为了向大众解释生成式人工智能（AI）的本质与功能，人们创造了大量隐喻和类比。从"黑箱"到"超级自动补全"，从"鹦鹉学舌"到"运动鞋制造机"，这些比喻旨在通过日常生活经验帮助理解复杂技术 —— 即便往往导致过度简化或产生误导。

当下日益流行的"文字计算器"类比，经OpenAI首席执行官萨姆·奥特曼等人推广，将生成式AI比作数学课上熟悉的计算器：正如计算器处理数字，AI工具旨在处理海量语言数据。这个类比确实受到合理质疑，因为它淡化了生成式AI更令人不安的特质 —— 与聊天机器人不同，计算器没有内置偏见、不会犯错，更不会引发根本性的伦理困境。

然而完全否定这个类比也有风险，因为从核心机制而言，生成式AI工具确实是文字计算器。关键不在于计算器本身，而在于"计算"这个行为。AI工具的计算机制，本质上是模拟人类日常语言使用背后的统计规律。

语言潜藏统计密码

大多数语言使用者仅间接意识到：人际交流其实是统计计算的产物。例如当有人把"salt and pepper"（盐和胡椒）说成"pepper and salt"时你会感到别扭，或在咖啡馆点"powerful tea"而非"strong tea"（浓茶）时会招来怪异目光。我们选择与组合词语的规则源于社会交往中的频率积累——某种表达方式听得越多，替代方案就越显得不自然。语言学将这种固定搭配称为"词语共现关系"，它们印证了人类如何通过"感觉是否恰当"来计算多词组合的合理性。

为何聊天机器人的输出"感觉恰当"

大型语言模型（LLM）及聊天机器人的核心成就，正是将这种"感觉恰当"的因素形式化，其拟真程度甚至能欺骗人类直觉。它们实际上是世界上最强大的词语共现系统 —— 通过在抽象空间中计算标记（单词/符号/色点）间的统计依赖关系，AI生成的序列不仅能通过图灵测试，更令人不安的是竟能让用户对其产生情感依赖。

这一切的实现与生成式AI的语言学根源密切相关。当代LLM（如GPT-5和Gemini）的雏形是冷战时期的机器翻译工具，其目标从最初的俄英翻译，逐步发展为解码人类语言处理原则。LLM的发展经历了三个阶段：从语言规则（如语法）的机械化，到基于有限数据集的词序频率统计，再到当前使用神经网络生成流利语言的模型。但万变不离其宗：核心始终是概率计算。现代AI工具仍是模式识别的统计系统，它们通过计算来模拟人类表述知识、行为或情感的方式 —— 若你要求ChatGPT"揭露"这个事实，它会坦然承认。

AI永远只是在计算

为何我们难以察觉这一点？重要原因在于企业刻意美化AI的运行方式：生成式AI不是在"计算"，而是在"思考""推理""搜索"甚至"做梦"。这种话语暗示AI通过破解人类语言模式方程，已能理解我们通过语言传递的价值观。但至少现阶段，它做不到。AI可以计算出"我"和"你"最常与"爱"共现，但它既非具有主体意识的"我"，也不理解"爱"，更不认识输入指令的你。

生成式AI永远只是在计算 —— 我们切勿将其误解为其他什么。

如果朋友们喜欢，敬请关注“知新了了”！