▼ 掃碼加小雅▼

免費解鎖

3w+ 助教筆記

及直播回放路徑

01

50 米洗車題，AI 真的翻車了嗎？

今年春晚的機器人含量爆表。

有人吐槽說，不只是年味淡了，連「人味」都少了。

節目效果如何，當然見仁見智；但有一點幾乎毋庸置疑——AI，以及更進一步的具身智能，正在加速進入公共生活；在可見的未來，它們將扮演越來越多角色。

年前，很多人還興致勃勃地「挑戰」AI。

方法很簡單，甚至帶點戲謔意味：「我要去洗車，洗車店離我家只有 50 米。我是走過去，還是開車過去？」

結果卻頗具黑色幽默。

一眾在各類榜單上風頭正勁的大模型，紛紛進入嚴肅模式：開始精確測算時間成本、碳排放量、能源效率，甚至還把步行帶來的健康收益一并納入模型。

層層推導，邏輯嚴密，最后鄭重其事地給出建議——走路。

這一刻的荒誕感，確實很強——這么多算力，這么多頂尖人才，最后「輸」給了區區 50 米。

但細想一下，問題也許并不出在答案，而是出在「問題」本身。

對人來說，這個問法已經足夠清晰。我們自動補全了所有語境：車就在樓下，鑰匙在手里，洗車店就在門口——所謂「糾結」，更像是一種玩笑式的設問。

但在字面上，有一件關鍵信息從頭到尾都沒有出現——車現在停在哪。

既然「車的位置」不明確，AI 就必須自己補全，而它的補全方式，往往遵循概率最大化原則：

既然你在糾結走還是開，車大概不在你腳邊；既然車不在腳邊，那無論如何你都得走一段。

在這個補全下，「走路」就成了合理答案——看上去像犯傻，其實只是走了另一條理解路徑。

02

我們靠語境，它靠概率。

我們在面對提問的時候，往往會不自覺地多思考幾步：

• 為什么問這個？

• 是不是腦筋急轉彎？

• 是不是有個沒說出口的前提？

人類理解問題時，依賴的是大量未被說出的共識背景，大語言模型 AI 不會。

AI 在回答問題的時候，只看字面條件，字面給了什么，就處理什么；字面沒有的，不會憑感覺補齊，也不會主動懷疑動機。

在它看來，這是一個真誠的規劃請求。于是，它在現有條件下，推導出一個統計意義上最合理的答案。

它專注優化的是「回答質量」，不是「懷疑問題」的能力。

我們以為自己問的是「常識題」，它卻當成了一道「信息不完全的優化題」。

▼ 掃碼加小雅▼

免費解鎖

3w+ 助教筆記

及直播回放路徑

03

所謂「常識」，只是特定人群間的共享語境。

有時候，我們想當然覺得自己所知的是「常識」，但是我們忽略了：其實很多「常識」，只是特定人群間的共享語境。

有人問你「公司這樣做合適嗎？」

你幾乎不用追問，就知道在說哪家公司。規模、行業、內部氛圍、最近的風波——畫面已經自動在腦海里展開。

但同一個問題在 AI 那里，「公司」只是又一個變量——沒有規模，沒有行業，沒有歷史——是空白的。

人腦靠經驗補全，模型靠輸入推斷。誰都沒有錯，只是依賴的東西不一樣。

這次 AI 「集體翻車」，更像是我們第一次清楚地看到，平時那些沒說出口的隱藏前提，是如何一直默默支撐我們去理解問題的。

但這種「補全錯誤」，不只發生在 AI 身上。

《生活大爆炸》里有一句很經典的臺詞。

Penny 對 Leonard 說：

You have destroyed my ability to tolerate idiots！

你毀了我容忍傻瓜的能力！

04

當溝通質量的預期，被 AI 重塑：

當時看只是好笑，現在想想，有點微妙。

當一個人長期處在高度理性、過度分析的環境里，他對含混、隨意、甚至不夠嚴謹的表達，會越來越缺乏耐心。

繞圈子會讓人煩；模糊表達會讓人急；情緒先于邏輯，會讓人下意識皺眉。

AI 也許還沒有毀掉你容忍「傻瓜」的能力，但它確實在重塑你對溝通質量的預期。

可是，人與人之間的溝通，從來不是純結構問題，它包含情緒、身份、防御、關系、權力……

AI 不需要「被」理解，但人需要，尤其是隔著屏幕時。

面對面交流，語氣會替你解釋，停頓會替你緩沖，眼神會替你兜底，但文字里沒有這些。

一句「這個不太合理吧」，可能只是困惑，也可能被讀成否定——可能你在拆解問題，對方卻覺得是自己被拆解。

很多沖突不是因為立場差太遠，而是彼此誤判了對方在做什么。

有時只要能多說半句，氣氛會完全不同：「我不是在否定你，我只是想看看風險」、「我不是反對方向，我只是擔心執行細節」。

這些話當面說顯得多余；但是隔著屏幕，卻像緩沖墊——AI 不會腦補，人類會。

畢竟誤解，有可能就發生在那一秒的腦補里：你以為自己在表達清楚，對方卻在猜測動機；你以為只是討論問題，對方卻在琢磨態度。

屏幕那頭的人，不了解你，看不見你的表情，他只能猜；而猜錯，并不需要惡意。

▼孤閱的近期熱門內容匯總▼

獲取更多學習干貨，點個?，不錯過文章推送~

編輯｜愷宸

排版｜琳玥