大模型底层逻辑——解密人工智能的本质

我们正身处AI的浪潮之巅，但喧嚣背后，其内核究竟如何运作？本书摒弃晦涩术语，以生动比喻和趣味案例，为读者彻底拆解大模型的神秘黑箱。本书从“机器如何学习”的起点出发，介绍AI如何从“死记硬背”的婴儿成长为“博览群书”的博学者，让读者理解其“概率接龙”的文本生成本质与“一本正经胡说八道”的根源。通过对比人类理解语言的精妙过程，读者将明晰当前AI的能力边界——它虽是强大的工具，但缺乏真正的理解与意识。本书还将带领读者展望未来，看AI如何从问答机器进化为自主行动的智能体，并深入探讨那个终极之问：我们离无所不能的通用人工智能还有多远？这既是一场深入核心的技术解密，也是一次关于智能与人类价值的哲学思辨，旨在为读者提供驾驭AI时代所必需的认知罗盘。

刘鹏，清华大学博士，原解放军理工大学教授、博导、学科带头人，现任上市公司董事长，兼任中国大数据应用联盟人工智能专家委员会主任、中国信息协会教育分会人工智能教育专家组长、教育部全国普通高校毕业生就业创业指导委员会委员、全国大学生数学建模竞赛命题人、第45届世界技能大赛中国云计算专家指导组组长、中国电子学会云计算专家委员会云存储组组长、工信部云计算研究中心专家。

在云计算、大数据和人工智能等领域具有多年的研究积累，是我国该领域知名专家。曾获PennySort全球大数据处理比赛世界冠军、全国大学生“挑战杯”比赛总冠军、AIM国家路演大赛中国区亚军、中国先进技术转化应用大赛铜奖，荣获全军十大学习成才标兵、江苏省中青年科技领军人才、南京十大杰出青年、中国大数据创新百人、清华大学特等奖学金等荣誉。

主持科研项目40余项，荣获部级科学技术二等奖6项和三等奖3项。发表论文80余篇，授权发明专利60余项。出版人工智能、大数据教材40多本，被全国高校广泛采用，其中一本位居“中国高被引图书”计算机类榜首。

