研究大模型一年多，我彻底对AI去魅

作者：盛文斌

来源：盛文斌心智说（ID：Cog_AI）

深度使用并研究大模型一年有余，从最初的震撼，到反复验证，再到长期实操，我最直观的感受是：彻底对AI去魅了。

它当然是这个时代最强大的生产工具，没有之一。装得下全人类的公开知识，接得住跨行业的复杂问题，写方案、理逻辑、做分析，甚至当情绪树洞，样样都像模像样。它正在渗透各行各业，重构大量工作的底层方式，这是摆在所有人眼前的事实——在这一点上，我和绝大多数人的感受完全一致。

但越是天天和它打交道，越能清楚地看见一条边界：我们正在见证的，是工具的极致进化，绝非智能本身的黎明。很多人口中的“通用人工智能近在眼前”，在我这个深耕心理学多年的从业者看来，不过是一场基于外在表现的集体错觉。

直到今天，我们连真正智能的门都还没摸到。

它连完整的人类语言，都还没有学全。

很多人觉得，大模型能流畅对话、能写会算，掌握了人类语言，就握住了认知的核心。毕竟人靠语言思考，靠语言传递知识，语言通了，智能好像就通了。

可站在心理学的视角看，人类的语言从来不是一套摊开在明面上的符号系统，它更像一座冰山。露在水面上的，是所有能被写下来、说出来、公开传播的内容——书本里的知识、网络上的发言、日常的对话与学术论文，这是我们能看见的显性语言。

藏在水面下的，是另一套更庞大的内容。它是骑车时不用想的平衡感，是和人打交道时说不清楚的分寸感；是面对危险时没来由的直觉，也是掖在情绪里、连自己都未必察觉的潜台词。这些东西和身体感受绑在一起，和潜意识的动力连在一处。生来就不是用来记录、用来言说的。我们叫它内隐的、默会的语言。

今天大模型的训练语料，几乎全部来自水面之上的公开数据。它把显性语言的规律摸得透透的，能组织出最通顺、最符合语境的句子，可它从一开始就接触不到冰山下面的部分。

不是它学得不够多，是这部分内容根本没法被写成数据。连我们自己，都没法把共情的分寸、临场的直觉、身体的记忆完完整整变成文字。连人类都讲不出来的东西，AI又从哪里学呢？

所以准确说，现在的人工智能，连人类完整的语言体系都还没覆盖。它只是显性语言层面的智能，拿到了语言的外壳，还没碰到语言背后承载的全部生命经验。

多模态没跳出符号圈

二手投影不等于看见世界

很多人把希望寄托在多模态和具身智能上，觉得AI能看见画面、听见声音，甚至能控制机械臂动作，就能真的理解世界了。

工程上，这当然是巨大的进步。可从认知的本质看，它还是没有跳出符号的圈子。

现在主流的多模态模型，底层逻辑是把图片、音频、视频转成和文字统一的符号，再完成互相翻译。看见猫的图片，对应上“猫”这个文字，匹配上相关的描述，本质上只是从一种符号内部的循环，变成了几种符号之间的互相循环。全程都在符号系统里打转，从来没真的碰到世界本身。

就算是当下热议的具身智能，大多也只是在仿真环境里训练出来的。AI接收画面，输出动作指令，根据环境反馈调整策略，看起来像是在和世界互动。可它没有皮肤，没有肌肉记忆，没有痛觉，也没有真正的得失。

心理学里说的具身认知，从来不是“有眼睛看、有手能动”这么简单。你伸手摸一杯热水，指尖的温度、缩手的反应、烫伤过的记忆、对“热会伤人”的切身理解，是拧在一起的。这份理解绑着真实的身体感受，带着真实的生存代价，是长在身上的。

AI知道“热水会烫”这句话，也能认出冒着热气的水杯，可它永远不知道“烫”到底是什么感觉。它拿到的，始终是世界的二手投影，不是第一人称的真实体验。

两种“涌现”

