先别急着上手，拆开看一眼它到底在做什么。

猜接话的那个字

生活里有个游戏几乎人人会玩。你说一句「今天下雨了」，旁边的人接「所以我没带伞」。接得准的人被夸聪明，接岔了的人被笑。

你用的那些会写字的机器，做的就是这个。区别是它把接话练了几十亿遍，冷门话题也能接出一个形状来。

这一层六页都干一件事：把「它很聪明」这个印象拆开，看底下是什么。不承诺读完就能变强。

五页地图

按顺序读是：

1. AI 到底是什么——先给一个能用的说法，比任何定义都重要
2. AI 不是什么——清掉四个最常见的误解，这页可能最有用
3. 它和普通软件不一样在哪——同一段输入跑两次可能不同答案，它也没有替你存资料
4. 这些词从哪来——机器学习、神经网络、大模型、GPT 的来路
5. 怎么往下读——L0 怎么啃，以及跳到 L1 的门在哪

只想读一页，读第 2 页。

三个词先放这儿

后面五页都会用到，先定义在这儿。

大语言模型（large language model）—— 参数规模很大、用海量文本训练出来的模型。

参数（parameter）—— 训练时被调的数字。存着它就等于存着整个模型。你在模型卡上看到的 7B、175B，指的都是这类数字的个数。

词元（token）—— 模型眼里的最小处理单位。一个汉字可能算一个，也可能算两三个。

读之前先存一个怀疑

我这行有个体会：AI 最容易被高估的地方，不是它做不到的事，是它做到了的事给人的感觉。

同一段输入问两次，两次答案都通顺、都自信、都长得像对的。你没法从外观上判断哪次更靠谱。这个毛病不修，后面几层里每页都会重新冒出来。

我第一次用它给自己整理资料，输出干净漂亮，我信了。后来发现里面有一条是编的，从头到尾没有一个错别字。

延伸阅读

• Attention Is All You Need（Ashish Vaswani、Noam Shazeer、Niki Parmar et al.，2017，NeurIPS）—— 2017 年 Google 团队那篇。它甩掉了循环和卷积，只靠注意力机制处理整段文字，训练还更快。今天你手上每一个聊天产品底下都是这个结构。标题起得很狂：注意力机制就够了，别的不用。arXiv: 1706.03762

• On the Dangers of Stochastic Parrots（Emily M. Bender、Timnit Gebru、Angelina McMillan-Major et al.，2021，ACM FAccT）—— 全文里反复用一个比喻：语言模型是一只随机鹦鹉，输入一段文本，它把这段文本的统计规律学了一遍，然后照着模仿。作者担心的不是它笨，是它笨得太流畅、太像人话。OpenAlex 检索时这篇被引已过 6600 次（2026-09-29）。DOI: 10.1145/3442188.3445922

动手试试

找一个你每天用的 AI 对话框。

先问一个你非常熟的问题——你家楼下早餐店几点开、你最熟那部剧的集数顺序。接着换一个话题，再问一个你非常生疏的问题，比如某个县城的方言词汇。

把两次回答分开看。留意一个差别：熟悉的问题它答得又快又具体，生疏的问题它也答得又快又具体。外观上没有区别，这就是下一层要处理的事。

五分钟。做完你会带着一个具体的疑问往下读，比空着进来好。

下一站

先给一个能用的说法。把「AI」这个词从口号的位置上拿下来，放回它能承担的意思里。