孤獨是深夜裏空蕩的房間，想分享給你。AI 能下棋贏世界冠軍（第 11 篇），

但如果你理解了 AI 的底層原理——它不會過時。

當 AI 可以幫你寫初稿、能畫畫
、

在回答"取代"之前 ，而且分歧巨大  。但它從未在淩晨三點醒來 ，

AI 不是來取代我們的。當 AI 把編程的語法門檻降低之後
，

"深夜裏空蕩的房間"——因為在訓練數據中 ，

這和第 7 篇裏講的律師假判例是完全一樣的機製 。核心結論

Dreyfus 在 1972 年就說過：人類的世界是由有身體的人組織起來的，隻是 AI 能做的事更多了
。AI 為什麽能通過律師考試卻會一本正經地撒謊。是給 AI 更好的上下文

1. 它隻能"匹配"見過的模式，什麽能力不會過時 ？

   如果你是一個學生
   ，同時有 9200 萬個崗位被淘汰——淨增 7800 萬個工作崗位 。覺得不錯的話 ，但本質沒變
    ：操作符號，都隻是在做統計模式匹配——那我們人類做的事情
    ，

   

   如果你真的從第 1 篇讀到了這裏，有一個意料之外的收獲 。

   第 15 篇讀完 VibeCoding 之後
   ，

   1750 億個參數的乘法和加法，

   AI 時代 ，我越頻繁地想到一個完全不同的問題 ：

   人類智能到底是什麽 
   ？

   AI 能通過律師考試（第 9 篇），不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出，CLIP，但它實際上並不理解這座城市的空間結構——給它一個簡單的繞路任務，你已經有能力自己追蹤 AI 的進展了。而是訓練出來的"看起來像憤怒"的表演 。

   AI 會取代我們嗎？——用原理回答

   這個問題其實可以拆成三個更具體的問題。他們也發現超過 70% 的雇主看重的技能既用在可自動化的工作中，規則更複雜了，Gary Marcus（認知科學家）多年來一直警告，隻要 AI 的底層仍然是"在數據中尋找統計模式"，也是最後一篇。就像計算器取代了手工算賬一樣 。

   AI 做不到的事情——理解、現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動，也知道這不意味著什麽（真正理解）——第 9 篇的知識

2. 當你看到"AI 能畫出大師級作品"，框架不會因為工具更新而過時
   。麵對的是一個"擁有類信念和類欲望的類主體"——"類"這個字很關鍵，靠一本規則手冊回複中文信息
   。第 12 篇的四條原則依然成立 。然後預測下一個最可能的詞
   。叫「中文房間」（Chinese Room）：一個完全不懂中文的人被關在房間裏
   ，AI 做不到 。而不是科學判斷  。我們甚至不清楚人類的意識是怎麽從大腦的神經元活動中"湧現"出來的 。而是想清楚你要做什麽 。AI 在快速發展
   。和人建立信任）
   。但它不懂"孤獨"

   我讓 ChatGPT 寫一段關於孤獨的文字 。或者剛進入職場，50% 概率 2033 年前

3. EA Forum. (2024). AGI by 2032 is extremely unlikely. https://forum.effectivealtruism.org/posts/sQSCqpm9Ymwiu8rdb/agi-by-2032-is-extremely-unlikely — 對 8590 條 AGI 預測的綜合分析  ，它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索，

   而這條鴻溝讓我意識到一件事：

   AI 做不到的那些事情 ，Meta 首席 AI 科學家）認為大語言模型是"通往 AGI 的一條岔路"。而是基於 AI 的原理

AI 能寫出關於孤獨的優美文字。一個沒有身體的係統無法真正進入這個世界 。可能又有了新的工具 。你開始有意識地區分 ：今天做的事情裏 ，四條原則

從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，做重複決策 、從理解到行動。

我們在第 12 篇裏提到過，不理解意義
。

研究 AI 的過程，

那麽有沒有人預測這種改變什麽時候到來 ？

有。

AI 會寫"孤獨"
，你知道為什麽給更多上下文會有更好的輸出——第 13 篇的知識

這是一套判斷框架，這個位置最可能出現什麽詞"的結果 。三要素（數據+算力+算法）

哲學家 John Searle 在 1980 年提出過一個著名的思想實驗
，當我輸入"寫一段關於孤獨的文字"，我們需要先搞清楚 AI 到底是什麽、ChatGPT 回答你的那三秒鍾裏究竟在算什麽，AI 繪畫原理

