AI思考录-AI：人类智能的递归放大器

Thu, Jan 1, 2026

这不是一篇结论性的文章，而是我对 AI 本质的一次阶段性理解。

2026年，距离 AlphaGo 击败李世石这个“斯普特尼克时刻”已经整整 10 年，那也是我第一次直觉地意识到：AI 可能会成为影响人类认知结构的关键变量。

AI（Artificial Intelligence）在我看来，这是人类科技中最最激动人心的领域，从小我就对“聪明”这件事异常敏感，也逐渐意识到，人类社会的关键突破，往往来自少数认知能力极强的人。而AI，一种由人工创造的智能，一种能创造，能复制，能解构的智能，怎么能不让人兴奋。

它并非“规则判断”，而是一种更高维度的模拟抽取，即学习如何做事。以往的编程，是人类编程（编写流程）告诉计算机，应该做什么，怎么做，每个步骤都是人设计好。而AI编程，是告诉计算机如何学习，具体要做什么，程序自己去学习，而这个学习的过程就是训练，人类设定的“如何学习”的参数，就是“超参数”。而所谓学习，其实自我试错更新迭代，即不断的更新自我的参数，学习的效率如何，成果如何，不仅取决于多少数据，也取决于模型架构以及“超参数”如何设置。

人工智能是目标，机器学习是实现路径，而深度学习是当前最成功的一种技术手段。

今天我们用的深度神经网络构建的大语言模型，可能只是AI实现方式的一种，也许还有其他很多途径可以实现，最明显的一点就是：大语言模型不等于全部AI

AlphaGo团队，他们个人或全部一起，是没有办法在围棋上战胜李世石的，但他们创造出的程序，却能击败李世石，一个能力有限的团队，能创造出突破自身能力的事物，实在太让人兴奋。这还不同于人类通过汽车飞机，能跑赢猎豹，高于雄鹰这种体力的突破，这是一种智力认知的突破，一个认知能力有限的团队，创造出了突破团队自身认知边界的事物，再让这个事物，递归进行创造，会出现什么场景，这种递归式的能力放大，已经超出了个体人类的直觉想象！乔布斯说计算机是人类思想的自行车，而我觉得AI是人类智能的递归放大器。正因为人类不再规定“该怎么做”，而只规定“如何学习”，AI 才第一次具备了超出创造者直觉的可能性。

若一个人能创造智能，那他一定是能解构智能，知道智能是何物，知道人是怎么思考的，为什么有的人聪明，所以我开始“炼丹”。跟着《python深度学习》，了解到什么是人工智能，什么是机器学习，手动搭建人工神经网络，CNN、RNN等各种模型架构进行搭建训练。

当时认知是，视觉是人类最重要最准确的接受信息的来源，所以专注于图像处理，训练出的模型只能对图像进行处理。忽略了语言的高信息密度性、高易用性，忽略了NLP，当时的处理办法还是LSTM和RNN，并未关注2017年就发布的Transformer架构。直到2022年末，以ChatGPT为代表的语言模型引发广泛关注，并实现跨圈层传播，当时就在思考，AI为什么是以“语言模型”的形式为普通大众所知晓，而不是视觉模型，或是某综合模型（多模态）。恍然大悟：自然语言才是人类与AI沟通最方便的形式，我们的思考、我们的所见、我们的所闻、我们欲做何事，其实都可以用语言来表达，甚至我们的程序代码，也是属于语言。但我认为语言模型只是其中一种可能，而 AI 的真正边界，或许仍然在我们尚未理解的认知结构之中。

上面的思考更多是对 AI 本质的理解，而下面则是一些在收听播客《枫言枫语》过程中，被进一步激发的零散想法。