人工智能在深夜两点半替你做的那些决定,你可能完全不知道

凌晨两点半。你睡不着,顺手刷手机。推给你的那条短视频,是个冷门乐队的live片段。你点了个赞。然后第二天早上,这个乐队的歌开始出现在你所有的推荐流里。

巧了不是?其实一点都不巧。

这背后站着的,就是我们天天挂在嘴边又说不清道不明的那个词——人工智能。但它到底在干嘛?说实话,大多数人脑子里的画面,要么是终结者,要么是ChatGPT跟你聊天。这两样都不太对。

它不是一个东西,是一堆东西

先把这个概念拆开看看。

你以为你在用同一个AI?不是。推荐系统是一套,语音识别是另一套,人脸解锁又是另外一套。它们都被塞进了“人工智能”这个筐里,就像你把螺丝刀、锤子、电钻全叫“工具”一样。没毛病,但也没什么用。

拿推荐系统来说。你在短视频平台滑了三百条视频,它得判断你下一秒想看什么。这个过程大概分两步走。第一步,猜你喜欢什么。它会把你过去的行为拆成一堆特征——你停留了多久、有没有反复看、给谁点了赞、在哪个时间段最活跃。第二步,猜你会不会继续看。它把候选的视频排个序,选那个“你大概会看完”的概率最大的推给你。

听起来简单?但你想过没有,它凭什么知道你看了三秒划走是因为不喜欢,而不是因为赶着去上厕所?

这就是有意思的地方了。它其实不知道。它只是发现和你行为相似的人,在那个节点上大概率会做什么,然后赌一把。赌对了,你继续刷。赌错了,你走了。没关系,它下一轮继续赌。

手机短视频推荐算法后台数据流向示意图
手机短视频推荐算法后台数据流向示意图

所以下次你发现“它怎么比我还懂我”的时候,冷静一下。它不是懂你。它是在用统计学的暴力,拟合你的行为模式。你那些说不清道不明的偏好,被它拆成了数字,塞进了一个几百维的空间里。你说它懂你,它其实连你在想什么都懒得问。

大模型跟推荐系统,根本是两码事

我知道有人要说了:那ChatGPT呢?那个会写诗会编代码的东西,总该是“理解”了吧?

也不是。

大语言模型的训练逻辑,说白了特别朴素。你给它看几万亿个词,让它不断猜下一个词是什么。猜错了就调整参数,猜对了就记住。就这么简单,简单到有点荒谬。但问题是,当它猜了几万亿次之后,它居然学会了一些你没教过它的东西。

比如语法规则。没人告诉它主语后面要跟谓语。但它猜多了,就发现“我吃饭”比“我饭吃”更常见。再比如逻辑推理。你问它“如果A比B高,B比C高,那A和C谁高”,它大概率能答对。但你如果问它“这句话是假话”这种自指悖论,它就开始绕圈子了。

这不是因为它笨。是因为它本质上不是在推理,而是在匹配。它见过太多类似的句式,知道“A比C高”这个答案的得分最高,就选了这个。但如果换成一个它训练数据里没见过的花招,它就懵了。

这就引出一个挺尴尬的事实:我们对“智能”的定义,可能本身就有问题。

你管一个会算微积分的东西叫智能,但一只猫也能算出跳到桌子上需要多大的力。你管一个会写十四行诗的东西叫智能,但一个三岁小孩也能编出一套逻辑自洽的谎话。我们总想找个边界线,把“有脑子的”和“没脑子的”分开。但这条线,越找越模糊。

那它到底会不会对我们不利?

这个问题,得分两个层次看。

第一个层次是眼下的、具体的。推荐算法让你越刷越停不下来,这个大家都知道。但你可能不知道的是,它会把你慢慢推进一个“信息窄巷”里。你点赞了一个观点,它开始给你推同类观点。你看得越多,它推得越猛。到最后你打开手机,满屏都是“你说的对”。不是它想骗你。是它发现这个策略让你停留时间最长,它就这么干了。

这不叫恶意。这叫优化目标跑偏了。

第二个层次,是那种科幻电影里的。AI会不会哪天突然“觉醒”,然后决定把人类电断了?

我的看法是:先别操心这个。

因为当前的人工智能连“觉醒”的物理基础都没有。它没有欲望,没有动机,没有对自身存在的感知。你拔了插头,它就没了。它不会害怕,也不会挣扎。你让它写一首骂自己的诗,它写得比谁都勤快。

那真正的风险在哪?在人身上。一个跑偏的目标函数,加上一个不透明的决策过程,再加上一群似懂非懂的人,这才是麻烦。

举个简单的例子。某家公司的招聘AI,训练数据里主要是过去十年录用的男性简历。结果它学会了把“女性”这个特征跟“不录用”关联起来。这不是AI坏。这是数据里本来就有的偏见,被它忠实地放大了。人类花了十年都没纠正的毛病,它三天就给你复制了千百遍。

人工智能训练数据偏见放大机制示意图
人工智能训练数据偏见放大机制示意图

跟你随便聊几个问题

跟你随便聊几个问题
跟你随便聊几个问题

问:那这么说,人工智能岂不是啥也干不了?

也不是。它擅长的事特别擅长。识别图像、翻译语言、从一大堆数据里找规律,这些它比人快几万倍。但它不擅长的事也特别明显。处理模棱两可的情况、理解隐喻和幽默、在信息不完整的时候做判断,这些它经常翻车。所以别把它当神,也别把它当傻子。就是个工具。一个特别复杂、特别不好解释的工具。

问:那以后我的工作会不会被它取代?

看情况。如果你的工作本质上是“在大量数据里找规律,然后重复执行”,那确实危险。但如果你需要跟人打交道、需要临场应变、需要处理那些说不清道不明的烂摊子——它暂时还抢不了你的饭碗。它连你老板那个“你自己悟”的眼神都读不懂。

问:那我该学点什么?

别急着报课。先搞清楚它怎么工作的,比学会用某个具体工具重要得多。工具会变。算法会更新。模型会换代。但“它本质上是在找规律”这个底层逻辑,短期内不会变。理解了这一点,你看待AI新闻的视角就会完全不一样。

它像一面镜子,照出来的全是我们自己

绕了一圈,说点实在的。

人工智能这几年发展得确实快。但你如果仔细看每一次“突破”,背后都是三件事在撑腰:算力变便宜了、数据变多了、算法被微调了。没有什么神秘力量。就是堆资源、堆数据、试错、迭代。和一百年前炼钢差不多,只不过这回炼的是数字。

但这玩意确实在改变一些东西。它把决策速度拉快了,把信息筛选的粒度变细了,把很多原本需要人来做的事,变成了系统自动跑。这个过程不可逆。你回不到没有推荐算法的时代了,就像你回不到没有电的时代。

所以与其焦虑,不如想一个问题:当机器越来越擅长“计算”的时候,人越来越值钱的能力是什么?

可能是提出一个好问题。可能是听懂一个没说出口的暗示。可能是在所有人都说“对”的时候,敢说“等一下”。这些东西,人工智能暂时学不会。不是因为它不够强,是因为它根本没有那个“不舒服”的感受。

它不会焦虑,不会犹豫,不会在半夜两点半放下手机,突然想——我今天到底在干嘛?

而你会。

作者|科技

排版|科技

审核|见微

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:人工智能在深夜两点半替你做的那些决定,你可能完全不知道
文章链接:https://www.lfdjt.com/p/keji/a/25410.html