了什么。不是因为它记不住，是因为它的“注意力”是有限的。你可以理解成它有个小本子，每次只能记几千个字，超过这个数，前面的内容就被擦掉了。GPT-3.5大概能记住3000个字，GPT-4大概能记住2万字，最新的Claude能记住10万字。但不管怎样，它都有上限。你让它写一本20万字的小说，写到后面，前面的人物设定它可能就忘干净了。
那问题来了，既然它又蠢又健忘，为什么还能帮你写周报、写代码、写情书呢？
答案是：它虽然蠢，但它见过的东西太多了。
你写周报，它见过几百万份周报；你写代码，它读过几千万行代码；你写情书，它读过从莎士比亚到网络小说的所有情话。它不需要“理解”你在做什么，它只需要从自己庞大的记忆库里，找到最像那么回事的组合方式，然后拼出来给你。
这就像你不会做饭，但你看过1000期美食节目。你虽然不知道什么叫“大火收汁”，但你闭着眼睛也能说出“锅中烧油，放入葱姜蒜爆香”——因为你看得太多，台词都背下来了。AI就是那个看了几千万期美食节目但从来没进过厨房的人。
说到这儿，你可能会问：那它到底有没有用？
有用，但得看你怎么用。
我现在的用法是：把它当成一个“初稿生成器”。我写公众号文章，先把我脑子里的大致想法丢给它，让它帮我写一个初版。然后我自己一个人坐在那里，把它写的每一句话都改一遍。改的时候我发现，它写的开头通常太套路，结尾太假大空，中间的例子经常是瞎编的。但没关系，我只需要改，不需要从零开始构思。
这就好比你让实习生帮你写第一稿，你知道他写得烂，但至少有个东西能改。总比你对着空白的Word文档发呆强。
还有一个小技巧，是我从一个做AI产品的朋友那儿学来的：给AI设定一个“角色”。
你直接说“帮我写一个产品推广文案”，它写出来的东西像机器人。但你说“你现在是一个做了10年销售的老油条，你最擅长的就是忽悠客户买东西，帮我写一个产品推广文案”，它写出来的东西就有灵魂了。为什么？因为在它的训练数据里，所有带“销售老油条”标签的文本，确实比普通文本更生动、更接地气。它只是按照标签去匹配相应的文风。
最后说一个我踩过的坑。
上个月我让它帮我写一封辞职信，它写得洋洋洒洒，情真意切，我感动得差点没辞职。结果拿给老板看，老板说：“这不像你写的，你平时说话不是这个风格。”我这才意识到，它写得太好了，好到不像我。辞职信这种东西，反而应该保留你自己的语气和瑕疵，才显得真实。
从那以后我就想明白了一件事：AI不是来替你说话的，是来替你说那些你懒得说的套话的。真正重要的、需要表达你自己想法的事情，还是得自己动手。
毕竟，它只是个猜词机器人，它连“床前明月光”是什么意思都不知道。它只是碰巧知道下一句是什么。
📎 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