这是 「AI是怎么回事」 系列的第 12 篇。我一直很好奇 AI 到底是怎么工作的，于是花了很长时间去拆这个东西——手机为什么换了发型还能认出你，ChatGPT 回答你的那三秒钟里究竟在算什么，AI 为什么能通过律师考试却会一本正经地撒谎。这个系列就是我的探索笔记，发现了很多有意思的东西，想分享给你。觉得不错的话，欢迎分享+关注。
第一次看到这个系列？从第1篇开始最顺畅，直接读这篇也没问题。
2025 年 12 月，GPT-5.2 发布。我打开新闻，看到标题——“数学竞赛满分”。
我愣了一下。
上一篇我刚画完那条分界线：AI 的强弱取决于三个条件，三个问题就能判断。但现在 AI 连数学竞赛都满分了——如果它一直这样进步下去，我画的那条线，是不是已经过时了？
这种焦虑你一定也有。每隔几个月就有一条”AI 又突破了”的新闻——GPT-5.2 数学满分，推理模型 o3 编程惊人，基准测试不断被打穿。如果 AI 一直在进步，第 11 篇的”分界线”和”三问判断法”，明年还能用吗？
答案是：能。
不只是明年——只要 AI 的底层原理不变，这个框架就不会过时。
为什么？让我从一个测试开始。
先做一个测试
在展开之前，拿三条真实 AI 新闻做个测试。你试试凭直觉判断——靠谱吗？
新闻一：
“ChatGPT 通过了美国医学执照考试（USMLE），表现接近甚至超过人类医学生。”
新闻二：
“AI 预测了几乎所有已知蛋白质的三维结构，研究者获 2024 年诺贝尔化学奖。”
新闻三：
“AI 写的学术论文数量激增，大量论文骗过了同行评审。”
先记住你的直觉判断。等一下我们用三问判断法做一次速判——看看你的框架有没有内化。
AI 认知三角：把第二章装进口袋
经过第 9 到第 11 篇的层层分析，我们可以把第二章的全部核心知识压缩成一个极简框架。我把它叫做「AI 认知三角」 。
三个角，分别对应我们学过的三层知识：
顶角——AI 的本质：超级模式匹配器。 第一章的核心结论。第二章的每一个案例都在验证：ChatGPT 通过考试是模式匹配（第 9 篇），AI 画画不是”创造”而是从噪声中还原统计模式（第 10 篇），AlphaGo 赢棋、AlphaFold 预测蛋白质也是模式匹配（第 11 篇）。
左下角——强项三条件：模式明确、数据充足、可验证。 翻译、图像分类、蛋白质预测——凡是 AI 表现出色的领域，都满足这三个条件。
右下角——弱项三条件：需要理解、数据稀缺、难验证。 自动驾驶出错、AI 编造引用、算不对四位数乘法——凡是 AI 掉链子的地方，都踩中了至少一个。
这个三角形”永不过时”的原因： 它不依赖 AI 当前的能力水平，而是锚定在底层原理上。不管参数从千亿到万亿到十万亿，只要底层仍然是”在数据中寻找统计模式”，这个三角形就成立。
为什么”做大”不能解决根本问题
你可能会想：AI 变大变强了，不就能解决更多问题了吗？
确实。从 GPT-3（2020）到 GPT-4（2023），参数量翻了好几倍，能力飞跃——GPT-3 连律师考试都过不了，GPT-4 排进前 10%。到了 2025 年，GPT-5.2 在数学竞赛上拿下了满分。
但原理变了吗？
没有。 仍然是 Transformer 架构（第 6 篇），仍然是注意力机制，仍然是”预测下一个最可能的词”。变的是规模，不是本质。
“那推理模型呢？”你可能会想。2024-2025 年出现的推理模型（o1、o3）似乎换了一种玩法——让 AI 在回答前先”思考”。但第 9 篇告诉我们：推理模型在事实问答上幻觉率反而更高（33%-48%），Apple 研究发现换个数字就做错，高复杂度时所有模型崩溃至 0%。 连 OpenAI 联合创始人 Ilya Sutskever 都在 2025 年底公开表示：“再增加 100 倍规模会有所不同，但不会从根本上改变 AI 能力”。
不仅”做大”没改变本质，连”换一种思路（推理模型）”也没有突破根本局限。
这不只是我的判断。AI 领域最顶尖的科学家们都在讨论同一个问题。
Meta 首席 AI 科学家 Yann LeCun（2018 年图灵奖得主）公开表示，大语言模型是“通往 AGI 的一条岔路”——他认为仅靠预测下一个 Token 不可能实现通用智能。
认知科学家 Gary Marcus 多年来警告，统计模式匹配无法实现真正的理解。他举过一个有说服力的例子：大语言模型可以”复述国际象棋规则”，甚至能正确回答”皇后能不能跳过骑士？”——但真的下棋时，却走出违规的棋步。它记住了关于规则的文字模式 ，但没有建立棋盘的内部模型 。
