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 o& ]. t+ j" E2 F4 x! i/ s
# a: \# [  V0 d$ K* e' z+ |! }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。5 S: o, d  W2 x4 r/ L  T6 s- s# J/ o
0 K9 W5 Q, Z- l$ |' q9 d% q' H+ t
AI挖坑的机制并不清楚，以下只是一个猜想。
* a* o+ r+ u$ h3 `6 o1 J8 [- X! _9 F" B* u0 Q+ i, C* C
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。6 P7 P; h9 U) x, O9 G0 l. s+ O
, v1 q& k% ^# 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。
0 b3 ~7 x4 V% B
% f$ x  [; n/ ~3 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。2 \4 d3 Y. L) C3 z5 K2 Y5 Y
% d" I! d( P6 }4 b- j& |
数学上还有其他的内插方法。/ v! B( @% W* \: }9 e

* Y3 a9 B& j% O3 h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。
4 q) d3 S3 m5 d5 p, P
/ l2 Q; e5 h% d2 M1 g, b. r- f* Q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。
% P$ z. Y8 `6 [+ o- s$ a" b9 \0 Z$ a
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。
- ~6 m2 V( B. S2 ^& \/ q' S" G) R" a6 U% X! {" A
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。* a7 z' Y5 @. b& q7 L
% ~# ]5 ~' d% C  U/ ], p# b
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。/ s( I* c8 I3 m5 u. t: h
7 }4 z: s' T) K0 L5 ]4 E) r; d
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。$ J+ d6 p% p& m  M+ T  k4 |

; X5 r! A" [$ |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。# i# R7 B6 ]; M7 _) {

* f3 Q1 H/ W+ y5 q5 a( H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。& ~5 ?$ Z/ s0 W6 \% q$ Q
: U& U4 r$ S' g1 a: x9 {, v
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。
, N0 B+ t8 C, @8 F* S3 X/ d" s2 S
* E' I+ d" O9 b! \: i8 q3 VAI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。
5 n8 ~" N! l6 r. Y
* S$ f  C9 Z7 W: H) @; p& H+ n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。
% m6 s5 N6 J& p8 f7 |& q. u
- X" f; X5 G- S/ w; Q$ y9 k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。7 j8 S# C- Q- @- E2 R6 `, W: H
( m% s; _! o2 m3 D- Y
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。% W* |. j* [4 s

7 m/ H( n0 e& E# Q# T" 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。
- }: u  j. p$ H5 ]% a! t; S: t9 V; a, g6 N+ m
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。" g# ^  u" x. H% O7 J

# ^. f6 h. ~" @! H& L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。: e1 Q4 Z, G# ~/ S- ~( C1 {
/ k  ?: B9 u% m& B( ]* Y( U
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”。9 O- C+ N/ Y% O6 p/ Y: o2 e

) {: ?* m5 {2 k% t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。' H7 Q) J  ]/ z

7 i( Q0 G8 y6 h8 h' ?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。
6 H9 p( Y9 V' g1 i; j
+ B. c4 s2 {; D# i" }+ p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。
- B4 u8 [# z6 n  W  {5 q! F& b7 U: U  {  q0 ^* j
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 ! V1 W' N" x3 V5 _$ N) t( t, D* [

/ ^* w+ y- E  W; {. s- U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。8 x4 H& r, o) T2 ^' M; G* l$ }
用AI解决实际问题，较真一下就知道了。
; Z! g- U0 u3 W$ |AI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。
: y2 l6 }3 V+ U4 u. I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。/ B/ _# x: k' w. ^6 k+ s' ^" }% m" E
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 H9 ?0 {7 v1 B# k  [
较真之后忽悠不过去才说实话。
8 M# F" v$ l1 J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。
2 x- [  y/ H- N" q, R5 I# p  }
" U  s+ e8 _' HAI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。
( }- W" [4 q& C% V5 U$ W+ b3 ^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
" ]* L- L: S# h8 [3 ^' l5 ^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。* f* k" w: v" U: l9 B6 K' {
用AI解决实际问题，较真一下 ...

* a- F5 d& \3 ?  F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 13:538 G! ~7 o( @0 U' k3 [0 k
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。
7 x- S3 j3 u6 a1 h2 w1 {
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。- w* p  O1 Y: E7 p
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: ~: u; \6 C5 T2 k
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。
0 G" z9 y! R  C: F( i在AI眼里不常见的就是错误的。 ...

4 r: t2 Q4 u8 W! a  M' S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; Q, E1 M" o  g8 O# a: f3 t- p
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 ...
5 \' x6 u# P  \; {  }
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
( w9 k: A. ?" ~- y0 [" q与大多数数据矛盾的小众数据呢？
- Q, T* i; T/ s) x1 l0 e# i
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://www.aswetalk.net/bbs/) Powered by Discuz! X3.2