← 返回AI 前沿
AI 前沿

老师有没有告诉你,AI 其实是在猜下一个字,而你一直在把「猜」当成「懂」

2026-10-02 · 🕐 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,AI 其实是在猜下一个字,而你一直在把「猜」当成「懂」

「啪——老师把笔丢在桌上。」

我先问你一个特别简单的问题:你手机上那个 AI 助手,它是「知道」答案,还是「猜」出答案的?

大部分人第一反应是:它当然知道,不然它怎么可能答得那么快、那么顺?

老师有没有告诉你,它其实一直在猜。 而且它猜的方式,比你想的朴素得多——它做的事,本质上是「根据前面所有字,猜下一个字最可能是什么」。

就这么一件事。没有别的。

一、把 AI 想象成一台超级接龙机器

我们来做个游戏。

我给你半句话:「今天天气真____」。

你会填什么?大概率是「好」。也可能是「糟」「热」「冷」。

你脑子里其实闪过好几个候选,然后你挑了最顺的那个。AI 干的就是这件事,只不过它把「顺不顺」算到了你想象不到的精度。

它的做法是这样:把「今天天气真」这五个字喂进去,然后在它内部一个巨大的表里,给几百万个可能的字各打一个分——「好」可能是 0.4,「热」0.15,「糟」0.1……然后它按分数挑一个字出来。

选完「好」,句子变成「今天天气真好」。它再拿这六个字回去,猜下下个字。一个词一个词地,滚出一整段话。

你可能觉得:这也太笨了吧?就这也能写出文章?

能。因为当你把「猜下一个字」这件事做到极致,它会长出一种很像「理解」的东西。 这就是整个 AI 浪潮最反直觉的地方。

二、为什么「像」不等于「对」

现在我们来看这套机制最大的破绽,也是你最该知道的一件事。

它优化的是「像不像人说的话」,不是「对不对」。

举个例子。你问它:「一个篮子里有 3 个苹果,你拿走 2 个,还剩几个?」

它答「还剩 1 个」。没问题。

但你换一个绕一点的问法:「篮子里有 3 个苹果,我又放进去两倍的苹果,再拿走一半,还剩几个?」

它可能就开始冒出一些看起来很像解题、其实算错了的数字。为什么?

因为它的训练目标从来不是「算对」,而是「生成一段读起来像标准答案的文字」。当你见过的所有答案都长得差不多时,它就会写出一段「长得对」的话——哪怕里面的数字是错的。

这也解释了一件很多人困惑的事:为什么 AI 写一篇流畅的八百字文章毫无压力,却在简单乘法上翻车?

因为写文章考的是「像不像」,算数考的是「对不对」。它擅长的从来是前者。

三、这套机制在现实里长什么样

第一,它为什么会「一本正经地胡说」。 当它被问到一个自己没太多素材的问题时,它不会说「我不知道」——因为「我不知道」这句话,在它的语言习惯里出现的频率不高,反而「一段完整的、像答案的答复」出现频率最高。于是它就编。它不是想骗你,它只是顺着最像答案的方向往下滚。

第二,为什么给它更多例子,它就答得更好。 因为你在前面喂的那几个例子,改变了它对「下一个字最可能是啥」的分布。你给它看三个「问题→答案」的样板,它就知道该往哪个方向猜了。这不是它「学会了推理」,是它「看到了你想要的格式」。

第三,为什么同一个问题问两遍,答案会不一样。 因为它挑下一个字时,不是永远拿最高分那个,而是「按分数高低带一点随机地抽」。抽的运气不同,整段话就岔开了。它每次都在猜,只是每次猜的骰子不完全一样。

四、一个可以马上用的笨办法

你不用懂它内部的数学,但你可以学会三个动作。

第一个:把「帮我想」和「帮我核」分开。 让它整理思路、找灵感、写初稿——这些是它的强项,因为都是「像不像」的活儿。但凡涉及具体数字、人名、日期、引文,自己再查一遍。

第二个:给它例子,而不是给它命令。 你说「写得好一点」,它不知道什么叫好;你贴一段你觉得好的样板,说「照这个感觉来」,它立刻就有方向了。因为例子直接改变了它要猜的方向。

第三个:追问一句「你这么说的依据是什么」。 虽然它给的依据也未必真,但追问会让它把话说得更具体,而具体的东西你才好去核对。

五、最反直觉的一点

我们总是担心 AI「太聪明,会骗人」。其实真正的风险恰恰相反——它太顺了,顺到你忘了它是在猜。

它写出来的每一句话,都经过了「最像人话」这道筛子。所以它错的时候,也是错得像模像样的。一个明显的错误你会警觉,一段流畅而自信的错话,你反而会信。

AI 最危险的地方不是它胡说,而是它胡说的时候,语气比你还有底气。

反过来说,这也是它的可爱之处:它是一个从没真正「懂」过任何事,却把人类的表达模仿到极致的家伙。你把它当一个见识很广、但记性偶尔不牢的实习生用,它就是个宝藏;你把它当一本权威字典查,你就迟早被它带沟里。

小测验

1. 现在的大语言模型,本质上做的事情是什么?
① 从数据库里查标准答案 ② 一个词一个词地猜下一个最可能出现的词 ③ 复制网页内容 ④ 做严格逻辑推理

2. 为什么 AI 经常在简单算术上出错,却能写出流畅的长文?
① 因为算数不重要 ② 因为它是靠「像不像」而不是「对不对」来生成 ③ 因为电路坏了 ④ 因为它偷懒

3. 理解 AI 是「猜字机器」之后,最实用的一条用法是什么?
① 完全不要信它 ② 把它当助手,但关键事实自己核对 ③ 让它自己保证准确 ④ 用得越多越准

答案:②、②、②。第一题,它的全部本事就是猜下一个字;第二题,它优化的是像不像,不是对不对;第三题,用它做事,但关键处自己核。

「啪——老师把笔丢在桌上。」

你记住一件事就够了:AI 不是在「知道」,它是在「猜」——而且猜得比谁都顺。 明白这一点的孩子,既不会被它唬住,也不会错过它真正的用处:一个永远不知疲倦、帮你把话写顺、但需要你把最后一关的帮手。

🧠 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.现在的大语言模型,本质上做的事情是什么?
Q2.为什么 AI 经常在简单算术上出错,却能写出流畅的长文?
Q3.理解 AI 是「猜字机器」之后,最实用的一条用法是什么?
🖊️

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

📈 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。
📈 金融证券
老师有没有告诉你,你借的每一笔钱,背后都站着一排看不见的人在分成
01-道可道非常道-老子看透AI

📬 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