回忆第 1 篇：AI”看”图片不是真的在看，是在数字矩阵中加减乘除。第 7 篇：AI”说话”不是真的在思考，是在续写统计上最可能的下一个词。
做大模型，就像给一个盲人更多的拐杖——走得更远了，但依然看不见。
突破天花板需要什么？
如果”做大”解决不了根本问题，什么能？
目前最被讨论的两个方向。但我不想只列方向名称就跳过——我想让你真正理解，为什么这两条路这么难走。
世界模型（World Models）
还记得第 11 篇那个自动驾驶事故吗？2016 年，一辆白色卡车横在高速路中间，Tesla 的 AI 把卡车白色车身识别成了天空的一部分，径直撞了上去。
当前的 AI 看到”大面积白色”，匹配到”天空”这个模式，于是判断”前方无障碍，继续行驶”。它做的是模式匹配——在训练数据中，”大面积白色出现在道路上方”这个模式确实最常对应天空。
但人类不是这么处理的。人类司机看到前方有一个”物体”时，脑中会自动运行一个因果模拟：前方有东西 → 东西会挡路 → 继续开会撞上 → 我应该刹车。这个推理过程不依赖于那个东西是什么颜色、像不像天空——哪怕是你从未见过的东西，你也知道该减速。
世界模型要做的，就是让 AI 内部拥有这种模拟。 不是在文字中匹配”苹果松手会掉下去”这句话，而是在内部建立对重力的模拟——输入”松手”，自动推演出”掉落”。Yann LeCun 主攻的方向正是这个。
但为什么这么难？因为”在数据中找统计规律”和”在内部模拟物理世界”是两种完全不同的能力。现在的 AI 只会前者——你给它再多的数据、再大的参数量，它学到的仍然是”什么东西经常和什么东西一起出现”。它不理解”为什么”。从统计规律到因果模拟，不是把现有方法做得更好的问题，而是需要发明一种全新的内部表征方式——让 AI 内部有一个”世界”，而不只是一本”词典”。
神经符号融合（Neuro-Symbolic AI）
再看 Gary Marcus 的国际象棋例子。大语言模型能”背诵”象棋规则——你问它”皇后能不能跳过骑士”，它正确回答”不能”。但真的下棋时，它走出了让皇后穿越骑士的棋步。
这暴露了一个根本性的裂缝：AI 记住了”关于规则的文字”，但没有在每走一步时去”检查这步棋是否符合规则”。前者是模式匹配——在训练数据中见过”皇后不能跳过其他棋子”这句话。后者是逻辑推理——在棋盘上逐步验证”从 A4 到 D7 的路径上有没有其他棋子”。
神经符号融合要做的，就是把这两种能力接在一起。 让神经网络负责”感知”——看懂棋盘、读懂题目，然后把结果交给符号逻辑系统——精确地检查规则、执行推理。一个负责”看”，一个负责”想”。Gary Marcus 长期倡导的正是这个方向。
但难在哪？难在”接”这个动作本身。神经网络的语言是概率——“这步棋有 87% 的概率是好棋”。符号逻辑的语言是确定性——“这步棋合法或不合法”。把一个模糊的系统和一个精确的系统融合成一个整体，目前还没有人找到可靠的方法。就像让一个凭直觉做决定的人和一个只认规则的人合作——两个人各自很强，但配合起来经常互相矛盾。
为什么这些方向远比”做大模型”难
世界模型和神经符号融合有一个共同点：它们需要的不是改良现有机制，而是发明全新的机制。
当前 AI 的全部能力——理解文字、识别图像、生成代码——都来自同一个基础：在数据中找统计规律。这个机制经过十年的工程优化，已经非常成熟。从 GPT-3 到 GPT-5.2，本质上是同一条路走得更远——更多数据、更多参数、更多算力。
但世界模型需要 AI 学会”模拟”，神经符号融合需要 AI 学会”推理”。这两种能力都不是”在更多数据中找更多统计规律”能得到的。它们要求一种全新的底层机制，并且还要和现有的模式匹配机制无缝整合。
这不是工程优化，是科学突破。 打个比方：从 GPT-3 到 GPT-5.2 是”修更宽的高速公路”——工程很大，但原理是现成的。而世界模型和神经符号融合是”发明飞机”——不是把路修得再好就能飞起来，你需要一套全新的物理原理。
而第 9 篇提到的 ARC-AGI-2 基准测试（测试抽象推理能力），或许是目前最好的”突破探测器”——人类平均 60%，最好的 AI 只有 52.9%，而且人类能做对的题 100% 都能解决。当 AI 在 ARC-AGI 上真正超越人类的那一天，才是框架需要重新审视的时候。
那 AGI（通用人工智能）还有多远？根据 AI Impacts 对 AI 研究者的大规模调查（2023），约半数专家认为到 2047 年有 50% 的概率实现 AGI，但也有研究者认为 2032 年实现 AGI 的可能性极低。
这意味着什么？在可预见的未来，AI 的底层仍然是统计模式匹配。你的框架是安全的。