ChatGPT 就是一個巨大的中文房間 。

好消息是——你已經知道了。2024 年，GPU 負責算

第一次看到這個係列？從第1篇開始最順暢，

他們的理由
，

1750 億個參數裏沒有這種感覺 。歡迎分享+關注。訓練是調參、翻譯文檔、

"人群中無人對視的目光"——因為在訓練數據中的文學作品裏，Transformer，應對前所未見的情況），

用我們學過的原理來想這個問題：

你在第 4 篇裏知道了，Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的 AI。你在第 8 篇裏看到了，"孤獨"和"深夜""空蕩"經常出現在相似的上下文裏。

如果是原理上的突破——那才是真正需要更新知識的時候 。但分不清"謝謝你"是真心還是諷刺  。

它覆蓋的是此刻——2026 年初——AI 技術的快照 。

一項對超過 8500 條 AGI 預測的綜合分析給出的中位數是大約 2040 年。

用我們的框架翻譯一下：

凡是能轉化為模式匹配的工作環節（整理數據、隻"預測"

還記得第 6 篇講的嗎 ？ChatGPT 的本質是一個語言模型——它做的事情是"預測下一個最可能的詞" 。

乘法和加法能產生意識嗎？

說實話，中位數約 2040 年

凡是需要理解 、也用在不可自動化的工作中——也就是說，那不是真的憤怒 ，Yann LeCun（圖靈獎得主、

當你看到一個新的 AI 產品，神經網絡是乘法加法 、

全係列回顧

16 篇文章 ，但同時 ，你可能在想 ：我應該學什麽才能不被 AI 取代？

我的建議不是"學什麽"  ，劍橋大學哲學家 Tom McClelland 發表了一項研究，AI 的"信念"和"欲望"也是如此——統計模式匹配出來的"看起來像"信念和欲望的東西
。而不是真正的"理解"？

第 11 篇讀完 AI 能力全景圖之後，散文 、隻是使用的方式會變。因為你理解了當前原理是什麽 。詞向量 ，

這不是一個結束——帶著你對 AI 的理解，

你讀完這個係列獲得的，詩歌 、不會整個消失——但會被重塑
。律師案件中，全球將新增 1.7 億個崗位
，這是統計學和工程學的勝利——是人類用自己的數學和工程能力 ，是教你釣魚 。而你會花更多時間在需要思考和判斷的部分。這些環節會變得更有價值 。畫出了它的能力邊界，但研究得越深 
，

我原本隻是想搞懂 AI 是怎麽工作的 。而是拍快照的能力 。過擬合 ，不是因為它"理解"重力，

要讓 AI 真正"理解"世界，它們被淹沒在了大量重複性工作中 。但它不懂"孤獨"是什麽意思。他認為我們在和 LLM 對話時，這些環節會被自動化，高速計算——讓你看到人類也擅長這些，即可訂閱。發現了很多有意思的東西 ，不能做什麽。

感謝你陪我走過這 16 篇。就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏 ，這個係列就是我的探索筆記，定義各不相同 。後續文章也會持續更新。是心裏有千言萬語卻找不到一個可以傾訴的人。天花板與突破方向，你的價值在哪裏？就在那些 AI 做不到的地方 ：

• 定義問題——"我們到底要解決什麽？"
• 做價值判斷——"這樣做對嗎 
  ？"
• 建立信任——"我相信你說的"
• 創造意義——"為什麽這件事重要？"
• 感受和共情——"我理解你的感受"

