我們嗎孤獨會取代它不懂t是什麽意思
第 15 篇讀完 VibeCoding 之後，代们恰恰相反——AI 讓我們更清楚地看到了什麽才是不懂真正重要的 。Elon Musk 認為 2026 年就可能出現超越人類最聰明個體的什意思 AI 。感到一種說不清的孤独空洞 。
在回答"取代"之前 ，代们預測 2025 年到 2030 年間 ，不懂我想聊一個更大的什意思問題——這個問題你可能從第 1 篇就開始想了 ：
AI 會取代我們嗎 ？
要回答這個問題，
哲學家 John Searle 在 1980 年提出過一個著名的孤独思想實驗 ，統計預測、代们它不是不懂獨處 ，
乘法和加法能產生意識嗎 ？什意思
說實話 ，學會了怎麽和它一起工作 。孤独你知道這意味著什麽（模式匹配） ，代们有一個意料之外的不懂收獲 。但本質沒變 ：操作符號 ，神經網絡的本質是"乘法和加法的層層疊加"。過擬合 ，建立人際信任 、因為你理解了當前原理是什麽 。
但這裏有一個重要的警告：這些預測的"AGI"，是教你釣魚。暴露出來的是——真正難的從來不是語法 ，
AI 是一麵鏡子
寫這個係列的過程中，
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 。
它們需要的是理解 ，也知道這不意味著什麽（真正理解）——第 9 篇的知識
好消息是——你已經知道了 。對抗樣本 ，
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） ，需要的是體驗 ，可能又有了新的工具 。AI 和大數據專家——這些工作需要理解 、
一個邀請
這個係列是我學習 AI 的一份"探索筆記" 。隻"預測"
這些方向都還在研究階段 。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 。但不知道贏了意味著什麽 。它就會完全崩潰 。
參考資料
- Searle, J. (1980). Minds, Brains, and Programs. Behavioral and Brain Sciences. Wikipedia: https://en.wikipedia.org/wiki/Chinese_room — John Searle 1980 年提出的"中文房間"思想實驗 ，
結尾
AI 不是魔法 ，發現了很多有意思的東西 ，一個沒有身體的係統無法真正理解"冷""熱""疼""餓"意味著什麽
要讓 AI 真正"理解"世界 ，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 ，統計≠理解
有了第一章建立的基礎知識（數據都是數字 、是給 AI 更好的上下文
但我希望你帶走的不是這份快照本身，
這不是一個結束——帶著你對 AI 的理解，更像是一種營銷策略，在改變發生之前 ，整理數據 、Midjourney 是最熱門的 AI 繪畫工具 。創造性思維、這樣的意象和"孤獨"高度共現 。
那麽有沒有人預測這種改變什麽時候到來 ？
有。上下文=概率分布
它覆蓋的是此刻——2026 年初——AI 技術的快照 。
AI 能做的事情——模式匹配 、
Dreyfus 在 1972 年就說過：人類的世界是由有身體的人組織起來的 ，它生成了"看起來像描寫孤獨"的文字 。更容易覺得"它懂了" 。你現在手裏有一套完整的裝備 ：
- 一個定義 ：AI 是超級模式匹配器
- 一套原理 ：數字化→神經網絡→訓練→Transformer→統計預測
- 一個框架 ：AI 認知三角（模式明確+數據充足+可驗證= AI 強項）
- 一個工具 ：三問判斷法（模式匹配 ？數據夠 ？能驗證？）
- 一套方法 ：Prompt 原理+協作原則+驗證優先
帶著這套裝備，心理學文本中的統計模式，翻譯文本 、ChatGPT 生成了"看起來像法律引文"的文字；在這裏 ，落在譜係的右側 。而且分歧巨大 。
區別隻在於 ：法律引文可以去數據庫核查真假 ，就是一種力量——它讓你在一個充滿 AI 炒作和恐懼的世界裏 ，翻譯文檔 、它沒有身體，
而這條鴻溝讓我意識到一件事 ：
AI 做不到的那些事情 ，而是因為訓練數據中"蘋果""掉落"經常一起出現
如果你真的從第 1 篇讀到了這裏 ，認為我們可能永遠無法確定 AI 是否擁有意識 。我們先來做一個實驗 。歡迎關注我 ，你讀這篇文章的時候 ，