新闻速判
好了，回到开头的三条新闻。现在用三问判断法做一次速判。
新闻一：ChatGPT 通过了美国医学执照考试
三问速判：选择题是典型模式匹配任务 ✓ 训练数据中有海量医学教科书和考试材料 ✓ 选择题有标准答案可验证 ✓ ——三个条件全满足。
完全靠谱。ChatGPT（GPT-3.5）确实在 USMLE 三部分均接近或达到约 60% 的及格线，GPT-4 更是在大部分科目达到 83%-100%。
但”通过考试”不等于”能行医”——考试有标准答案，真实诊断没有。模式匹配的胜利，不是”AI 可以当医生”的证据。
新闻二：AI 预测蛋白质结构获诺贝尔奖
三问速判：从序列到结构是明确的映射（模式匹配）✓ 几十年积累 17 万个高质量数据（充足）✓ 可和实验测定直接对比（可验证）✓ ——三个条件完美满足。
教科书级别的案例。当三个条件完美满足时，AI 可以做出诺贝尔奖级别的贡献。
新闻三：AI 写的学术论文骗过了同行评审
三问速判：
- 格式层面：写出”看起来像论文的文字”是模式匹配 ✓ 论文格式的训练数据充足 ✓
- 内容层面：做出”有科学价值的研究”不是模式匹配 ✗ 真正的创新意味着训练数据里没有的东西 ✗ “有没有科学价值”需要深入审查 ✗
Wiley 旗下的 Hindawi 撤回了超过 11,300 篇论文，其中相当部分涉及”论文工厂”和 AI 生成内容。斯坦福研究者发现约 17% 的同行评审可能由 AI 生成。
AI 能写出”像”论文的东西，但”像”不等于”是”——它不关心真假。
速查表
把三问的不同组合整理成一张速查表：
| 模式匹配？ | 数据充足？ | 能验证？ | AI 可信度 | 你该怎么做 |
|---|---|---|---|---|
| 是 | 是 | 是 | 很高 | 放心用，抽查即可 |
| 是 | 是 | 否 | 中等 | 用，但关键部分人工复核 |
| 是 | 否 | — | 较低 | 谨慎用，AI 可能在”编” |
| 否 | — | — | 低 | 仅做参考，必须专家复核 |
四条永不过时的原则
速查表给了快速判断的工具，但工具背后需要原则支撑。
原则一：把 AI 当助手，不要当专家
AI 是世界上最好的助手，但不是专家。助手帮你做事，专家替你做决定。这个区别至关重要。
原则二：场景越常见，AI 越可靠
场景越常见，AI 越可靠。场景越罕见，AI 越不可靠。
原则三：关键信息永远要验证
AI 不会对你撒谎——因为它不知道什么是”谎言”。但它会用极其自信的语气告诉你一个不存在的东西。涉及事实信息——数据、日期、人名、引用——永远自己验证。
原则四：今天的判断框架，明年依然适用
AI 会继续变强——能处理更复杂的任务、犯更少的低级错误。但只要底层仍是统计模式匹配，判断框架就依然有效。
个人锚点
写到这里，我想回头看看第二章这趟旅程。
第 9 篇的时候，我拆解 ChatGPT 的”成绩单”——从 2023 年的 GPT-4 到 2026 年的推理模型——发现”AI 有多聪明”这个问题本身就是错的，连研究 AI 的人也在困惑。那一刻，第一章的”超级模式匹配器”从抽象概念变成了可以解释真实现象的工具。
第 10 篇，我拆解 AI 绘画，发现”创造”也只是另一种模式匹配。核心模型从文字扩展到了图像，经受住了第二次验证。
第 11 篇，我们把所有领域摆在一起，一条分界线从数据中浮现。散落的知识连成了一张地图，三问判断法从地图中长了出来。
到了这一篇，我们把地图折叠成了一个可以装进口袋的指南针——AI 认知三角。更重要的是，我们看到了天花板：不是 AI 不够大，而是”在数据中找统计规律”这个方法本身有极限。突破需要的不是更大的模型，而是全新的科学原理。
让我最有感触的是一个认知上的转变。第 9 篇之前，我看 AI 新闻的方式是”AI 又能做什么了”——每条新闻都让我在”太厉害了”和”好像也不行”之间摇摆。第 12 篇之后，我看 AI 新闻变成了”这属于谱系的哪个位置”——三个问题一过滤，每条新闻都有了清晰的定位。
不是 AI 变了，是我看 AI 的眼睛变了。
这大概就是”理解”和”知道”之间的距离。
第二章完整回顾
| 篇目 | 核心知识 | 一句话总结 |
|---|---|---|
| 第 9 篇 | AI 智能的碎片化，RLHF，推理模型悖论 | “AI 有多聪明”是错误的问题——连 AI 研究者也在困惑 |
| 第 10 篇 | Diffusion 模型，CLIP | “创造”也是模式匹配——从噪声中还原统计模式 |
