大讲堂现在是凌晨两点四十七分。南京软件谷的雨还没停。
我坐在这栋写字楼的17层，盯着屏幕上生成式AI刚刚写出来的一段代码。它用了我不敢碰的Go语言泛型。运行了。没报错。
这种感觉很复杂。不是害怕。是某种说不清楚的失落。
十年前我在南京读研，导师跟我说，写代码这事要讲“手感”。现在这个词听起来，像是一个退休老头在讲毛笔字。
那玩意儿到底是怎么“生成”的？
得先破一个印象。很多人以为生成式AI像个巨型数据库，你问它什么，它翻一下检索给你。不完全是。
它更像是在玩一个超大规模的“接龙”游戏。你给它半句话，它根据训练时看过的海量文本，预测下一个词最可能是什么。然后在预测的结果上，再预测下一个。再下一个。一直往后推。这就是所谓的“自回归”生成。
但这里有个反直觉的地方。它并没有“记住”你问它的东西。每次对话，对它来说都是新的。它只是在词汇的概率空间里飘着。像一个喝了酒的人，说的每句话都合情合理，但你要问他昨天说了什么——他其实记不太清。
这个过程中最有意思的，是那个叫“注意力机制”的东西。简单说，当模型处理一句话里某一个词的时候，它会去“看”这句话里所有其他词，然后判断哪些词跟自己关系最近。这就像你读《红楼梦》，读到“黛玉”两个字，脑子里自动关联起“宝玉”“潇湘馆”“葬花”这些词。模型干的差不多也是这事，只不过它是在数学空间里完成的。
至于参数规模、训练数据量、算力消耗……老实说，这些数字听听就行了。它们能说明一些东西，但说明不了全部。
我在自己身上做的三个实验
去年秋天，我给自己定了三条规矩，想看看这东西到底能帮我到什么程度。
一条是关于改文档的。我写了一份三十页的技术方案，它给我改了七版。改出来的东西，逻辑通顺，语病很少。但问题来了——它把我那些“拍脑袋决定的”部分，全部翻译成了“经过充分调研论证的”。看着很专业。但我知道那不是真的。
另一条，用生成式AI写周报。这个效果好得离谱。三句话输入，一篇八百字的周报就出来了。措辞恰当，重点突出，甚至还会自动加上“下周计划”。我用了两个月。然后我停掉了。因为我发现自己在写那三句输入的时候，其实已经脑力枯竭了——我连自己这周干了什么都想不起来了。
第三条让我挺意外的。拿它来辅助排查线上bug。有一次一个诡异的空指针异常，日志里什么线索都没有。我把几十行堆栈信息扔给它，它指出了三处可能的位置。虽然不是直接答案，但它帮我缩小了范围。这就像有个不算太靠谱的同事在陪你加班——他说的不一定全对，但至少能让你换个思路。
一个被反复讨论的问题：它到底懂不懂？
有个做NLP的朋友，在南京大学读的博士，现在在一家创业公司。我跟他聊过一次。
我问他：“你觉得这东西到底是‘理解’了语言，还是只是‘模仿’了语言？”
他想了一下说：“你这个问题，就像在问一只鹦鹉是不是懂中文。”
我说：“那答案是什么？”
他说：“鹦鹉会学舌，但鹦鹉不会用中文跟你讨论哲学。现在的问题是——如果有一只鹦鹉，它能跟你讨论哲学，而且讨论得还不错，那它算不算懂中文？这个界限，其实很难划。”
我觉得他说的有道理。这个问题本身可能是个伪命题。
但更实际的问题在于：当生成式AI给出的答案听起来都很“对”的时候，普通人怎么分辨哪些是真对，哪些只是听起来对？
这恐怕是我们这个时代最需要的能力之一。
时间线上，我们走到哪儿了
如果把时间拨回去看——2017年，Transformer架构那篇论文出来的时候，大部分人并没有觉得这是个大事件。2020年GPT-3出现，大家开始觉得有点意思了。2022年底ChatGPT横空出世，全世界的注意力都被吸过去了。2023年，国内各家厂商开始跟进，南京这边很多公司也在做自己的模型。
到现在呢？冷静了一些。
我认识的几个做AI应用的小团队，有的活下来了，有的没撑过今年春天。活下来的那些，基本上都有一个共同点：他们不是在“做AI”，而是在“用AI解决一个具体问题”。比如有个团队专门帮制造业企业做设备故障诊断，把传感器的数据和维修手册结合在一起，生成维修建议。听着不炫酷，但人家有客户。
这让我想起互联网泡沫时期的一个说法——当潮水退去，你才知道谁在裸泳。现在AI这波潮水，还远没到退去的时候，但已经能看见一些人在沙滩上找裤子了。
对话：那些“看起来很美”的坑
我表妹小雨在南京一家广告公司做文案。前阵子她问我一件事。
“哥，我们公司现在用生成式AI写小红书文案，效率高了，但客户老说‘差点意思’。差在哪儿呢？”
我说：“你把AI写的和你们自己写的放在一堆儿看看。”
她过了两天发我两张截图。AI那版，用词工整，结构清晰，什么“宝子们”“绝绝子”都加上了。但就是——你看完之后，不会记住任何一句话。
我说：“问题在这儿。AI是在总结规律，但你们的客户要的是‘意外’。人写东西的时候，会突然蹦出一个自己也想不到的比喻。那个‘想不到’的东西，才是内容的价值。”
她说：“那怎么办？”
我说：“你可以让AI先写，然后你自己改一遍。把那些太顺的句子打碎，把那些太完美的结构弄乱。加点你自己都觉得‘是不是有点怪’的东西进去。”
她后来试了。反馈说，客户满意多了。
一些不太成体系的冷思考
我最近常想一个问题：生成式AI的出现，对我们最大的改变，可能不是它能帮我们做什么，而是它让我们重新审视自己是靠什么吃饭的。
写代码的人，靠的是逻辑和抽象能力。生成式AI能学逻辑，但它学不会在代码之外看问题。
做设计的人，靠的是审美和直觉。生成式AI能学风格，但它学不会在风格之外看到人的情绪。
写文章的人，靠的是观察和感受。生成式AI能学修辞，但它学不会在修辞之外闻到生活本身的味道。
这些东西，说到底就是两个字——判断。
你可以说这是人类最后的堡垒。也可以说，这根本就不是堡垒，而是我们本来就该做的事。只不过过去我们被太多重复劳动掩盖了。
至于未来会怎样。说实话，我不知道。
但有一件事我可以确定：那些只是把生成式AI当成一个更快工具的人，可能会被它取代。而那些把它当成一面镜子、用它来照见自己该做什么的人，不会。
作者|科技
排版|科技
审核|满满