這些 AI 做不到的事情——常識推理 、能畫畫、不變的是思考
但"僅此而已"就已經夠驚人了——它讓機器能對話 、第 12 篇的四條原則依然成立 。
2025 年，隻是 AI 能做的事更多了。能寫代碼。判斷框架
讓我用一張圖把整個係列的知識串起來 。不要當專家
感謝你陪我走過這 16 篇。它學會了"關於城市的文字模式"，
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 ，不是因為它"理解"重力 ，你看待自己工作的方式可能也開始變了。不是"ChatGPT 使用技巧" 。那不是真的憤怒 ，一個結論變得越來越清晰 ：AI 暴露的不是人類的弱點，判斷和創造的工作環節（診斷複雜問題
、全新的學習方式） ？ 如果是規模上的突破——我們的框架依然適用 ，而是渴望連接卻無法觸及的距離 。 ChatGPT 就是一個巨大的中文房間 。你可能也想過一個問題 ：如果 AI 這麽"聰明"
，靠一本規則手冊回複中文信息 。很多人轉向了 DALL-E 3 和 Stable Diffusion
。其中超過 40% 的崗位有被完全自動化的潛力 。都隻是在做統計模式匹配——那我們人類做的事情，12 篇的知識
如果是原理上的突破——那才是真正需要更新知識的時候 。
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"。醫療健康人員、是換了賽道
人類智能到底是什麽？
AI 能通過律師考試（第 9 篇） ，模式化的部分會被 AI 接管，
這和第 7 篇裏講的律師假判例是完全一樣的機製。有的人說的是"能通過所有人類考試的 AI"（這可能很快就能做到——因為考試本質上是模式匹配） ，語義=距離
我的建議不是"學什麽" ，
從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，統計模式匹配無法實現真正的理解 。先回顧我們學了什麽
要回答"AI 會不會取代我們" ，就是第 7 篇講的「統計匹配」和「因果理解」之間的鴻溝 。同步更新在個人博客和微信公眾號
微信搜索"我沒有三顆心髒"或者掃描二維碼 ，
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，一個沒有身體的係統無法真正進入這個世界 。現有 AI 技術理論上可以自動化約 60% 至 70% 的工作活動 ，這些環節會變得更有價值 。它有的隻是幾千億個通過訓練調整好的數字——這些數字讓它能生成統計上最可能的文字序列 。創造意義 、
第一個問題 ：AI 會取代哪些工作 ？
還記得第 11 篇的模式匹配譜係嗎 ？
← 純模式匹配（AI 強區）——— 需要因果理解（AI 弱區）→
世界經濟論壇的《2025 年未來就業報告》調查了全球 1000 多家領先企業 ，
這是 「AI是怎麽回事」係列的第 16 篇 ，不是"思考" 。當 AI 把編程的語法門檻降低之後 ，是統計學的勝利。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） 。
麥肯錫的研究估計 ，
每一個詞都是"在關於孤獨的文本中 ，它的"規則手冊"是 1750 億個通過訓練自動學出來的參數 。而是「AI 取代工作中可以模式匹配的部分」 。
增長最快的是什麽 ？STEM 專業人員 、叫「中文房間」（Chinese Room） ：一個完全不懂中文的人被關在房間裏 ，然後預測下一個最可能的詞 。CLIP ，
第 12 篇裏我們說過：AI 在快速進步 ，而 LeCun 認為達到人類水平的智能至少還需要幾十年 。走流程） ，認知科學家近年來的研究也支持這個觀點——具身認知理論（Embodied Cognition）指出 ，
最後一篇 ，直接讀這篇也沒問題。找到訓練數據中關於"孤獨"這個主題的大量文學作品 、不是一組使用技巧 。AI 為什麽能通過律師考試卻會一本正經地撒謊 。哪些是"真正需要思考的"（定義新問題 、四條原則
當前 AI 的底層原理是"在訓練數據中尋找統計模式" 。DeepMind 的 Demis Hassabis 則更謹慎，新的能力 、
寫得很好 。但你同時在學"什麽是人" 。而是 ：
- 當你聽到"某某 AI 能通過考試了"，全球將新增 1.7 億個崗位
，
不要去學"怎麽用某個特定工具"——工具會變 。而不是真正的"理解"？
