← 返回AI 前沿
AI 前沿

你从没教过一个孩子「地球是圆的」,你只是让他反复把球踢到墙上

老师有没有告诉你,机器读遍了互联网,还是没学会一件事——它从来不知道「这个世界会回嘴」

2026-11-06 · 🕐 约 8 分钟

由 丢笔哥 发布

🖊️ 老师有没有告诉你…

老师有没有告诉你,机器读遍了互联网,还是没学会一件事——它从来不知道「这个世界会回嘴」

啪——老师把笔丢在桌上。

「我问你们一个特别简单的问题。」他举起手里的一支笔,松开,笔掉下来,弹了一下。

「为什么笔往下掉?」

教室里七嘴八舌,有人说重力,有人说万有引力。

「你们都会答。」他说,「那我再问——你们是怎么学会的?谁教的?」

没人答上来。

「没人教。」老师把笔捡起来,「你三个月大的时候,松开手,勺子掉下去;六个月,又掉;一岁,你把玩具从床上扔下去,十几次,你妈捡得腰疼。你没背过公式,你只是扔了大概一千次,然后有一天,你的身体自己就知道了:松开手,东西会往下走。」

「今天我要讲的是,为什么一台读遍了整个互联网的机器,至今没有经历这一千次。」

老师有没有告诉你,读书得的是「结论」,不是「理解」

我们有句话叫「读书明理」。这话多数时候是对的——书本压缩了别人几百年的经验。但它有个前提:你已经有一个从现实里长出来的世界,书是在这个世界上盖房子。

小孩子学「热」这个字,先被烫过一次,然后大人说,这就叫热。字只是给已经发生的事贴个标签。

机器学「热」,读到的是一百万段关于热的文字。它知道热会烫手、热会让水开、热和冷是反义词。它把所有关于热的说法之间的关系都记住了。但它的世界里没有一个会真的烫到它的东西。

差别在哪?

在于谁会被纠正。

你伸手摸热水壶,被烫了,疼,下次不摸了。这不是别人告诉你「烫」的含义,是现实用一次代价改掉了你的行为。

而一台读过所有关于烫的文字的机器,如果哪一天真的伸手了,它不会疼。它只会得到一行新的文字:「设备温度过高。」这行字和它读过的所有其他字,地位是一样的。

三层,看清「读过」和「懂过」的距离

第一层:它擅长的是「这个后面通常跟着什么」。

机器最核心的本事,是学会了在一大堆文字里,什么样的内容通常接什么样的内容。你问它一个常见问题,它给出的答案之所以通顺,是因为它见过太多类似的句子。

这一层它做得比人好得多:人一辈子读几千本,它读几千万本。

第二层:但「通常跟着什么」和「真的会怎样」,是两件不同的事。

文字里写的规律,是经过人筛选、整理、表述过的规律。它干净、自洽、条理清楚。而现实是脏的:会反抗、会有例外、会有你完全没预料到的第二种后果。

一个人学做饭,第一次炒糊了,就知道火太大。这个「火太大」不是从书里读来的,是舌头和鼻子给的。第二次他会调小火,这就是现实在教他。

机器学做饭,读一万本菜谱,它知道所有菜谱的写法。但它从没闻过一次糊味。所以它给出的「中火炒三分钟」,在真锅里可能差得很远——不是因为它笨,是因为它从没被那口锅顶回来过。

第三层:所以它最缺的不是知识,是「被顶回来」的机会。

一个从来不会错的人,和一个错了很多次但每次都能改的人,谁更可信?

直觉会说第一个。但真实世界里恰恰相反——错了很多次并且活下来的人,才知道边界在哪。 他所有的不确定,是用代价换来的。

而机器的不确定,是统计出来的。它说不太确定,是因为见过的类似提问后面常跟着这几个字。它不是真的心虚。

一个能拿来用的检验办法

这一套讲完,其实可以立刻变成一个判断工具,用来掂量你面前任何一个号称「懂」的东西——包括人,包括机器。

办法是:让它做一次会被现实立刻验证的预测。

不要问它「你懂不懂经济学」。让它告诉你明天下午三点你所在城市会不会下雨,或者说一句「按这个配方,这块面发起来要多久」。带具体数字,带具体时刻。

为什么这招管用?

