Caroline（大叔）(@thcaroline2233):陶哲轩对 AI 有一个很朴素的解释：机器学习最底层做的事，本质上是“拟合”。大语言模型只是把它推到了极致——不断预测一句话里的“下一个词”。真正的转折发生在规模。当训练数据、算力和时间大到一定程度后，同样的预测机制开始表现出连贯表达、推理、编程甚至解决复杂问题的能力。一个可能的原因是：自然语言里隐藏着大量我们自己都未必意识到的规律，而模型把这些模式吸收了进去。但 AI 并不等于真正理解世界。更准确地说，它很擅长模仿“聪明人会怎样回答问题”。它单次输出可能很差，但一旦进入“生成—检查—修改—验证”的循环，能力会明显提升。所以人类和 AI 的优势并不在同一个方向：人类擅长深度，AI 擅长广度。人类选择少数重要问题长期钻研；AI 可以同时尝试上千个问题和方法组合。哪怕成功率只有 5%，1000 个问题也可能解决 50 个。但关键是：那 50 个，未必是最值得解决的 50 个。 AI 可以越来越擅长找答案，但“什么问题值得问”，仍然是人类最重要的能力之一。

2026.09.11 00:21

陶哲轩对 AI 有一个很朴素的解释：机器学习最底层做的事，本质上是“拟合”。大语言模型只是把它推到了极致——不断预测一句话里的“下一个词”。真正的转折发生在规模。当训练数据、算力和时间大到一定程度后，同样的预测机制开始表现出连贯表达、推理、编程甚至解决复杂问题的能力。一个可能的原因是：自然语言里隐藏着大量我们自己都未必意识到的规律，而模型把这些模式吸收了进去。但 AI 并不等于真正理解世界。更准确地说，它很擅长模仿“聪明人会怎样回答问题”。它单次输出可能很差，但一旦进入“生成—检查—修改—验证”的循环，能力会明显提升。所以人类和 AI 的优势并不在同一个方向：人类擅长深度，AI 擅长广度。人类选择少数重要问题长期钻研；AI 可以同时尝试上千个问题和方法组合。哪怕成功率只有 5%，1000 个问题也可能解决 50 个。但关键是：那 50 个，未必是最值得解决的 50 个。 AI 可以越来越擅长找答案，但“什么问题值得问”，仍然是人类最重要的能力之一。

Caroline（大叔）@thcaroline2233

2026.09.10 19:14

我们探讨AI如何改变工作，学习以及生活方式，我们感叹未来已来，我们被GPT时刻震惊。但是要真正去思考AI擅长做什么，不擅长做什么，为什么有时会胡说八道，我们要回到大语言模型的底层逻辑，理解AI的工作原理。