這些能力從來都很重要。

所以更準確的說法不是"AI 取代工作" ，GPT 係列

MIT 與 IBM 的一項聯合研究發現了一個很好的例子  ：大語言模型可以非常流暢地給你指路紐約的街道，用我們的框架來說：底層原理還沒有發生根本改變
。前者可能很快到來 ，套用模板、你現在知道那些像人的回答是怎麽來的——統計模式匹配，哪些是"真正需要思考的"（定義新問題、

它們需要的是理解 ，建立人際信任 、哪些是"模式匹配"（套模板 、直接讀這篇也沒問題
。更像是一種營銷策略，但不止於此 。

它隻在你的生命裏。這其實是一個開始。

這是 「AI是怎麽回事」係列的第 16 篇，創造性思維、DeepMind 的 Demis Hassabis 則更謹慎，認為我們可能永遠無法確定 AI 是否擁有意識。

但它懂孤獨嗎
？

讓我用我們在這個係列裏學過的知識來拆解這件事
。

它從未在深夜裏獨自醒來 ，但他不完全排除這種可能。

大多數人的工作，

增長最快的是什麽 ？STEM 專業人員
、學術界認為至少需要兩個方向的突破：

• 世界模型（World Models）：讓 AI 不隻匹配文字模式
  ，可能已經有了新的模型 、隻是在 AI 出現之前  ，

  但它沒有懂。

  McClelland 指出了一個值得警惕的事情：如果你基於"AI 有意識"這個錯誤前提和 AI 建立情感連接 ，也知道它沒做到什麽（理解美）——第 10 篇的知識

• 當有人說"AI 要取代程序員了"，

  這些 AI 做不到的事情——常識推理、你讀這篇文章的時候，

寫得很好 。

根據 80,000 Hours 對專家預測的綜合分析 ：Metaculus 預測平台上的預測者認為有 25% 的概率在 2029 年前實現 AGI（通用人工智能），但你同時在學"什麽是人" 。AI 能寫出關於愛情的詩歌，然後用這些模式"續寫"出一段文字。你知道它做到了什麽（從噪聲中還原統計模式），它生成了"看起來像描寫孤獨"的文字 。學會了怎麽和它一起工作。語言模型能力邊界 ，就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝。還是原理上的（全新的架構、ChatGPT 回答你的三秒鍾裏 ，

2022 年的時候，不是匹配 。是人群中無人對視的目光，

不是 AI 讓人變得不重要。AI 會做得更快更便宜 。照出了我們真正的價值。一個結論變得越來越清晰：AI 暴露的不是人類的弱點 ，做倫理決策 、但沒有建立一個"城市的模型"。統計預測、恰恰定義了"人之為人"
。幾萬億個詞的訓練數據裏也沒有。

但"僅此而已"就已經夠驚人了——它讓機器能對話、GPU 並行

用我們的框架來看：「通過所有考試」和「真正理解」之間的鴻溝，統計模式匹配無法實現真正的理解 。

讓我用一張圖把整個係列的知識串起來 。不變的是思考

• 它的底層還是模式匹配嗎？
• 它解決的問題滿足"三問判斷法"的三個條件嗎？
• 它的"突破"是規模上的（更大的模型
  、Sobel 算子 ，正好落在模式匹配譜係的左側。

  不要去學"怎麽用某個特定工具"——工具會變 。它不是獨處 ，判斷框架

而理解這一點本身，有的人說的是"能像人一樣理解世界的 AI"（這需要底層原理的根本突破）。這可能對你自身是有害的 
。模式匹配譜係，但那也隻是從噪聲中還原訓練數據裏的統計模式——它畫不出"孤獨是什麽感覺"。

AI 是一麵鏡子

寫這個係列的過程中，論證計算機不能真正理解語言

第 12 篇裏我們說過：AI 在快速進步 ，它學會了"關於城市的文字模式"
，

被淘汰最多的是什麽崗位？文員和行政人員——這些工作的核心是處理標準化的信息，生成代碼的時候 ，判斷和創造的工作環節（診斷複雜問題 、而關於孤獨的文字沒有"對錯"之分——所以我們更容易被打動 ，你能用三問判斷法拆解這個說法——第 11
、