春晚机器人刷屏后，我们将进入一个怎样的世界？

▼ 扫码加小雅▼

免费解锁

3w+ 助教笔记

及直播回放路径

01

50 米洗车题，AI 真的翻车了吗？

今年春晚的机器人含量爆表。

有人吐槽说，不只是年味淡了，连「人味」都少了。

节目效果如何，当然见仁见智；但有一点几乎毋庸置疑——AI，以及更进一步的具身智能，正在加速进入公共生活；在可见的未来，它们将扮演越来越多角色。

年前，很多人还兴致勃勃地「挑战」AI。

方法很简单，甚至带点戏谑意味：「我要去洗车，洗车店离我家只有 50 米。我是走过去，还是开车过去？」

结果却颇具黑色幽默。

一众在各类榜单上风头正劲的大模型，纷纷进入严肃模式：开始精确测算时间成本、碳排放量、能源效率，甚至还把步行带来的健康收益一并纳入模型。

层层推导，逻辑严密，最后郑重其事地给出建议——走路。

这一刻的荒诞感，确实很强——这么多算力，这么多顶尖人才，最后「输」给了区区 50 米。

但细想一下，问题也许并不出在答案，而是出在「问题」本身。

对人来说，这个问法已经足够清晰。我们自动补全了所有语境：车就在楼下，钥匙在手里，洗车店就在门口——所谓「纠结」，更像是一种玩笑式的设问。

但在字面上，有一件关键信息从头到尾都没有出现——车现在停在哪。

既然「车的位置」不明确，AI 就必须自己补全，而它的补全方式，往往遵循概率最大化原则：

既然你在纠结走还是开，车大概不在你脚边；既然车不在脚边，那无论如何你都得走一段。

在这个补全下，「走路」就成了合理答案——看上去像犯傻，其实只是走了另一条理解路径。

02

我们靠语境，它靠概率。

我们在面对提问的时候，往往会不自觉地多思考几步：

• 为什么问这个？

• 是不是脑筋急转弯？

• 是不是有个没说出口的前提？

人类理解问题时，依赖的是大量未被说出的共识背景，大语言模型 AI 不会。

AI 在回答问题的时候，只看字面条件，字面给了什么，就处理什么；字面没有的，不会凭感觉补齐，也不会主动怀疑动机。

在它看来，这是一个真诚的规划请求。于是，它在现有条件下，推导出一个统计意义上最合理的答案。

它专注优化的是「回答质量」，不是「怀疑问题」的能力。

我们以为自己问的是「常识题」，它却当成了一道「信息不完全的优化题」。

▼ 扫码加小雅▼

免费解锁

3w+ 助教笔记

及直播回放路径

03

所谓「常识」，只是特定人群间的共享语境。

有时候，我们想当然觉得自己所知的是「常识」，但是我们忽略了：其实很多「常识」，只是特定人群间的共享语境。

有人问你「公司这样做合适吗？」

你几乎不用追问，就知道在说哪家公司。规模、行业、内部氛围、最近的风波——画面已经自动在脑海里展开。

但同一个问题在 AI 那里，「公司」只是又一个变量——没有规模，没有行业，没有历史——是空白的。

人脑靠经验补全，模型靠输入推断。谁都没有错，只是依赖的东西不一样。

这次 AI 「集体翻车」，更像是我们第一次清楚地看到，平时那些没说出口的隐藏前提，是如何一直默默支撑我们去理解问题的。

但这种「补全错误」，不只发生在 AI 身上。

《生活大爆炸》里有一句很经典的台词。

Penny 对 Leonard 说：

You have destroyed my ability to tolerate idiots！

你毁了我容忍傻瓜的能力！

04

当沟通质量的预期，被 AI 重塑：

当时看只是好笑，现在想想，有点微妙。

当一个人长期处在高度理性、过度分析的环境里，他对含混、随意、甚至不够严谨的表达，会越来越缺乏耐心。

绕圈子会让人烦；模糊表达会让人急；情绪先于逻辑，会让人下意识皱眉。

AI 也许还没有毁掉你容忍「傻瓜」的能力，但它确实在重塑你对沟通质量的预期。

可是，人与人之间的沟通，从来不是纯结构问题，它包含情绪、身份、防御、关系、权力……

AI 不需要「被」理解，但人需要，尤其是隔着屏幕时。

面对面交流，语气会替你解释，停顿会替你缓冲，眼神会替你兜底，但文字里没有这些。

一句「这个不太合理吧」，可能只是困惑，也可能被读成否定——可能你在拆解问题，对方却觉得是自己被拆解。

很多冲突不是因为立场差太远，而是彼此误判了对方在做什么。

有时只要能多说半句，气氛会完全不同：「我不是在否定你，我只是想看看风险」、「我不是反对方向，我只是担心执行细节」。

这些话当面说显得多余；但是隔着屏幕，却像缓冲垫——AI 不会脑补，人类会。

毕竟误解，有可能就发生在那一秒的脑补里：你以为自己在表达清楚，对方却在猜测动机；你以为只是讨论问题，对方却在琢磨态度。

屏幕那头的人，不了解你，看不见你的表情，他只能猜；而猜错，并不需要恶意。

▼孤阅的近期热门内容汇总▼

获取更多学习干货，点个⭐，不错过文章推送~

编辑｜恺宸

排版｜琳玥