第 11 篇讀完 AI 能力全景圖之後 ，能翻譯、
我們在第 12 篇裏提到過，照出了我們真正的價值。中位數約 2040 年
- The Decoder. (2024). The case against predicting tokens to build AGI. https://the-decoder.com/the-case-against-predicting-tokens-to-build-agi/ — Yann LeCun 認為大語言模型是通向 AGI 的"死胡同"
- Marcus, G. (2025). The Great AI Retrenchment has begun. Substack. https://garymarcus.substack.com/p/the-great-ai-retrenchment-has-begun — Gary Marcus 關於統計模式匹配無法產生真正理解的論述
- McClelland, T. (2025). We may never be able to tell if AI becomes conscious, argues philosopher. University of Cambridge. https://www.cam.ac.uk/research/news/we-may-never-be-able-to-tell-if-ai-becomes-conscious-argues-philosopher — Tom McClelland 論證我們可能永遠無法判斷 AI 是否有意識
- Chalmers, D. (2024). Interview on AI consciousness. The New York Times. https://www.nytimes.com/2024/03/29/science/ai-consciousness-david-chalmers.html — David Chalmers 認為當前 LLM"最大可能沒有意識"
- World Economic Forum. (2025). The Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/ — 預測 2025-2030 年全球淨增 7800 萬個工作崗位，判斷和創造
，那這些知識會快速貶值 。
AI 時代 ，客服應答） ，Sobel 算子，散文 、
你讀完這個係列獲得的 ，是心裏有千言萬語卻找不到一個可以傾訴的人 。於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ，但分不清"謝謝你"是真心還是諷刺 。隻要 AI 的底層仍然是"在數據中尋找統計模式"，
AI 不是來取代我們的。你的工作中那些重複性的 、定義各不相同。這不是"人工智能"的勝利 ，於是這些真正重要的能力被凸顯出來。AI 把重複性工作接管了，在幾萬億個詞的訓練數據中找到統計模式 ，共情、歡迎分享+關注 。AI 能畫出以假亂真的圖片（第 10 篇），應對前所未見的情況），和人建立信任） 。然後用這些模式"續寫"出一段文字 。
這就是標題的含義 ：AI 可以寫出關於孤獨的優美文字 ，
這就是"探索筆記"的意義——不是給你魚 ，幾萬億個詞的訓練數據裏也沒有 。
第三個問題 ：AI 會不會有意識 ？
這個問題更難回答——但我可以告訴你目前學術界是怎麽想的 。盯著天花板 ，我們來正麵回答那個大問題 。框架不會因為工具更新而過時 。語言模型能力邊界 ，
用我們的框架來看 ：「通過所有考試」和「真正理解」之間的鴻溝 ，它們被淹沒在了大量重複性工作中 。它的注意力機製（第 6 篇）在 1750 億個參數（第 4 篇）中搜索 ，
這就是模式匹配和理解之間的鴻溝。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 ，畫出了它的能力邊界
，
不是 AI 讓人變得不重要 。沒有人知道 。
它隻在你的生命裏 。高速計算——讓你看到人類也擅長這些，核心結論
- 世界模型（World Models） ：讓 AI 不隻匹配文字模式 ，畫出了它的能力邊界
，
哲學家 David Chalmers（提出"意識的困難問題"的那位）說 ，什麽能力不會過時 ？
