几周前，作者发布了一个谷歌表单，问题简单得近乎可笑：“发布你最愚蠢的与 AI 相关的疑问，就像什么是 AI 一样愚蠢？”收到的回答很精彩，如“AI 有大脑吗？”“ChatGPT 怎么知道东西？”“AI 只是一个高级搜索引擎吗？”“AI 在思考吗？”“AI 能感觉吗？”这些问题看似愚蠢，却代表着更深层次的东西，即当某些事物模糊不清时我们都有的不安。作者回忆起第一次学习编程时，虽明白代码的逻辑，但不知代码运行时实际发生了什么，渴望像了解机械系统一样了解代码。

以汽车刹车为例，能清晰看到因果关系。要理解代码的实际运行，需退一步问更简单的问题，如在计算器上按 3 + 4 = 时发生了什么。计算器按键下的小穹顶会塌陷连接电路让电流通过，电流到达芯片（计算器的“大脑”），芯片将 3（0011）和 4（0100）视为特定的电模式，这些二进制数传递到算术逻辑单元（ALU），像由逻辑门组成的小机器，它通过翻转开关来实现加法，得到 7（0111）并将结果发送到控制显示器的芯片，屏幕显示 7。代码也类似，只是更多层、更复杂的电信号和逻辑编排。

而对于 AI，再次让人感到模糊，问三个人什么是AI，会得到三个模糊的答案。比如输入“总结这篇关于气候变化的文章”，机器能理解并给出有意义的总结，但不知其原理。输入的句子变成二进制，通过云端的数据中心的 GPU 运行神经网络进行处理，先拆分成片段（令牌），每个令牌转化为数字，然后通过层层的人工神经元进行处理，每个神经元根据训练学到的东西调整输出，信号越深，表征越抽象，最终输出下一个最可能的单词，让人感觉像理解了，但其实是在预测，是基于看到的万亿模式进行计算。

现代 AI 基于三个大的升级，更好的数据、更智能的架构（如 Transformer）和人类反馈，所以今天的 AI 感觉很敏锐，不是因为理解，而是因为记住了足够多来近似理解。现在我们正处于更有能力的边缘，进入 AI 代理时代，工具能采取行动、规划多步任务、使用其他工具并反思改进，我们要思考能否信任它，像 Watsonx 这样的平台正在努力平衡性能和责任。作者希望人们明白 AI 不是魔法，只是数学和概率，是我们自身语言、逻辑和局限性的反映，虽好奇和困惑是正常的，但深入了解后会发现是大规模的逻辑，是可以理解的。从基本计算器到云端的 AI 代理，这是现代计算的发展轨迹，现在的转变是朝着构建更智能、更安全的系统，让 AI 不仅能响应，还能推理、规划，甚至赢得信任。