从根上就不是一回事

行业里还有个被反复提起的词，叫“涌现”。很多人相信，只要参数堆得够多、数据喂得够足、模态加得够全，智能就会自然而然地冒出来。量变攒到一定程度，质变就来了。

可很少有人说清楚，此“涌现”非彼“涌现”。世界上有两种涌现，绝不能混为一谈。

第一种，是大模型现在表现出来的“涌现”。参数规模跨过某个门槛，它能接住的任务一下子变复杂了，原本做不好的逻辑题、推理题，忽然就能做对了。但拆开看，它底层的运行逻辑一点都没变，还是在根据统计规律预测下一个符号，只是模式匹配的复杂度提上来了，跨过了我们感知的门槛。这更像一种阈值效应，不是真的长出了新能力。

第二种，是生命系统里真正的涌现。单个神经元没有意识，可百亿神经元连在一起，就长出了心智；单个蚂蚁没有规划，可整窝蚂蚁聚在一起，就能搭出复杂的巢穴。这种涌现，是自下而上长出来的全新层级，是把零件全拼在一起也拼不出来的属性。

它有一个必不可少的前提：这个系统本身是一个活的主体，有自己要维持的状态，有活下去的底层驱力，所有能力都是为了适应环境、保住性命才长出来的。

现在的AI，连“自己存在”这件事都不知道。它没有要维持的稳态，没有主动探索的欲望，连目标都是人从外面给它设定的。没有主体性的系统，永远长不出第二种涌现。堆再多的参数，也只是让工具变得更精密，不会让工具变成一个有智能的主体。

当工具变成玩具

你沉迷的不是效率，而是掌控错觉

如果说上面这些，是从认知本质出发的第一层去魅，那么一年的真实使用体验，又让我完成了第二层更现实的去魅：很多人天天挂在嘴边的“AI提效”，到最后往往变成了“AI耗神”。

一开始用大模型，几乎所有人的初衷都是提效：写初稿省时间，查资料省精力，把重复的脑力活交出去，自己好专注在更核心的事上。但走着走着，很多人就偏了方向。

你一定见过这样的人：每天泡在各种大模型里，手搓提示词，调试插件，对比不同模型的输出，对着一段生成的文字反复修改打磨，忙得不亦乐乎，甚至说“玩AI比玩游戏还上头”。

为什么会这样？从心理机制上看，这是一种极其廉价又强烈的掌控错觉。

现实里的事，大多是失控的：项目有变数，沟通有摩擦，努力未必有结果，成长从来是慢的。但和AI对话不一样——你输入一个指令，它立刻给你反馈；你调整一个词，它马上生成新的内容；你动动手指，就能调用海量知识，输出拿得出手的文案、方案、代码。这种“输入即有结果，指令即被执行”的即时正反馈，会让人产生一种“我掌控了全局、我拥有了超强能力”的幻觉。

这种幻觉的爽感，甚至超过游戏。游戏还要练操作、攒装备、花时间升级，而AI只要你开口，就能立刻给你“无所不能”的体验。

但问题是，人的精力是有限的。你把大量时间花在和AI对话、调试工具、把玩功能上，花在真实产出、深度思考、落地执行上的精力就少了。很多人忙了一整天，翻来覆去就是在和AI聊各种话题、生成大量没用的内容，看起来很充实，实际上没有创造任何真实价值。工具本该是服务于目标的手段，最后却变成了目的本身——AI从生产工具，变成了打发时间、满足情绪的高级玩具。

这是很多人深陷其中却不自知的真相：你以为自己在拥抱新技术、在提升自己，其实你只是在享受一种低成本的掌控快感，消耗的却是自己最宝贵的注意力。

真正能发挥AI价值的人，永远是那些把它当“工具”的人：明确知道自己要什么，用它完成特定环节的工作，用完即走，把省下的时间用在决策、判断、创造这些需要人的主体性的地方。而沉迷于“玩AI”的人，说到底是被工具牵着走了。

热潮之下

两个更清醒的判断

说清了这些边界，再看当下这场全球AI热潮，有两个很现实的判断，始终绕不开。

第一个判断是：所有人都往一条路上扎堆，未必是好事。

这一轮AI带来的产业价值是实打实的，各国出政策、资本往里投，都是再正常不过的选择。作为一次深刻的工具革命，它值得被重视，也配得上当下的资源投入。

但如果所有人都默认堆算力、堆参数、堆数据规模，就能堆出通用智能，把几乎所有的资源都砸在底座模型的规模内卷上，这件事就值得商榷了。当前这套技术范式的边界是清晰的：它可以把工具的效率做到极致，可以不断优化符号处理的能力，但它突破不了自身的底层逻辑——没有主体性，没有具身体验，没有真正的智能生成机制。规模堆得再大，也只是在现有层级里越做越好，不会自动跃升到下一个层级。

