|
|
本帖最后由 晨枫 于 2026-4-10 19:44 编辑 3 N% U( p# F$ V6 I/ k/ Z4 R8 _
/ A I- J. A0 |+ E# }2 I; j* M2 _
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。
- p/ v# I q3 T' k) b
3 b G7 F8 b" k% V' m+ |0 ~% YAI挖坑的机制并不清楚，以下只是一个猜想。
! [& T" |3 e `( o, G
" ^) \, v4 q/ i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 ^, ~0 F/ G) I P; W& Z* V) g1 T8 |, O0 G4 m3 P5 Y
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。
' M; @& c `" {
/ e7 B4 r3 `( R& N- I$ }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。* q+ `! ^+ j' M: b* s
! w% x2 s8 `6 B4 E, p0 o1 Q, E
数学上还有其他的内插方法。! A s+ z$ N" Y& V: Q( E' K
: A* y* |" |6 ^
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。
# e# o9 L8 C( x ]2 ~5 n0 L5 e7 w: U1 ^; [' y2 l
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。
- }' ^7 z# f0 A6 ]" s2 D
; @: W/ r G( _/ V; z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。2 Y: ?4 V& d; t9 s3 s1 {% {3 K7 e
, Y: H3 ?0 x8 y2 t: U
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。 W5 {1 V& ]9 w( m: B v# Z) C* k2 q
; Z5 w; o k( [8 O: b" m( m/ U
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。
r$ X1 l/ ?9 @/ n- q& f( ~! C- {; {( k/ `/ G# p3 R
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。
( k9 N* V, T+ H* k5 n, v
" j) `+ G- G! H0 F: m) D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。7 E+ c! U+ R2 w7 f6 L! }
$ n, n" W; i7 Y, ~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。
) x( P- s3 ?: _1 y
7 L; n! l4 v2 {1 U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。3 m d3 S! y2 R
+ F- v3 R, W& ?1 k( R, n
AI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。3 b6 m- z ^' i" }
$ s0 v* ]( i0 s$ l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。
9 Q+ @$ o4 V3 R E$ b* |) T- y, T, r1 V0 X- a h
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。; H( b: X) Z; r% R W0 F7 _1 K/ F
v* W4 J& C3 D5 y! e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。
/ X9 M2 T1 z f/ }! j3 S2 J4 C$ B- N8 R8 J& o# m
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。% L) c) z2 e1 {
: y. a4 t! ^$ B
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。# `: A+ u X4 k! }
. L8 Y2 h8 }( T3 E- m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。& P; A/ k( y: l- i! i
8 r8 T9 Q+ N" {- ?9 | R1 j3 ~1 E6 r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”。& V; A* w) h' H# n8 ]# m g+ w; A
- ?7 j4 |* R: Q% s% y! P" t$ _: B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。
# E( C9 c9 L3 p7 j) P0 P: I1 f, r2 W3 P5 @
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。/ m% R( C- g' D# }% \2 U
% X" d, t! @2 m2 z
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。2 _- s* y3 i& u
: |: o. O1 K0 H! \/ P8 b
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。 |
评分
-
查看全部评分
|
雷达卡
楼主
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2026-4-11 12:44:56