第 1 篇：AI 到底怎么"想"的？
📍 专题位置：第 1/8 篇
📊 难度：入门
⏱️ 预计阅读：12 分钟
---
你打开 ChatGPT 或者豆包，敲了一句话："帮我写一篇好文章。"
30 秒后，你看着屏幕上的结果，皱起了眉头。文章说不上差，但感觉就是不对——没有风格，没有重点，甚至有些地方逻辑是乱的。
你很失望。你心想："不是说 AI 很厉害吗？就这？"
恭喜你，你和 95% 的 AI 新用户产生了完全相同的困惑。但问题不出在 AI 身上——出在你对 AI 的根本误解上。
本文核心观点：AI 不是搜索引擎，不是知识库，它是一个"猜词机器"。不理解这一点，你永远在碰运气。
---
一、AI 到底是什么？
让我们先从一个看似无聊但至关重要的问题开始：当你在对话框里打字的时候，AI 那边发生了什么？
大多数人的直觉是：AI 在"查找"答案。就像一个超级搜索引擎——你把问题输进去，它在某个巨大的数据库里翻找，找到最匹配的答案，然后给你。
这个理解完全错误。
AI 大语言模型（LLM，Large Language Model）的真实工作方式是：接收一段文字，预测下一个字应该是什么。
是的，就这么简单。它不是在"翻书找答案"，它是在猜下一个字。
我们来玩一个游戏，帮你理解这个过程。请你补全下面这句话：
今天天气真 ___
你会猜什么？"好"？"热"？"冷"？
你的大脑调取了所有你见过的以"今天天气真"开头的句子，然后给出了概率最高的那个字。这不神奇——因为你一生中读过、听过、说过无数这样的话。
现在换一句：
量子纠缠现象的本质是微观粒子之间存在着一种超越经典物理学的 ___
你可能猜不出来了，除非你学过量子物理。但如果你学过，你的大脑同样是在调取相关记忆。
AI 做的，和你刚才做的，原理是一样的。 它只不过训练数据比你多几个数量级——它几乎读完了互联网上所有公开的文本。所以当你输入"量子纠缠现象的本质"，它能从"记忆"中找到无数相关文本，然后猜出"关联"、"纠缠"、"相互作用"等可能的下文。
一个重要的类比
把 AI 想象成你身边一个知识面极广、但从不真正"理解"任何东西的同学。
这个同学读了图书馆里的每一本书。你问他任何问题，他都能滔滔不绝地说出听起来很有道理的话——因为他在记忆里找到了相似的内容，然后把这些内容重新组合输出。
但如果你问他一个他从来没在书里见过的问题（比如"我邻居家的猫今天为什么不吃东西"），他会怎么做？他会硬编。他会从"猫"、"不吃东西"、"邻居"等关键词出发，编出一个听起来合理但毫无事实依据的回答。
这就是 AI 的本质：一个超级强大的"下一个字预测器"。
---
二、三个你必须知道的 AI 特性
理解了 AI 的本质，接下来三个特性就很好懂了。这三个特性，决定了你使用 AI 的成败。
特性 1：知识有截止日期
AI 的知识来自于训练数据。训练数据是在某个时间点之前收集的。所以——
AI 不知道训练截止日期之后发生的任何事情。
以 GPT-4 为例，它的训练数据截止到 2023 年底（具体版本不同）。如果你问它"2026 年世界杯冠军是谁"，它不知道。如果你问它"今年最火的 AI 工具是什么"，它只能基于 2023 年之前的信息回答。
这就像你去图书馆查资料，但图书馆里所有书都是 2023 年出版的——之后世界发生了什么，图书馆里没有记录。
但这不代表 AI 完全没用。对于截止日期之前的知识（历史、科学常识、编程语言基础、写作技巧等），AI 的知识储备非常惊人。
如何知道你的 AI 的知识截止日期？ 你可以直接问它："你的训练数据截止到什么时候？"——大多数 AI 会诚实回答。
特性 2：存在知识偏差
训练数据来源于互联网。互联网上的内容，天然存在偏差。
所以 AI 对热门话题的回答更准确，对冷门话题的回答就不那么靠谱。
就像那个比喻：AI 就像一个只读过畅销书的人——你对畅销书的话题滔滔不绝，但你问他关于某个冷门学术领域的问题，他就开始胡说了。
特性 3：会产生幻觉（Hallucination）
这是 AI 最危险也最被低估的特性。
AI 幻觉 = AI 一本正经地编造不存在的信息。
举几个真实例子：
为什么会产生幻觉？ 回到 AI 的本质——它是在预测下一个字。当它不知道真实答案的时候，它不会说"我不知道"，它会继续预测——基于它见过的相似内容，"编"出一个看起来合理的答案。
关键洞察：AI 的目标不是"说出真相"，而是"说出听起来合理的话"。这两个目标经常重合，但绝不总是重合。
---
三、为什么同一个问题问两次，答案不一样？
你可能已经发现了：把同一个提示词复制粘贴，再问一次，AI 的回答可能完全不同。
这不是 bug。这是故意设计的随机性。
AI 有一个参数叫 temperature（温度），控制输出的随机程度。
默认情况下，对话 AI 的 temperature 通常设置在 0.7 左右——既有一定的稳定性，又保留一定的创意空间。
这对你意味着什么？
---
四、什么时候该信任 AI？什么时候不该？
有了以上的认知，我们可以总结一个简单的判断框架：
✅ 可以信任 AI 的场景
⚠️ 必须交叉验证的场景
记住一个原则：关键事实永远查两个来源。AI 说的和搜索结果要对得上。
---
五、本篇总结
一句话记住：AI 不是一个翻书找答案的图书馆，而是一个知识面极广、但偶尔会瞎编的聪明同事。
你现在知道了：
这些认知是所有后续技巧的地基。不理解 AI 的本质，你学再多"提示词模板"都是在沙子上盖房子。
---
下一篇预告：既然 AI 是一个猜词机器，那我们给它不同的"上文"，它就猜出不同的"下文"——这个"上文"，就是提示词。下一篇，我们来学怎么写好它。👉 [第 2 篇：开口就对：写好提示词的四要素]()
---
✏️ 配套练习：