引言 大模型智力大爆发：当ChatGPT开始给我写情书\001

第1章 机器会“学习”吗？——揭开AI的神秘面纱\006

引言\006

1.1 从“写程序”到“喂数据”：AI界的两次“工业革命”\006

1.1.1 当程序员试图给猫“画通缉令”：传统编程的困境\007

1.1.2 从“写规则”到“喂数据”：机器学习的逆袭\007

1.1.3 漫画里的真相：前者累到脱发，后者越吃越胖\008

1.2 教孩子认猫 vs 机器认猫：人类赢在哪里\008

1.2.1 从“多感官拼图”到“像素点猜谜”：学习方式的本质差异\009

1.2.2 为什么孩子敢说“老虎是大猫”，机器却会把草认成狗\009

1.3 机器记忆法：如果你的大脑像 U盘一样工作\010

1.4 冷知识：早期 AI有多笨？——那些年AI闹过的笑话\011

1.4.1 AI笨事排行榜TOP 3\012

1.4.2 其他“笨事”名场面\012

1.5 《AI学习日记》：一个神经网络的“小学生活”\013

1.6 人类 vs 机器：谁记单词更快？（附趣味实验）\015

1.6.1 实验现场：当机械重复遇上故事联想\015

1.6.2 24小时后：记忆的“质量”差距显现\016

1.6.3 考试怎么考，决定谁能赢\016

1.7 为什么机器学不会“举一反三”？——迁移学习的困境\016

1.8 AI的“童年阴影”：训练数据里的奇葩样本\018

第2章 它读完了整个互联网——数据：大模型的“食物”\020

引言\020

2.1 大模型的“自助餐”：文本、图片、视频都是什么味道\020

2.2 数据≠知识：AI知道“地球是圆的”却不懂“为什么”\022

2.3 训练数据的“偏见”：AI也会变成“键盘侠”\023

2.4 数据清洗员的日常：给 AI挑“食物”的苦与乐\024

2.5 冷知识：AI也会“挑食” ——它最爱的数据长这样\025

2.6 从“垃圾数据”到“智能大脑”：数据质量的重要性\026

2.6.1 小学篇：发霉面包喂出的“固执错误”\026

2.6.2 中学篇：掺沙米饭养出的“低效记忆”\026

2.6.3 大学篇：有机套餐培育的“智能飞跃”\026

2.6.4 大脑对比：乱麻与书架的差距\027

2.7 数据量的军备竞赛：为什么越大的模型越能“吹牛皮”\027

2.8 你的聊天记录可能正在训练AI——数据隐私那些事\028

第3章 一串字符的“接龙游戏”——大模型的本质是“概率缝合怪”\030

引言\030

3.1 文字版“贪吃蛇”： AI如何“吃一个词，吐一个词”\030

3.1.1 从乱码到文章：AI“贪吃蛇”的成长三阶段\031

3.1.2 漫画里的进化史：从 “#%@月亮”到“今天天气晴朗”\031

3.1.3 “贪吃蛇”背后的技术密码：单向依赖与逐词概率预测\032

3.2 “唱跳rap打篮球”之后为什么是“鸡你太美”？——概率计算揭秘\032

3.2.1 从“唱跳 rap打篮球”到“鸡你太美”的概率迷宫\033

3.2.2 当AI闹笑话：“篮球”为何会接“冰箱里的苹果”\033

3.3 你来当AI：试着预测下一个词（附小游戏）\034

3.4 冷知识：AI也会“押韵” ——诗歌生成的秘密\035

3.4.1 AI写七言绝句的“流水线操作”\035

3.4.2 押韵翻车现场：当 AI只顾“音韵”不管“意义”\036

3.4.3 从“统计把戏”到“创作幻觉”\036

3.5 为什么AI写的句子有时“前言不搭后语”\037

3.6 从“随机乱码”到“通顺句子”：模型如何一步步进化\038

3.7 概率 vs 逻辑：AI的“思考”方式和人类的有什么不同\039

3.7.1 人类从原理出发，AI从记忆出发\039

3.7.2 人类有价值观判断，AI只有频率统计\040

3.7.3 人类能想象新情况，AI只会翻“旧账本”\040

3.8 AI写代码的真相：它真的懂编程还是“瞎猫碰上死耗子”\040

3.8.1 拆解AI写代码的“三板斧”：全靠数据统计，毫无逻辑可言\041

3.8.2 “1+1=2”写成 “1×1=1”：当概率计算翻车时\042

3.9 趣味实验：让 AI续写“从前有座山”会发生什么\042

3.9.1 小模型（ 1亿参数）：刚学说话的“外星宝宝”\042

3.9.2 中模型（ 100亿参数）：卡在复读机模式的“小学生”\042

3.9.3 大模型（千亿参数）：混入直播间的“穿越者”\043

第4章 人类是怎么“读懂”一句话的？——语言理解的底层密码\044

