AI到底是理解还是猜测？

你有没有发现，手机输入法在你打字时会悄悄预测你的下一个词？你输入“今天天气真”，它就会弹出“好”。大语言模型（LLM）本质上做着同样的事——只是它预测得异常精准。

不信我们做个实验。给 AI 输入半句话：The sky is，它几乎一定会接上一个词：blue（蓝色）。

问题在于：它真的“理解”天空吗？还是仅仅在推测下一个最可能出现的词？

答案是后者。而认清这个本质，是善用 AI 的第一步。

做一道概率填空题

当模型看到 The sky is，它并没有“思考天空是什么”。它所做的，是在内部快速计算一道概率题：下一个词是 blue 的概率有多高？是 cloudy（多云）呢？还是 falling（塌下来）呢？

计算结果大致如下：

接着，它依据这个概率分布挑选一个词输出。通常概率最高的 blue 会被选中，偶尔也会出现其他结果。

本质就这么简单——没有理解，只有概率运算。除了这个，它什么都不会做。

打个比方：它就像一个读遍了大半个互联网、记忆惊人强大的“接话高手”。你说上半句，它根据“海量文本中这类句子的常见接续方式”，来帮你补全下半句。

AI “脾气”的由来

为什么它看起来如此博学？
因为它接触过天文数量的文本数据，几乎任何话题都能接上几句。这点确实不假。

为什么它会一本正经地胡说八道？
因为它只关心“接得听起来像真的”，完全不顾“是否真实”。一个读起来通顺、可信的错误答案，对它而言就是一个“高概率的优质接续”。所以，别指望它天然具备区分事实与虚构的能力。

为什么同样的问题，每次回答都不一样？
因为它是依据概率“抽签”生成结果，而不是查固定字典。高概率词经常被抽中，低概率词偶尔也会中选。本质上，每一次回答都是一次独立的“随机采样”。

“怎么问”比“问什么”更重要

既然 AI 是顺着你给出的开头往下推测，那你给出的开头直接决定了它的推测方向。还是那半句话。如果你只丢给它The sky is，它可能随意接话，甚至自行创作一篇短文。但如果你把指令说清楚：

比如：Complete the sentence: The sky is

它就会乖乖补全成一个完整句子。看出来了吗？你没有更换模型，只是换了一个“开头方式”，结果就截然不同。这就是“提示工程”（Prompt Engineering）的起点——不是什么神秘咒语，而是给模型一个清晰、有约束的“预测方向”。

因此，你问什么固然重要，但怎么问——才是真正决定结果的关键。

一句话记住

大模型不是知识库，而是概率预测机器。理解了这一点，你便会明白：为什么“怎么问”，比“问什么”更重要。