| 第 11 篇 | 能力全景图，模式匹配谱系，三问判断法 | AI 的强弱取决于三个条件，三个问题就能判断 |
| 第 12 篇 | AI 认知三角，天花板，四条原则 | 框架锚定在 AI 的原理上，而非当前能力 |
第二章的承诺： 读完这 4 篇，你将知道 AI 各领域的能力边界在哪里，理解什么条件下 AI 靠谱、什么条件下不靠谱，并且掌握一套可以随身携带的判断框架。
现在，你做到了吗？
如果做到了——欢迎来到第三章。
一句话回顾
AI 认知三角锚定的是 AI 的本质，不是它的当前能力。只要底层仍是统计模式匹配，三问判断法就不会过时——真正永不过时的，是你的判断力。
下一篇预告
你现在装备齐全了。
第一章，我们拆开了黑箱——AI 是什么？超级模式匹配器。
第二章，我们画出了边界——AI 靠不靠谱？三个条件决定一切。
但还有一个最实际的问题没回答：
知道了这些，怎么用好 AI？
同一个 ChatGPT，为什么有人用它效率翻 10 倍，有人觉得它”很蠢”？为什么同一句话换一种问法，回答质量就天差地别？
下一篇，我们从原理角度回答这个问题。你会发现，”怎么用好 AI”的答案，全部藏在我们前面 12 篇拆解过的原理里。
参考资料
- Kung, T.H., et al. (2023). Performance of ChatGPT on USMLE. PLOS Digital Health. https://pmc.ncbi.nlm.nih.gov/articles/PMC9931230/
- Brin, D., et al. (2023). Comparing ChatGPT and GPT-4 Performance in USMLE. Scientific Reports. https://www.nature.com/articles/s41598-023-43436-9
- Nobel Prize in Chemistry 2024. https://www.nobelprize.org/prizes/chemistry/2024/press-release/
- Van Noorden, R. (2024). AI tools tackle paper mill fraud. Chemistry World. https://www.chemistryworld.com/features/ai-tools-tackle-paper-mill-fraud-overwhelming-peer-review/4022253.article
- Liang, W., et al. (2024). Monitoring AI-Modified Content in Academic Peer Review. arXiv. https://arxiv.org/abs/2403.07183
- The Decoder. (2024). The case against predicting tokens to build AGI. https://the-decoder.com/the-case-against-predicting-tokens-to-build-agi/
- Marcus, G. (2025). The Great AI Retrenchment has begun. Substack. https://garymarcus.substack.com/p/the-great-ai-retrenchment-has-begun
- EA Forum. (2024). AGI by 2032 is extremely unlikely. https://forum.effectivealtruism.org/posts/sQSCqpm9Ymwiu8rdb/agi-by-2032-is-extremely-unlikely
- EA Forum. (2025). Highlights from Ilya Sutskever’s November 2025 interview. https://forum.effectivealtruism.org/posts/iuKa2iPg7vD9BdZna/highlights-from-ilya-sutskever-s-november-2025-interview
- ARC Prize. (2025). ARC Prize 2025 Results Analysis. https://arcprize.org/blog/arc-prize-2025-results-analysis