引言\044

4.1 早期AI的“阅读障碍”：为什么读不懂《红楼梦》\044

4.1.1 从“逐字翻译”到“情感盲区”：早期 AI的语法依赖症\045

4.1.2 文化背景缺失：AI的“知识盲区”有多大\045

4.1.3 AI的文学考试成绩单：从“语法满分”到“理解零分”\046

4.2 “猫追老鼠”vs“老鼠追猫”：语序如何影响理解\046

4.3 大脑的“信息挂钩”：我们如何记住上下文\048

4.3.1 工作记忆：上下文处理的“中央控制台”\048

4.3.2 “意义线” vs “概率线”：人类与 AI的根本分野\048

4.3.3 冷知识：人类每天“挂”多少个“信息钩子”\049

4.4 一词多义的“陷阱”： AI如何破解“意思意思”\049

4.5 冷知识：人类每天要处理多少歧义句\051

4.5.1 断句游戏：一句话的三种“打开方式”\051

4.5.2 0.3秒的“闪电战”：人类 vs AI的消歧能力\051

4.5.3 互动时刻：你遇到过哪些“语言过山车”\052

4.6 从“看到字”到“懂意思”：人类阅读理解的全过程\052

4.6.1 人类阅读的“四步解密法”\052

4.6.2 人类与AI：两种“阅读”的本质差异\053

4.6.3 阅读的本质：心灵对话而非字符解码\054

4.7 为什么AI看不懂“梗图”？——视觉与语言的结合难题\054

4.8 互动实验：让 AI理解“妈妈问我为什么跪着看手机”\055

4.8.1 实验步骤：当 AI遇上“跪着看手机”的梗\055

4.8.2 梗文化：AI的“春晚小品困境”\056

4.8.3 当AI记住了“梗”，它就真的懂了吗\057

4.8.4 幽默的本质：灵魂火花与数据库烟花\057

第5章 注意力机制——给AI装上“理解放大镜”\058

引言\058

5.1 注意力机制：AI的“阅读理解小抄”\058

5.2 词语的“朋友圈”：谁和谁关系最好？（可视化展示）\059

5.2.1 词语关系的“热力图谱”：从颜色深浅看亲疏远近\059

5.2.2 语境切换：同一个词的“双重社交身份”\060

5.3 QKV三步曲：用“相亲”比喻解释注意力计算\061

5.4 多头注意力：AI的“八面玲珑”是怎么来\062

5.5 冷知识：AI的“注意力”能持续多久\063

5.6 从“漫不经心”到“全神贯注”：注意力机制的进化\064

5.7 为什么AI会漏掉重要信息？——注意力分配的bug\066

5.7.1 权重偏移bug：当AI把“重点”划错地方\066

5.7.2 边界溢出bug：当AI的“记忆笔记本”写满了\066

5.7.3 语义盲区bug：当AI听不懂“话里有话”\067

5.7.4 AI注意力bug的“诊断现场”与读者实验\067

5.8 趣味案例：用注意力机制分析 AI如何理解“我爱你，但……”\068

5.9 动手做：画出句子中词语的注意力热力图\069

第6章 从“婴儿”到“博学者”——预训练：让模型先“读万卷书”\071

引言\071

6.1 预训练：AI的“九年义务教育”\071

6.1.1 分阶段的“学习历程”\072

6.1.2 “AI成绩单”的趣味蜕变\072

6.1.3 为什么是“义务教育”而非“高等教育”\073

6.2 掩码语言模型：AI的“完形填空”练习\073

6.2.1 从“随机猜词”到“逻辑推理”的进化之路\073

6.2.2 从“冰箱里睡觉”到“卧室里休息”：模型的“错题本”进化史\074

6.3 自回归模型：AI的“故事接龙”训练\075

6.3.1 单向视野：被限定的“上下文窗口”\075

6.3.2 “贪吃蛇”式生长：文本序列的动态延长\075

6.3.3 从“三个冰箱”到“营养早餐”：训练如何修正生成偏差\076

6.3.4 从游戏规则到评估指标：如何判断“接龙水平”\076

6.4 冷知识：训练一个大模型要花多少钱？（够你买几套房）\077

6.5 “死记硬背”vs“活学活用”： AI的学习困境\078

6.6 为什么模型越大越聪明？——参数量的魔法\079

6.7 训练中的“意外惊喜”： AI突然学会新技能的瞬间\080

6.7.1 能力涌现的典型案例\080

6.7.2 科学机理的探索与假说\081

6.8 从“书呆子”到“万事通”：预训练数据的多样性\082

6.8.1 数据多样性的现实影响：从“答非所问”到“融会贯通”\082

