记录一次与 DeepSeek 的对话。它始于一个常识性的低级错误，却最终让我对当前喧嚣的 “人工智能” 浪潮有了更清醒、更深刻的认识。

# 起点：一个 “低级” 的技术错误

事情起因很简单。我在 AI 回答我关于一个进制转换的问题时，发现了一个错误：“八进制数 345 如何转换成十六进制？”

AI 迅速给出了回答，步骤清晰，看起来非常专业。它告诉我，先将八进制转换为二进制（011 100 101），再进行分组，最终得到十六进制结果 1CA 。

然而，前面都还算正确，直到 AI 对转换的二进制进行分组的部分，这个分组操作非常迷惑。

正常的分组应该是 :

• 011 100 101 → 0 1110 0101

去掉多出来的前导 0，正确结果应该是：

• 1110 0101

再看看 AI 的分组：

• 011 100 101 → (00)01 1100 101(0) 四个一组，括起来的是 AI 补的

莫名其妙的分割，莫名其妙的补零，明明前面还在说从右向左四位分组，下一步就开始瞎操作。

正确的答案应该是 E5 而非 1CA 。

我立刻向 AI 指出了这个错误。它非常诚恳地道了歉，并重新给出了正确的计算步骤。但我的好奇心已经被勾起：一个能处理复杂编程问题的 AI，为何会在一个基础的、有确定性规则的数学问题上翻车？

这让我想起了之前网络上爆火的一个梗：让 AI 比较 0.110 和 0.80 哪个大，一些模型竟然会错误地认为 0.110 更大，因为它 “看” 到的数字位数更多。

# 深入追问：AI 的 “思考” 到底是什么？

我直接向 AI 抛出了核心问题：你怎么看 AI 大语言模型在一些比较基础的地方容易犯错？

它的回答，堪称一次精彩的自我剖析。它坦诚地揭示了当前大语言模型的核心本质：

它不是 “逻辑推理机”，而是 “概率文本生成器”。它的工作不是在执行数学算法，而是在海量训练数据中寻找最相关的文本模式，然后生成一个 “看起来正确” 的答案。它的目标是生成 “合理” 的文本，而非保证 “正确” 的结果。

它缺乏常识与物理直觉。对于 0.110 和 0.80 的比较，AI 处理的是符号序列，它可能被 “110” 大于 “80” 这种字符串比较模式带偏，而没有人类那种对 “数值大小” 的本能理解。

它的优势与劣势是一体两面。它擅长处理模糊性、创造性和归纳性的任务（如写文案、做摘要、头脑风暴），但其致命弱点正是需要绝对精确、严格逻辑链和事实核查的任务。

换句话说，我面对的不是一个拥有理解力和逻辑思维的大脑，而是一个能力超群的 “模式匹配与文本合成引擎”。它的错误并非偶然的 “失误”，而是其底层设计原理的必然 “特性”。

这同时也解释了为什么 AI 常常出现 AI幻觉 ，它总是试图生成 “合理” 的符合行文逻辑的文本，也就是一本正经的胡说八道。

# 我的反思：关于 AI 的新的认知与看法

下面是我让 AI 把对话中我的观点进行的总结（不是不用，而是要批判性的用bushi)

AI 被过度神化了。媒体和舆论常常营造出一种 “AI 即将全面超越人类” 的氛围。但现实是，它在展现惊人能力的同时，在基础逻辑和事实上却脆弱得不堪一击。我们容易将其流畅的语言能力误认为真正的智慧，这在心理学上被称为 “意向性立场”。

AI 没有真正的创新，只有重组。AI 的创作是基于它所学过的海量数据的卓越重组与融合。它能写出李白风格的诗，但无法提出 “相对论” 这样完全超出训练数据范畴的、颠覆性的理论框架。它的创造力是有边界的。