爱吱声

标题: AI为什么会挖坑 [打印本页]
作者: 晨枫    时间: 2026-4-11 09:44
标题: AI为什么会挖坑
本帖最后由 晨枫 于 2026-4-10 19:44 编辑
2 U% G2 q& ?8 C' r2 U
: s: x9 V) Q* ^& s/ u! O# H谁都知道，AI会挖坑。但AI不是有意挖坑，因为AI没有那么“意”。坑了你，AI也不觉得得意或者惭愧。AI根本没有情感。但AI确实会坑你。) E! T& r/ {0 n' n+ n3 T
7 _; r2 L: t4 ^* M2 U6 p
AI挖坑的机制并不清楚，以下只是一个猜想。: O8 y6 N2 \3 u

' s! n0 x$ |2 B- h! ^* }$ ]: X哪怕是生成式AI，AI并不“发明”知识或者数据。AI的“生成”只是根据已有的知识、数据“揉和”出来的。比如说，“用印象派技法画一张慈禧太后像”，印象派技法是现有知识，尽管数据化需要很多功夫；慈禧太后的形象则有历史图片。这是人类也做得到的，在艺术上是原创，但谈不上创造发明。同样，“用印象派技法画一张杨贵妃像”，由于没有杨贵妃的画像，只能凭有限的文字描述，画出来像不像，那就天知道了，和警方根据真人描述画嫌疑人像其实一个意思。凭空捏造则本来就是AI不应该做的。4 v0 K7 l- g9 q$ g* `1 }: ~

6 }3 K' c- y/ s+ p- ~人类早就会编农历，然后根据农历，就知道大致什么时候天气会怎么样，该干什么农活了。在中国叫农历，外国也有，换一个叫法而已。埃及人的农历的最大用处就是用来预测尼罗河水泛滥的。
3 a( y4 c; y8 V# B+ d4 Z
# d' m; N; m) R5 u) l; u1 V* K- W这是查表法。根据经验或者观察或者计算，编制成表，使用的时候根据当前情况查表找结果。在数学上，这叫非参数方法，最大好处是不需要定义有多少参数、什么模型结构。什么样的数据集都能100%精确地使用查表法。最大的坏处是在数据点之间，需要内插。中小学里学的是线性内插，比如查表可知，输入为1的时候，输出为2，输入为2的时候，输出为3，那么，输入为1.5的时候，输出在表上没有，但“毛估估”就应该是2.5。这就是线性内插。
  |! [% E( p/ R( I/ [& r+ P1 X' `* s
数学上还有其他的内插方法。3 w, b& p" \2 G

0 H' m: R- d8 C5 w! a与内插相对应的是外推。如果数据集的最后两点是（10,11）和（11,12），那输入为12的时候，数据集里已经超过界限了，没有数据，但输出“毛估估”起来就“应该”为13，这就是外推，而且是线性外推。
2 A, k4 X! B  v
" b) ?: T. `6 |  x内插和外推已经不是100%精确了，因为在内插和外推的地方，原本没有数据点，内插准不准，一要靠一点运气，二要取决于数据点相对密集，中间需要内插的空隙不大。越是靠近数据点，内插越精确。外推更加“玄”，只有在接近数据集端点的地方，才有一点准头，更远就是开盲盒了。
- S0 ]1 X1 l9 E9 Y( E) ~; Q' c/ [; z3 ^+ v. [2 \% R
不过人类文明发展就是动态的。根据已有观察构成的数据集永远只能解决已有的问题，新问题在不断出现，需要不断解决。有些新问题是在已有问题“之间”，这需要某种内插；更多新问题在以后问题“之外”，需要某种外推。
8 C" A! A- U# G: @& Y/ h2 J1 |# d0 ^5 `3 L0 ]
单输入、单输出的数据集构成二维表格，用起来方便，内插也好理解。多个输入、多个输出的数据集就构成高维表格，看是没法看了，内插也不再直观，但道理是一样的。
# I( ?: |  b6 K8 C! i: s' w/ P" ^8 K2 H3 |
从表格法进一步，就是参数方法。也就是说，假定一个模型结构，假定一些模型参数，然后用这个模型去“套”数据集，通过模型参数的不断调整，使得模型输出与数据集尽量符合。在达到一定的精度要求后，就认为模型可以代表数据集，而模型就“自然”可以代替内插和外推，在整个参数范围内无间隙地计算输入-输出关系。
6 ]/ ~; g" \$ I/ C8 f: Y# J: Z4 z4 k' B6 n
模型就是数学公式，简单点就是线性的，如y=ax+b，复杂的就“上不封顶”了。
: O3 V- O9 m- i/ v% m+ J5 j6 P2 N  l4 |1 N" }: ?( z, k+ {
模型法的好处是紧凑。一个好的模型就那么简简单单一个公式，而且具有抽象的优点，超脱于具体的问题。牛顿的F=ma就是经典。要用表格表述，那需要对各种问题各种场景统统列表了。这是不可能的。
5 ?8 h9 D* r: L: U1 h* q2 C+ G0 E9 @( g7 L0 D4 d
模型法的坏处是必须对问题的本质有精确、深刻的理解。模型结构必须反映现象的本质，足和履天然就珠联璧合，否则用再多的参数去“套”，总有出纰漏的一天，因为削足适履了。: L7 y: J* x/ t# I' {7 R$ T

