凌晨两点四十。
屏幕上的AI生成海报，第三版把产品logo缩成了指甲盖大的蓝色小点，第五版给我配了个穿西装的恐龙当主视觉，第七版干脆把文案里的”便携”写成了”便便携”。
我盯着屏幕揉眼睛，旁边的咖啡早就凉透了。
说实话，之前我总觉得所谓深度学习，就是个装了无数知识的超级大脑，指哪打哪，聪明得不行。直到这次熬了半宿跟它死磕，才发现根本不是那么回事——它更像个刚进公司的实习生，记性好到离谱，但完全没眼色。
它的“学习”，跟你想的完全不一样
你以为它在理解“便携水杯”这五个字的含义？知道它指的是重量轻、体积小，能随手塞进通勤包，不用额外占地方的产品？
根本不是。
深度学习的核心从来不是“智能”，而是“统计匹配”。它从来没有“理解”这个概念，所有的输出都是基于训练数据的概率计算——它看过几百万张标注了“便携水杯”的图片，知道这组文字出现的时候，旁边通常会出现什么元素：比如透明的杯身、人物单手提杯的动作、浅淡的马卡龙色调、甚至是印着小雏菊的杯盖。
就像你背了几百首古诗，看到“床前明月光”的下一句自动冒出来“疑是地上霜”，你根本没去深究这句话的语法逻辑、诗人的情绪，就是背得多了，形成了条件反射。深度学习干的就是这个事。
它的训练过程说穿了也没那么神秘：把海量标好标签的文字、图片、音频扔进去，一遍一遍地迭代计算，直到它看到某一组像素、某一串文字的时候，能以极高的概率匹配到对应的标签，就算训练完成了。
没有顿悟，没有思考，就是算概率。
我踩过的最蠢的坑，就是把它当人看
最开始给AI提需求的时候，我犯了个所有新手都会犯的错：我用跟人沟通的方式跟它说话。
“给我做个适合年轻女生看的便携水杯海报。”
这句话你说给设计听，设计会问你：是刚上大学的女生？还是工作三五年的职场女生？喜欢什么风格？要不要突出什么功能？
但AI不会问。
它直接翻自己的训练库，看到“年轻女生喜欢”这几个字，匹配到最多的图是粉色的、印着猫爪的、带奶茶吸管的，直接就给你出了八版粉不拉几的海报。我当时差点把键盘砸了——我们这次的目标用户是刚入职场的25岁女生，要的是简约、低饱和、放在工位上不扎眼的风格，谁要你那粉嘟嘟的猫爪啊？
后来才搞懂，你给的提示词越具体，它输出的结果越接近你要的东西。你得把所有你觉得“理所当然”的信息全给它说清楚：比如“目标用户是25岁左右刚入互联网公司的女性，海报风格要简约低饱和，主色调用雾蓝，产品是500ml的磨砂白便携水杯，放在原木色工位上，旁边放一台银色的笔记本，不要多余装饰，logo放在右上角，文案放在左下角”——你把这些细节全列出来，它才能给你出个能看的东西。对吧？
上次在新街口买茶叶蛋的时候，跟摊主聊起这事，他说他之前也试过用AI写宣传语，结果AI给写了个“百年传承卤香四溢”，他这摊子才开了三年啊。
你看，这就是把它当人看的下场——你觉得它懂你说的“适合我们的顾客”，但它根本不知道你的顾客是谁，你的摊子开了多久，它只会匹配训练库里的通用模板。
那些吹得神乎其神的功能，其实都有“保质期”
现在你刷短视频，总能看到有人说AI能写小说、能做设计、能剪视频，几秒钟就能搞定一个团队几天的活。
别信。
真的。
那些演示里的成果，要么是作者提前调了几十版提示词，改了好几天才磨出来的，要么是根本没给你看那些生成出来的、根本没法用的废稿。我上次用它帮我整理南京二手房的成交数据，它把鼓楼区的成交价写成了每平十万——合着它把学区房的极端案例当成了平均水平。
它所有的能力，都来自于喂给它的训练数据，而且它根本不会自己主动更新认知。现在大部分大模型的训练数据都有固定的截止日期，你要是问它某个刚发生的事，它根本不知道，只会顺着已有的训练数据瞎编。之前我朋友问它2024年南京马拉松的冠军是谁，它编了个根本不存在的人名，还煞有介事地写了他的完赛时间，后来查了才知道，那次比赛的冠军名字它都拼错了。
说白了，它就像个图书馆里的管理员，记着所有已经出版的书里的内容，但从来没自己出过门，没见过真实的世界。你问它书里有的东西，它能给你说的头头是道，你问它书里没写的，它就只能瞎蒙。
今早出门买早饭的时候，风一吹，突然想起昨天改到第三版的海报，其实也没那么差。
不过话说回来，要是你哪天跟AI打交道的时候，觉得它突然变聪明了，不用惊讶——大概率是你之前给的提示词够具体，或者它刚好撞上了训练集里匹配度特别高的案例。
就像你路上遇到个跟你穿同款衣服的人，你会觉得他跟你特别投缘？
哪有那么多投缘。
都是概率。
作者|科技
排版|科技
审核|小北