AI 训练是否为一场盗梦空间?

多客科技

作者：微信文章
总结

观点1: AI的输出只是肯定已有的信息，因此无法输出新的信息

观点2: AI的训练基于人类已有的共同记忆，而无法超出新的创造力

观点3:盗梦的AI没有颠覆生产力的方式

观点4:但是AI仍然可以帮助做到很多事情，类似之前的NLP任务


在 2025 年，我们正见证一个由生成式人工智能（Generative AI）主导的时代。其能力之强，足以在数秒内生成传世画作风格的图像、编写复杂的软件代码或草拟专业的法律文书。然而，在这种近乎“全能”的表象之下，一个深刻的学术拷问正浮出水面：当前 AI 范式所展现的“智能”，究竟是真正的“创造”，还是一种前所未有的“模拟”？

本文的核心论点是，当代 AI（尤其是基于 Transformer 架构的大型模型）在本质上是一个强大的**“记忆重组与概率插值”系统。它被其训练数据——即人类的“共同记忆”——所 epistemologically**（认识论上）束缚。

要评估其影响，我们必须首先解构其局限性（论点 1、2），随后分析其对生产力“颠覆性”的真实定义（论点 3），最后才能公允地定位其作为工具的巨大价值（论点 4）。

论证一：AI 的“阿喀琉斯之踵”——无法超越的“共同记忆”

（回应：观点1: AI的输出只是肯定已有的信息，因此无法输出新的信息；观点2: AI的训练基于人类已有的共同记忆，而无法超出新的创造力）

这两个观点共同指向了当前 AI 范式的根本性制约：其创造力的边界由其训练数据的边界所定义。

1. 论据：训练机制决定了“重组”而非“创造”

大型语言模型（LLM）的核心机制是“预测下一个词”（Next Token Prediction）。它通过分析数万亿级别的人类文本和数据，学习到了语言、逻辑、事实和风格的复杂统计模式。当它“生成”内容时，它并非在“思考”或“构思”，而是在其高维向量空间中，基于给定的提示（Prompt），计算出概率最高的“下一个”信息序列。

何为“共同记忆” (观点 2)？ 这就是它的训练数据：人类有史以来几乎所有的数字化文本、图像和代码。这是 AI 认识世界的全部“感知”。何为“肯定已有信息” (观点 1)？ 因为模型的目标是最小化“预测错误”（Loss），它会无限趋向于输出那些在“共同记忆”中出现频率最高、逻辑上最“安全”的答案。

2. 论证：AI 无法“从无到有”（Ex Nihilo）

这种机制导致了一个关键后果：AI 可以“组合”，但不能“发明”。

案例分析（艺术）： AI 可以生成一幅“伦勃朗光影风格的赛博朋克城市”。这是因为它在数据中“学习”了“伦勃朗光影”的向量特征和“赛博朋克城市”的视觉元素，并将二者插值混合。但是，AI 无法“发明”出一种它从未“见”过的、全新的、不基于人类已有美学经验的“艺术流派”。案例分析（科学）： AI 可以基于现有的所有物理学论文，总结出一个新的假设。但它无法“发现”一个全新的、违背其训练数据（即我们已知物理学）的“物理定律”。它能模拟“发现”的过程，但不能执行真正的“发现”。

结论是，AI 是一个终极的“模式复制器”和“信息内插器”。 它在我们“共同记忆”的边界内达到了近乎完美的程度，但它无法（也不能）踏出这个边界一步。

论证二：生产力的“加速”而非“颠覆”

（回应：观点3: 盗梦的AI没有颠覆生产力的方式）

基于上述“共同记忆”的局限，我们必须重新审视“生产力革命”这一概念。如果 AI 只是在重组已知信息，它是否真的“颠覆”了生产力？

1. 论据：定义“颠覆性”生产力

历史上，真正的“颠覆性”生产力工具（如蒸汽机、电力、互联网）具有一个共同特征：它们从根本上改变了生产关系和价值创造的物理限制。

蒸汽机 克服了对“人力/畜力”的依赖。电力 克服了对“昼夜”的依赖（实现24小时生产）。互联网 克服了对“地理空间”的依赖（实现信息的瞬时全球流动）。

这些工具创造了全新的“产业生态位”，使得旧有的生产方式在经济上变得不可行。

2. 论证：AI 扮演的是“效率放大器”而非“范式转换器”

