理解AI模型的本质，避免不必要的误解和弯路

大语言模型（LLM）正以前所未有的方式融入我们的工作与生活，但许多人对其能力存在过度“拟人化”的期待，导致使用效率低下甚至产生误判。本文将帮助你从数学建模的根本视角重新认识大语言模型，看清它是什么、能做什么、为什么犯错，以及如何理性控制它。这不仅是技术认知的升级，更是少走弯路的关键一步。

这个标题对很多读者而言会觉得有点奇怪：

“AI（这里特指大语言模型）不就是一种数学模型么，很显然的事有必要拿出来讲么？”

有必要，是因为我们常常忘记大语言模型的本质。

在我们当前的语境下，因为大语言模型的巨大成功，我们会将其视为一个“会说话的人”，或一个“无所不知的专家”，甚至一个“觉醒的意识体”。

我们开始赋予它意志、情绪和判断，亦开始恐惧它的取代、操控和失控。但实际上，大语言模型不过是一个庞大的数学函数，是对语言行为的高维建模。

我认为这种视角并不冷漠，恰恰相反，它是一种理性、克制而务实的认知方式。本文来探讨这一点。

模型是复杂世界的简约表达

数学模型的作用，是在不损害决策价值的前提下，简化现实。

从经典物理的微分方程，到经济学的最优化模型，再到社会科学中的网络模型，其共性都是对复杂系统进行形式化、结构化的表达，从而捕捉关键关系，并用于推演与干预。

每一个数学模型都是目的性、结构化、约简化的工具：

• 它有特定的建模目标（解释、预测、优化）；
• 它选择部分变量进行表达，必然忽略其他因素；
• 它以逻辑规则或统计模式建立变量之间的关系。

大语言模型（LLM），从这个意义上看，就是对人类语言行为的参数化建模工具。它不是“人在思考”，而是“模型在拟合”语言出现的可能性与结构逻辑。