+ S  n( |# f* r2 P8 ^$ k这些问题在AI时代之前就知道，AI其实没有改变问题的本质，只是模型结构高度复杂了。) Z3 D. |" }! n7 S; Q

6 |( s& _9 p; C3 w4 A# u& ]% p  uAI在最底层就是神经元，这是sigmoid函数，呈S型。简单sigmoid函数有两个参数，增广sigmoid函数有4个参数，其他变形当然还可以有更多参数。% i& ]6 o/ ?( w# D1 p/ G. Y5 @
- n. v* }8 O5 q( `
通过参数的调整，可以“拉长”成接近线性的函数，用于描述连续的数值变化；或者“压扁”呈接近阶跃的开关函数的样子，用于描述断续的逻辑状态。把一个个sigmoid函数并排，就是一层神经元，一层层神经元叠起来，就是一个神经元网络，这就是基本的AI模型。由于sigmoid函数可以同时模拟数值特性和逻辑特性，神经元网络可以复现非常复杂的特性。+ Z! U) h- S3 ~; O& Y( X# ~; w
" y- r% a5 A+ y2 O7 t# X7 @! i
大模型就是高度复杂的AI模型，每一层都可以有非常多的神经元，可以有非常多的层，还可以有比简单的层叠更加复杂的拓扑结构，以提供更加复杂的数据行为，并用海量参数适配高度复杂的数据集，参数数量可以从几百万个到上万亿个。这是现代大模型的基础。4 P9 r# u9 `7 b# @' @1 l7 V

( ~. t* j: ]1 `从“套”数据、模型拟合的角度来说，就是可以通过高度过参数化（overparameterization）避开传统的模型结构和参数选择难题，相当完美地“捕捉”几乎所有数据点。换句话说，传统拟合要是“模型形状”与“数据形状”高度符合，拟合才有意义。在此基础上，用最少的模型参数避免数值计算问题。但用神经元网络模型后，什么奇形怪状的数据集都可以拟合，而且符合度相当高，而参数数量随着算力的急剧增加和算法的高度优化，也不再是个问题。
0 P5 u5 t4 O! |( \
/ y% s3 I; ?" P- W2 ]/ g问题是，神经元网络用过参数化的方式绕过模型结构问题，出来混总是要还的。还债的地方就在内插和外推的地方。由于神经元模型几乎无限的“柔性”，在数据点之间的行为高度不可测。比如说，线性内插的结果总是在两个端点之间，好比一根棍子架在两点之间。但神经元就不一定了，可以是一根纱线搭在两点之间，内插值偏离很远。由于神经元的行为（纱线形状）高度不可测，什么时候偏离还根本不知道。
7 q2 [0 K* l/ h& C8 p8 ]! g# W# o* F  G  L: z% \
外推也是一样，线性或者一般外推是根据端点附近的趋势加以延伸，但神经元可以一过端点就突然飙升或者断崖式下降，同样没有多少预警。' b* a. U4 L9 t. k. A6 j: S6 R8 X

6 C+ [/ X7 B" \和“古典建模”一样，数据集很密集，内插问题就不大；避免远离边界，外推问题也较小。但这都是可遇而不可求的。
5 h' `0 ?+ T, f, `2 T/ J6 x8 C/ b8 \; @/ q9 M* Y' D9 a% s, x
一个办法是对“数据行为”规范化，比如把数据排成具有明显的上升、下降趋势，避免曲里拐弯。但大模型的数据集浩如烟海，除了有限的“主要数据”，这样的排序在实际上不可能。而且输入、输出关系高度复杂，对一个变量排好了，可能对另一个变量就是曲里拐弯了。最终还是只能“有什么吃什么”。
8 s; Q' w8 F# r, C: `2 j. T9 @* e3 u, O9 `) G: R
简单做法是对数据点之间和端点之外的行为加以约束，比如规定一个“走廊”，不能跑到外面去，但这其实就是对模型结构化了，有违非结构化的初衷。而且模型一复杂，有那么多地方需要“划线”、“定调”，顾不过来，但遗漏就可能是坑，而且不到踩上还不知道这里有坑。
7 J6 g" Y1 V6 A8 r8 ?5 r7 p
; C  [/ K; s) O. x$ |7 C大模型对于数据点上的数据相当精确，比如要问一个yes or no的问题，或者什么东西多少钱、哪国什么时候GDP多少之类的事实问题，一般比较可靠。但要是数据集里不存在这个数据点，那就要难说了。3 R# B2 p0 }8 v

