一句话说清
大语言模型是读了整个互联网的“接话高手”。
为什么值得懂
ChatGPT 为什么会聊天、会写诗、也会一本正经地胡说？沃尔弗拉姆在《这就是 ChatGPT》里把原理拆到最底层：它其实只干一件事——根据前面的文字，预测下一个词。就这么简单，也这么惊人。
零基础讲解
大语言模型的“大”，指它读过的文字量级：互联网上能抓到的书、网页、论坛，几万亿个词。训练的方法就是《机器学习》的监督学习：把一篇文章盖住最后一个词，让模型猜，猜错了就调参数——猜了几万亿次之后，模型把“人类怎么接话”的统计规律学到了极致。
所以你问它什么，它不是去“查答案”，而是像最博学的接话高手：根据你的问题，一个词一个词地续写最像“正确答案”的下文。这解释了它的两个面孔：一面是百科级博学（读得多），一面是“一本正经地胡说”（它在续写，不是在查证）——它生成的“幻觉”，就是接话接得太过顺畅的代价。
《语言演变》说语言是统计的产物，大语言模型是这个事实的极端证明；《信息不对称》的视角：你和它的信息差，一半来自它读得多，一半来自你不知道它什么时候在编。
所以用它的正确姿势：当“超级实习生”——起草、翻译、总结快得惊人；但重要事实，要像验收实习生一样逐条核。
一个例子
你问它“珠穆朗玛峰多高”，它答“8848.86 米”——这个答案来自它读过的海量文本里“最常接着出现”的数字。但你问一个冷门数据，它可能续写出一个“很像正确答案”的错数——这就是幻觉。
常见误解
- 以为它在“思考”：它在做统计意义上的续写，没有人类的意图。
- 以为它说的都是对的：幻觉是它的固有特性，重要内容必须核实。
- 以为它会“知道”自己不知道：它常常自信地编。
- 以为它能替代人类判断：它能放大效率，但判断和责任还是人的。
应用场景
- 生活：把它当“超级实习生”，草稿交给它，事实自己核。
- 职场：用 AI 起草邮件、总结文档，留出时间做判断。
- 写作与创作：写 AI 角色，让它“流畅地编错”，比写全知全能更真实。
关联知识点
- 神经网络（neural-networks，同一套结构的规模化）
- 机器学习（machine-learning，大模型的技术底座）
- 语言演变（language-evolution，语言统计性的证明）
- 信息不对称（information-asymmetry，它知道你不知道的，也会编）
- 人工智能伦理（ai-ethics，模型能说会道，能不能担责）
- 所属主线：语言与意义、风险与概率