与AI共处的智慧

2026年6月7日 星期日 北京 天气 晴

与AI如何共处，从2023年ChatGPT跨越至2026年Openclaw，短短数载已引发天翻地覆的变迁。AI正逐步渗透进我的工作流，我是否该忧虑被其取代？又该如何摆正心态去面对它？

我们常说的AI，通常指的就是LLM，即大语言模型。近期听闻一种观点，认为将其译为“大语言模型”有失偏颇，因为中文语境下，一句话因场景、对象及语调不同，含义往往千差万别。相比之下，大模型难以传达词句之外的含义，更精准的译法应是“大词语模型”。Token的官方定义是词元，其底层运作逻辑如下：

1、输入一段文本，将其切分为词元序列。

2、模型输出下一个词元的概率分数。

3、进行选择（基于概率采样或选取最高概率值）。

4、将选定的词元拼接到后续，循环此过程。

大模型的核心训练目标仅仅是预测下一个词元。

然而，强力往往能创造奇迹，为了精准预测下一个词元，模型被迫习得了超越统计学范畴的知识。为了将“下一个词元”的概率压至最低，它不得不在参数中编码出：逻辑推理（如三段论、因果链）、世界观（物理常识、社会规则）、心智理论（“他为何如此思考”）以及编程能力。这些并非被刻意植入，而是被预测压力“逼”出来的副产品。大模型100%基于概率——但人脑的神经元放电本质上也是概率。区别在于复杂度：当你以“预测下一个词元”为单一目标，在足够大的规模和时长下训练时，那台“概率机器”内部便生长出了一些我们尚无法完全解释的特质。 因此，我们面对的并非魔法产物，亦非高级随机数发生器，而是一台被预测压力催生出“伪”智能的机器。知晓其概率本质，能助你不盲目迷信；洞悉概率底下的深层逻辑，能助你不轻视它。

然而，强力往往能创造奇迹，为了精准预测下一个词元，模型被迫习得了超越统计学范畴的知识。为了将“下一个词元”的概率压至最低，它不得不在参数中编码出：

因此，我们面对的并非魔法产物，亦非高级随机数发生器，而是一台被预测压力催生出“伪”智能的机器。知晓其概率本质，能助你不盲目迷信；洞悉概率底下的深层逻辑，能助你不轻视它。

若大致弄懂了AI的本质，该如何与其相处呢？不得不承认，它在某些领域过于强大，令人折服，其算力远超人类，你阅读一本书耗时十小时，而它通过一次训练便能消化十亿本书籍。

但是，然而，我们是人类，无论AI多么强大，我的主体性绝不可丧失。它可以代我思考，却无法替我理解，理解源于我的生命体验。相处之道在于，AI仅是工具，不应是代劳的关系，而应是它作为工具与我协同进化。我以独特的生命体验去引导它，它用庞大的知识网络来助推我。

不要跟工具，在同一个层面纠缠，而要跑到工具的上面。--罗振宇

祝晚安！