因为背定义靠的是记忆,做预测靠的是模型。记忆可以复制,模型只能自己长出来。一个真有模型的系统,预测错了会调整;一个只有记忆的系统,预测错了只会换一种说法继续解释。

天气预报被研究了几百年,正因为它是最不讲情面的检验场:说错了,第二天天会告诉你。

人类最早学会用现实纠正自己的领域之一就是天文观测。古人不用懂原理,只要每晚记下星星的位置,几百年攒下来,误差自己就被挤掉了。后来有人发现那颗最亮的星位置有点怪——这个怪不是书上写的,是记录和现实对不上。

为什么这件事对你重要

你可能会说,这跟我有什么关系,我又不造机器。

关系很大。

第一,你现在会越来越多地和这类系统打交道。它会说得非常流畅、非常有条理、非常有信心。而流畅和有信心,恰恰是两个不可靠的信号——因为它不知道什么叫「心虚」。

第二,反过来也成立:你自己判断一件事懂没懂,也别用「我读过很多」当标准。 看过一百篇讲投资的人,和真正下过一次手、亏过一次钱的人,对同一件事的理解深度不是一回事。

第三,也是最实用的:如果你想快速学一样东西,最有效的做法不是读完所有资料再动手,而是先动手,让现实尽早给你一次反馈。学游泳的人不会先在岸上读完流体力学。

三招,帮你分辨「真懂」和「显得懂」

第一招:追问一个具体的量。 「大概多久」「大概多少钱」「大概几个」。真有模型的人会给出量级并且说明不确定在哪;只有记忆的人会绕回概念。

第二招:看它错了以后的反应。 真懂的人,你指出他的错,他会修正模型;显得懂的人,会修正说法。前者下次不一样,后者下次还一样。

第三招:看它有没有「被代价教过」。 一个做过十年手艺的人,手上可能有疤。一道疤不是为了感动你,是它曾经用真实的代价换回了一条真知识。

小测验

那支笔又掉了

下课铃响了。老师把笔捡起来,又松开。

笔掉在桌上,滚了两圈。

「你们记住这个声音。」他说,「人类所有的知识,都是从这种声音里长出来的——不是从别人写的句子里。可我们后来太聪明了,把几千年攒下的结论整理成书,整理成数据库,让后来的孩子可以直接跳过掉笔的那一千次,直接去背『重力加速度是九点八』。」

「这样做很省事。」他把笔收进口袋,「省下来的时间,可以去看更远的东西。但你们得知道一件事:那些被跳过去的掉笔次数,换来的不只是一个数字,还有一种感觉——一种知道『自己会错』的感觉。」

「机器不缺数字。」

「它缺的是被掉下来的笔砸过一次。」

啪——他走了。

🧠 课后小测验

读完文章,测测你记住了多少?
点击选项,看看对不对

Q1.为什么机器读了那么多书,还是会在常识上翻车
Q2.一个系统真正的「懂」,最可靠的表现是什么
Q3.想快速看出一个人或一套系统是否真懂某件事,最省事的办法
🖊️

关于丢笔哥

丢笔哥不是一个具体的人——它是一种态度。在信息爆炸的时代,用最直白的语言,把硬核知识讲透。覆盖金融证券、AI 前沿、Web3、东方智慧。

一支笔丢在桌上,一堂课就此开始。

📬 订阅丢笔哥 →

📖 继续阅读

🔗 Web3
老师有没有告诉你,链上那个免费的投票权,为什么几乎没人要——一件事只要没人盯着,就算奖励也拉不动人
一套规则可以做到完全公平没有人能作弊,同时几乎没人愿意认真用——这两件事并没有矛盾,它们来自同一个原因
🌌 东方智慧
老师有没有告诉你,越是熟练的手,越会在最熟的地方出错——那种「不用想」的本事,正是它会出错的理由
一个开了二十年车的人,会在自家楼下那条走了几千遍的路上,忽然搞不清该不该拐
📈 金融证券
老师有没有告诉你,央行「印钱」的时候——印钞机根本没开过
你脑中「央行印钱」的画面大概是这样:行长一拍桌子,「开机!」然后印刷厂的机器轰隆隆转起来,一车一车的钞票运出去。来,把这个画面从你脑子里删掉。真实的「印钱」,连一张纸都不需要。

📬 不想错过下一堂丢笔课?

每周一篇硬核科普,用最好玩的方式讲最硬核的知识。
不卖课、不荐股、不画饼。

💬 讨论区