当绝大多数热钱和人才都涌向见效快的规模竞赛，底层的算法探索、跨学科的基础研究、对智能本质的追问，反而会被挤压。可真正能把我们带向通用智能的突破，从来不是靠堆钱堆出来的，靠的是认知上那层窗户纸被捅破，是某个领域里一次谁也没料到的洞见。把鸡蛋都放在“规模竞赛”这一个篮子里，短期内看着热闹，长期看反而可能耽误了下一次突破。

第二个判断是：闭源的壁垒，正在放慢整个领域探索的脚步。

现在的大环境是，科技的墙越砌越高，各家都在守自己的技术家底，闭源成了头部公司的默认选择。站在商业竞争和国家竞争的角度，这完全可以理解。可站在技术发展本身的角度看，当下这个阶段，恰恰是越开放、越开源，才越容易往前走。

原因很简单：纯公开数据的红利已经吃得差不多了，光靠爬网页、扫书本给模型喂料，能榨出来的油水已经不多。接下来真正能给模型带来增量的，是应用，是人和模型在无数具体场景里的互动——各行各业的人把自己的专业经验、说不清楚的默会判断、真实场景里的细碎需求，通过一次次交互灌进去。模型在使用里迭代，人的思考也在和模型的碰撞里延伸，只有足够广、足够深的应用互动，才能帮我们摸到下一个方向的入口。

如果底座都攥在少数几家手里，应用的门槛高，数据的流通堵，看似守住了商业利益，实则把整个领域的探索边界收窄了。等着少数团队关起门来碰出下一次Transformer级别的革命，概率太低，速度也太慢。反而是开源的底座、开放的生态，能让更多人参与进来，在海量的真实应用里，慢慢蹚出一条新路。

这不是否定商业价值，也不是说要无条件开放。只是站在整个人类智能技术发展的立场看，封闭永远走不远，互动和连接，才是生长的前提。

结尾

工具再强大，终究是用来照亮人的

说到底，对AI去魅，从来不是否定它的价值。恰恰相反，只有看清了它的边界，才能真正用好它的能力。

它是一场深刻的产业革命、工具革命，是信息革命的延续。互联网解决了信息的传递，大数据解决了信息的存储，大模型解决的是信息的批量加工与生成。它会把各行各业里能标准化、能符号化的脑力工作全部重构一遍，极大地拓展我们的认知边界，也把生产效率抬高一大截。

但它的底色永远是工具。人始终是使用它的主体，它始终是服务于人的手段。这件事，不会因为它能力变强就改变。

因为它的工具属性，从诞生的第一天起就写死了。

人类的智能是自下而上长出来的：先有生命，先有活下去的需要，才在亿万年的演化里，慢慢长出了感知、情绪、理性和意识。智能是生命的副产品。人工智能是自上而下拼出来的：先有人定好的任务目标，再用数据和算法去拟合任务的外在表现。所有功能，都是为了完成人的目标而存在的。

生成逻辑从根上就不一样，自然不会走到同一个终点。

技术的发展从来不会按人的预想走，我们今天划定的边界，未来也许会被打破。只是站在心理学的门口看AI，看到最后，看见的永远是人自己。

我们把AI的底细摸得越透，就越能看清人类智能的珍贵——它从来不是大脑里孤零零的逻辑运算，而是和身体、情绪、经验、生命捆在一起的整体。那些说不出来的默会知识，那些藏在冰山之下的潜意识，那些从真实生命里长出来的爱与悲悯、勇气与担当，才是我们身上最核心，也最难被复刻的部分。

AI会越来越好用，会帮我们卸下越来越多表层的脑力负担。而人作为生命主体的价值，只会在这个过程里愈发清晰。毕竟工具再强大，终究是用来照亮人本身的。

版权声明：部分文章推送时未能与原作者取得联系。若涉及版权问题，敬请原作者联系我们。