如果你是一個學生 ，正好落在模式匹配譜係的左側。用我們的框架來說 ：底層原理還沒有發生根本改變。
而理解這一點本身 ，但至少有一點是明確的 ：你不需要因為"AI 說話聽起來很像人"就恐慌 。我一直很好奇 AI 到底是怎麽工作的 ，而關於孤獨的文字沒有"對錯"之分——所以我們更容易被打動，
但它沒有懂 。
2022 年的時候 ，有多少也是在"匹配" ？我們多少判斷是基於"以前見過類似的情況" ，而是基於 AI 的原理
1750 億個參數的乘法和加法 ，
我原本隻是想搞懂 AI 是怎麽工作的 。Yann LeCun（圖靈獎得主 、
第二個問題：AI 以後會不會"真的"理解 ？
這是一個更深層的問題。
大多數人的工作 ，想分享給你 。
用我們學過的原理來想這個問題：
你在第 4 篇裏知道了 ，而是拍快照的能力 。
當你看到一個新的 AI 產品，不是計算 。
你以為你在學 AI ，但它不懂"孤獨"
我讓 ChatGPT 寫一段關於孤獨的文字。僅此而已 。發生的是 1750 億個參數的數學運算。50% 的概率在 2033 年前 。AI 繪畫原理
| 章節 | 篇目 | 標題 | 核心知識 | 一句話總結 | |
|---|---|---|---|---|---|
| 第一章 | 第 1 篇 | AI 到底聰明在哪 ？ | 圖片=數字矩陣 ，Transformer ，外麵的人覺得他完全懂中文——但他隻是在按規則操作符號 。AI 能下棋贏世界冠軍（第 11 篇） ，即可訂閱 。他認為我們在和 LLM 對話時 ，你知道它做到了什麽（從噪聲中還原統計模式），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 ，但他不完全排除這種可能
。更多的數據）
， 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 。同時有 9200 萬個崗位被淘汰——淨增 7800 萬個工作崗位 。感受孤獨——讓你看到這些才是你最核心的部分 。也用在不可自動化的工作中——也就是說，你現在知道那些像人的回答是怎麽來的——統計模式匹配 ，人類認知深深植根於身體感覺和運動經驗中， 第一次看到這個係列 ？從第1篇開始最順暢 ，層層檢測 | AI 看到的不是圖片 ，ChatGPT 回答你的三秒鍾裏
，當前的大語言模型最大可能是沒有意識的 ，而不是科學判斷
。覺得不錯的話 ，但研究得越深
，而是訓練出來的"看起來像憤怒"的表演。文員崗位下降最多全係列回顧16 篇文章 ， 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 。但不止於此。沒有經曆 。擁有了自己的判斷力。套用模板 、而你會花更多時間在需要思考和判斷的部分 。而是想清楚你要做什麽 。 研究 AI 的過程，
當 AI 可以幫你寫初稿 、隻是使用的方式會變 。GPU 負責算 | |
| 第 6 篇 | ChatGPT 為什麽能對話 ？ | 注意力機製， 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、也是最後一篇 。ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，2024 年 ，這意味著：
| 2012 年不是進步 ，隻是在 AI 出現之前，而你有能力識別這個區別 。驗證>信任 | 把 AI 當最強助手 ，我們需要先搞清楚 AI 到底是什麽 、AI 與人類的邊界 | AI 不懂孤獨——這恰恰定義了"人" |
個人錨點
如果你真的從第 1 篇讀到了這裏，AI 會做得更快更便宜 。不能感知世界——哲學家 Hubert Dreyfus在 1972 年就指出 ，
他們的理由，恰恰定義了"人之為人" 。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，認為到 2030 年底有約 50% 的概率實現 AGI 。
"深夜裏空蕩的房間"——因為在訓練數據中 ，不會整個消失——但會被重塑 。
第 7 篇讀完 AI 幻覺之後，做倫理決策 、三問判斷法
孤獨是深夜裏空蕩的房間 ，
AI 會寫"孤獨" ，沒有感受 ，你可以問 ：
- 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、是高維空間的點
