AI 是什么，人们到底用它做什么？

大多数关于 AI 的解释都从定义开始。但这是个错误的起点，因为「人工智能」是个营销词，被拉伸覆盖了十几种互不相关的技术。垃圾邮件过滤器、国际象棋引擎和聊天机器人，底层几乎没有任何共同点。

所以换个起点：先看行为。下面是人们用当前这一代 AI 工具真正在做的事。

人们真正在做的五件事

把空白页变成初稿。 写一封邮件、一个函数、一段摘要，任何东西的第一版。输出很少是最终版，但「改这个」比「从零开始写」容易太多。

按自己需要的层次解释。 同一个概念，可以为新手重讲，也可以为专家重讲，讲多少遍都行。这种耐心是文档给不了的。

在格式之间转换。 会议记录变成待办事项，表格变成散文，描述变成能跑的代码，英文变成日文。大多数真正的工作，其实悄悄都是个翻译问题。

在想不出准确说法的时候搜索。 传统搜索需要你给出对的关键词。这些工具能接受你磕磕绊绊的描述，然后返回有用的东西。

把一件小事重复做。 给一千张工单分类，从一千张发票里抽一个字段。单看每件都微不足道，合起来却不值得一个人花一下午。

注意，这五件事全都跟语言有关。这不是巧合，也是理解当下这波 AI 最有用的一件事。

真正变了的是什么

AI 研究的历史很久了。国际象棋程序在 1990 年代就赢过特级大师。垃圾邮件过滤器已经管用了几十年。推荐系统塑造你看什么，也有好些年头了。

最近这次变化很窄、很具体：机器在语言上变强了。

不是变会思考了，也不是变有知识了，而是语言——生成语言、转换语言、回应语言，而且经得起推敲。由于人类的工作有太多以文本形式存储和传递，一台擅长处理文本的机器，最后在多得惊人的、它从未被专门设计来做的岗位上派上了用场。

这就是同一个工具既能帮忙写法律摘要、又能帮忙查 Python bug 的原因。并不是这个工具懂法律或懂 Python，而是这两样东西都是以文本形式送进来的。

唯一值得了解的机制

你完全可以对它们的工作原理一无所知，却把它们用得很有成效。但有一个事实能解释它们的大部分行为，包括那些让人抓狂的部分：

语言模型生成文本的方式，是反复预测接下来是什么。

这就是全部引擎。给定目前为止的所有内容，猜下一个片段，接上去，再猜。这样重复几百次，你就得到了一段文字。

记住这一点，因为它能解释最让人困惑的那个现象：这些工具既令人印象深刻，又不可靠。无论内容对不对，它们都会产出流畅、自信的文字，因为流畅正是它们被造出来要做的事。正确只是流畅常见的副产品，不是它的保证。

知道这一点之后，你就不会再被惊到，而是开始去核查那些真正值得核查的东西。

接下来看什么

本站其余内容是一条有顺序的路径，而不是一堆文章的堆砌，因为这些概念之间确实互相依赖。不懂 embedding 就很难理解注意力（attention），不懂 token 就很难理解 embedding。

两个合理的下一步：

• 什么是 AI 中的 token？——这些模型真正读取的单位。它解释了定价、上下文上限，以及一整类奇怪的失败。
• 学 AI 该按什么顺序？——如果你更想先看清全貌再动身，这是完整地图。

要点回顾

• 「AI」是一个贴在许多技术上的标签；最近的变化是机器在语言上变强了。
• 因为大部分工作都是文本，一台会处理文本的机器，其用处远超它被设计出来的初衷。
• 一切都建立在预测下一个片段之上——所以不管对不对，输出都很流畅。