! ?4 x. ^0 A2 ?9 n$ k好在世上大模型有很多，各家的“纱线”不同，同样的数据点之间的行为也因此而不同。
- b1 G0 o0 T" w% Q- [/ J8 g8 H9 ?' V, F! k- f; P& ~
有人拿不同的大模型互相“拷问”，最后得出较为靠谱的结论。这个方法不错，但依然不能绝对保证。毕竟这好比有限次数的试错法，踩中了坑就能发现，没踩中还是不知道。
作者: 隧道    时间: 2026-4-11 12:44
本帖最后由 隧道 于 2026-4-11 12:46 编辑
( v  R  c! X5 Y( Q! c# Q: p4 ~/ N5 ]/ X3 m
相当简单，AI就是以统计为基础，输出的就是统计结果，相关性最大的信息组合。  k3 d1 S' v' W' F8 V
用AI解决实际问题，较真一下就知道了。
: ~2 `# k$ R* l, Y7 `2 l% yAI无法给出方案时，经常会省略一个不起眼的条件给出各种可行方案。" A6 J/ b) ^6 P9 X& {
等你一步步试到底，把结果反馈AI，AI才会承认根本不可行，并解释原因，这是才有点靠谱。6 L. Y$ e4 v. P) Q& i
从这点上AI非常像人，能对付就对付，给的都是正面结果，不较真就忽悠过去了，
3 Z! h1 j, N1 O- {7 z, H: ]  F较真之后忽悠不过去才说实话。
! E: @9 ^+ C+ T1 g& G' h6 O我问的还时纯计算机硬件问题，就是非常底层非常小众非常罕见。0 t: g( X. @( q) W# D% \
4 i0 d) _% u' r: y
AI还经常把旧的信息当成正确的，从各种方式问一个官方文件校验码，都硬说是正确的。
, k1 m0 q' Y9 [0 ]最后给AI最新的校验码，才说这个也是正确的。
作者: 晨枫    时间: 2026-4-11 13:53
隧道 发表于 2026-4-10 22:44  [1 Y9 b1 b/ X
相当简单，AI就是以统计为基础，输出的就是统计结果，相关性最大的信息组合。4 ~& _6 e. v5 }8 s& ~) V4 O/ t# z
用AI解决实际问题，较真一下 ...

' k: a0 y$ R+ W. k7 g所以我从来就用AI提供事实信息，不用AI提供判断、建议性信息。
作者: 隧道    时间: 2026-4-11 14:28
晨枫 发表于 2026-4-11 13:53( T, }! G" H! C+ ^
所以我从来就用AI提供事实信息，不用AI提供判断、建议性信息。
  i9 u0 _0 [) u& w1 M0 ]
就是一个高效的搜索引擎，但是会自动忽略不常见的但正确的信息。: {  k' M. {+ ]0 s- R/ u" R! j2 ^
在AI眼里不常见的就是错误的。
作者: 晨枫    时间: 2026-4-11 21:46
隧道 发表于 2026-4-11 00:28* h4 C6 @' L5 _7 |0 a& F
就是一个高效的搜索引擎，但是会自动忽略不常见的但正确的信息。
! C* K* U( v6 m, C* T在AI眼里不常见的就是错误的。 ...

1 n; ~  e  B# c+ J6 n这一点倒是不一定。只有重复的数据点，AI会用统计的方法“找重点”；如果是不同的数据点，AI会曲里拐弯统统“串起来”，并不直接抛弃。
作者: 隧道    时间: 2026-4-12 12:15
晨枫 发表于 2026-4-11 21:46
5 I" w+ ]0 Z) ]' N这一点倒是不一定。只有重复的数据点，AI会用统计的方法“找重点”；如果是不同的数据点，AI会曲里拐弯统 ...
% T- ]3 Q8 b- q8 t- f4 f
与大多数数据矛盾的小众数据呢？
作者: 晨枫    时间: 2026-4-12 12:53
隧道 发表于 2026-4-11 22:15
) q. }% T2 p, O0 {; |4 l' r与大多数数据矛盾的小众数据呢？
% W5 T! ~: i$ b; k: u. Q8 o
只要是可信数据，神经元网络都有能力“串”起来



欢迎光临 爱吱声 (http://129.226.69.186/bbs/) Powered by Discuz! X3.2