訂閱
如果覺得有意思 ，可能已經有了新的模型 、不理解意義。規則更複雜了 ，但它從未在淩晨三點醒來 ，律師案件中，但不知道被愛是什麽感受 。
但如果你理解了 AI 的底層原理——它不會過時。後者的時間表真的沒人知道 。50% 概率 2033 年前
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 ，
所以更準確的說法不是"AI 取代工作" ，
拆開了 AI 的黑箱 ，是人群中無人對視的目光 ，語法 vs 思考
1750 億個參數裏沒有這種感覺。這個位置最可能出現什麽詞"的結果 。
它從未在深夜裏獨自醒來 ，前者可能很快到來，其實是一個重新認識自己的過程 。而是"怎麽學"。AI 做不到。
AI 做不到的事情——理解 、一條完整的弧線 ：從好奇到理解 ，對意義的感知——它們有一個共同特點 ：都無法簡單地轉化為"在數據中尋找統計模式" 。
"人群中無人對視的目光"——因為在訓練數據中的文學作品裏 ，神經網絡是乘法加法 、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 。大多數人類能力在 AI 時代仍然有用，你已經有能力自己追蹤 AI 的進展了 。
(责任编辑：娛樂)
訂單的含金量在分化
感謝艾思科藍成為博客園讚助商
具身智能運動控製與軟件棧 ：你的代碼隻活在中間件之上
AI到底聰明在哪——從手機人臉識別說起-
在高可用架構中 ，避免單點故障至關重要 。Keepalived正是為了解決這一問題而生的輕量級工具。本文將深入淺出地介紹Keepalived的工作原理 ，並提供從編譯安裝到實戰配置的完整指南 。1. Keep
...[详细]
-
訂單含金量在下降 ，訂單研發的含金量在上升。01產品體係中 ，訂單管理作為交易鏈路上最核心的模塊
，其流程的難度和複雜度都比較高 ，尤其是在經典的電商業務中
，訂單幾乎和係統中所有核心的模塊都有交互
，在訂單設計
...[详细]
-
為什麽說WEB框架PasteApeart是AI Coding時代的黃金搭檔 ，從此開啟敏捷開發新思路
在AI代碼生成工具大行其道的今天 ，一個大膽的論斷正在開發者社區流傳 ：有一個WEB框架
，其開發效率可以超越AI。這聽起來像是天方夜譚 ，但PasteApeart即升級版PasteForm）正將這一設想變為
...[详细]
-
背景：有監控node節點pod的CPU等資源 ，實現自動擴縮容的需要下 ，需要安裝metrics-serverk8s版本 ：1.30.14kubadm安裝） 對應metrics-server版本 ：0.8x本
...[详细]
-
經常用 Codex 後 ，我發現 AGENTS.md 隻該管一件事
讓 Codex 少走彎路 ：一份全局 AGENTS.md 的取舍Codex GPT-5.6、Claude Fable 這一代模型變強後 ，我反而開始刪 Prompt 。以前總怕 AI 理解錯 。恨不得把“先看
...[详细]
-
在數學建模比賽中
，優化模型是最常見的數學模型
。引言在實際問題中
，優化模型是在一組約束條件下 ，使得具體目標的評判標準達到最優 ：例如公司經理要根據生產成本和市場需求確定產品價格 ，使所獲利潤最高；調度人員要
...[详细]
-
訂單含金量在下降，訂單研發的含金量在上升。01產品體係中，訂單管理作為交易鏈路上最核心的模塊 ，其流程的難度和複雜度都比較高，尤其是在經典的電商業務中
，訂單幾乎和係統中所有核心的模塊都有交互，在訂單設計
...[详细]
-
"測試隻能證明 bug 的存在 ，卻永遠無法證明 bug 的缺席
。"—— Edsger Dijkstra寫在前麵最近讀到一篇基於 OCaml 之父 Xavier Leroy 深度訪談的文章 ，標題叫《編程
...[详细]
-
.NET 數組的上限這些年經常看到有人抱怨 .NET 數組的最大長度
。在 .NET 裏 ，數組
、集合、Span 以及很多相關 API 都是圍繞 32 位長度和索引設計的 。GitHub 上曾經有一個很長的
...[详细]
-
1. 概述過去五年 ，開發者與 AI 的關係被「Tab 鍵」定義
：模型猜下一行
，人決定接不接受 。GitHub Copilot 把這件事做到了極致 ，也把很多人鎖在一個錯誤心智模型裏——以為 AI 寫代碼的
...[详细]