相比之下，当前 AI 所做的，并非“创造”新的产业生态位，而是对现有（尤其是白领）工作流的极致“优化”。

案例分析（软件开发）： AI（如 GitHub Copilot）极大地提高了程序员的编码效率。但它没有“颠覆”软件开发这一行为本身。程序员的核心任务——理解需求、设计架构、定义逻辑——依然存在。AI 只是自动化了“将逻辑翻译成代码”这一环节。案例分析（内容创作）： AI 可以快速生成营销文案或报告。但它没有“颠覆”营销。人类仍然需要定义“目标受众”、“品牌调性”和“战略目的”。

因此，观点 3 是成立的：AI 带来的更像是一场“效率风暴”，而非“生产力革命”。它让原有的赛道跑得更快，但没有开辟全新的赛道。它是在“加速”当前的信息处理范式，而非“颠覆”它。

论证三：实用主义的胜利——作为终极工具的 AI

（回应：观点4: 但是AI仍然可以帮助做到很多事情，类似之前的NLP任务）

承认 AI 的局限性，绝非否定其价值。恰恰相反，只有认清其边界，我们才能最大化其效用。观点 4 实际上低估了“类似 NLP 任务”在达到极致后的巨大能量。

1. 论据：AI 作为“知识处理引擎”的价值

AI 的真正价值，在于它第一次将人类庞杂、无序的“共同记忆”变成了一个可计算、可查询、可交互的“统一接口”。

价值一：知识的即时合成（Synthesis）。 AI 作为“终极 NLP 工具”，其价值远超“信息检索”（如搜索引擎）。它提供的是“信息合成”。例如，在医学领域，AI 可以在几秒钟内交叉比对全球数百万份病例和医学文献（共同记忆），为医生提供一个基于海量数据的诊断建议。这是人类个体无法企及的。价值二：复杂任务的自动化（Automation）。 它接管了所有基于“模式重复”和“信息重组”的智力劳动。这包括但不限于：初级法律文书撰写、财务报表分析、多语言翻译、常规代码编写等。

2. 论证：AI 赋能人类实现“真正的创造”

AI 的“盗梦空间”比喻在此处显现其积极意义：AI 就像梦境中的“建筑师”，它可以完美、高效地执行“建造”任务。

但它（AI）无法决定“建造什么”以及“为何建造”。

这一定义，清晰地划分了人与 AI 的协作边界：

AI 的角色： 执行者（Executer）、加速器（Accelerator）、记忆库（Memory Bank）。它负责处理所有“已知”的问题。人类的角色： 定义者（Definer）、战略家（Strategist）、创造者（Creator）。人类负责提出“未知”的问题、定义“新颖”的目标，并对 AI 的输出结果进行“价值判断”。

AI 的局限性，恰恰反向凸显了人类“原创性”、“同理心”和“战略意图”的独一价值。

结论：清醒的“掌舵者”

本文的论证链条如下：

AI 的本质：基于“共同记忆”（训练数据）的概率重组系统，其输出是对“已知”的肯定（论点 1、2）。AI 的影响：因此，它未能在根本上“颠覆”生产力范式，而是作为“效率放大器”在“加速”现有流程（论点 3）。AI 的价值：然而，这种极致的“加速”和“知识合成”能力（论点 4），使 AI 成为有史以来最强大的工具，它将人类从重复性智力劳动中解放出来。

我们不应将 AI 视为一个“竞争者”或“创造者”，而应将其视为一面映照人类集体智慧的、最高精度的“镜子”。

在“盗梦空间”的比喻中，AI 无法提供“觉醒”的灵感（Kick），但它可以帮助我们分析和构建梦境（即现实世界）的每一层。我们的任务，不是在 AI 的“梦境”中沉睡，而是利用它提供的强大能力，保持清醒，去定义和掌舵那个真正属于人类的、充满未知的未来。