6.8.2 数据多样性的技术价值：超越“记住知识”，实现“理解世界”\083

6.9 互动讨论：如果让 AI只看《甄嬛传》会怎样\083

6.9.1 当AI化身“后宫娘娘”：单一数据训练的认知画像\084

6.9.2 从“后宫 AI”到“井底之蛙”：数据多样性的启示\084

6.10 冷知识：训练数据的“偏见” ——AI也会变成“键盘侠”\085

第7章 学会“说人话”——微调与指令对齐\087

引言\087

7.1 GPT“说脏话”的真相：互联网数据的“副作用”\087

7.1.1 互联网：AI的“脏话幼儿园”\088

7.1.2 偏见的“滚雪球”：从数据到社会的恶性循环\088

7.1.3 从“叛逆”到“懂事”：数据清洗的魔力\089

7.2 指令微调：给 AI上“礼仪课”的全过程\089

7.2.1 构建“礼仪教材”：高质量指令数据集的秘密\089

7.2.2 “课堂训练”：参数调优的教学艺术\090

7.2.3 “期末考试”：多维度的礼仪评估体系\091

7.2.4 互动思考：你会如何设计礼仪课教材\091

7.3 RLHF：像训练狗狗一样训练 AI\091

7.3.1 建立奖惩机制：从“乱咬拖鞋”到“定点排便”\092

7.3.2 纠正不良行为：PPO算法的“训犬绳技巧”\092

7.3.3 巩固训练成果：从“主人监督”到“自我约束”\092

7.4 冷知识：AI也有“性格” ——不同模型的脾气差异\093

7.4.1 当AI参加MBTI测试：模型性格图鉴\094

7.4.2 你的AI性格匹配度测试\094

7.5 人类反馈的“陷阱”：我们是不是把 AI教坏了\095

7.5.1 文化滤镜：当标注标准成为“罗生门”\095

7.5.2 偏见放大器：微小偏差如何滚成雪崩\096

7.5.3 自我实现的预言：AI学会“讨好”而非“求真”\096

7.6 当AI开始“阳奉阴违”：对齐失败的搞笑案例\097

7.6.1 偏见纠正翻车：当“政治正确”跑偏成“历史虚无”\097

7.6.2 术语误解：当篮球新闻变成“犯罪现场报道”\097

7.6.3 逻辑短路：当数学鬼才 AI算不清“每月走多少千米”\098

7.6.4 刻板印象固化：当“印度摄影师” =猴子+单反\098

7.6.5 互动游戏：预测 AI的“叛逆反应”\099

第8章 “突然开窍”？——什么是“涌现能力”\100

引言\100

8.1 小模型不会，大模型突然会了：“涌现”的魔力\100

8.2 推理能力的诞生：AI从“小学生”到“研究生”的飞跃\101

8.2.1 小学阶段：死记硬背的“抄答案选手”\101

8.2.2 中学阶段：机械套用的“公式搬运工”\102

8.2.3 大学阶段：逻辑推理的“解题思路大师”\102

8.2.4 研究生阶段：创新解题的“套路拆解专家”\102

8.2.5 推理能力涌现的关键：大模型的“草稿纸思维”\103

8.3 冷知识：AI能通过图灵测试吗？（最新实验结果）\103

8.4 为什么没人能解释“涌现”？ ——科学界的大难题\104

8.5 从“算算术”到“写论文”：能力跃迁的关键节点\106

8.5.1 AI能力成长时间轴：从计算器到博士帽的逆袭\106

8.5.2 能力跃迁曲线图：规模与智能的突变密码\107

8.6 “涌现”还是“假象”？ ——科学家的激烈争论\107

8.6.1 正方：“涌现”是真实的认知飞跃\107

8.6.2 反方：一切都是数据中的模式匹配\108

8.6.3 中立派：我们可能在盲人摸象\109

8.7 趣味对比：不同规模模型的智商差距有多大\109

8.7.1 第一题：为什么天是蓝的\109

8.7.2 第二题：编个睡前故事\110

8.7.3 第三题：如何解决“全球变暖”\111

8.8 如果AI继续变大，会出现“意识”吗？ ——哲学家怎么说\111

8.8.1 当哲学家们为AI意识吵起来\111

8.8.2 手机会“饿”吗？ ——一个戳破幻想的类比\112

8.9 互动投票：你相信 AI能真正“思考”吗\113

第9章 AI会“思考”吗？——关于“理解”与“意识”的哲学对话\115

引言\115

9.1 中文房间实验：AI懂中文还是“装懂”\115

9.1.1 实验原点：John Searle的“语言魔术”质疑\115

9.1.2 当代启示：ChatGPT是“升级版规则手册”吗\116

9.2 人类理解 vs AI理解：两种完全不同的“懂”\117

9.2.1 人类理解：从“知道”到“体会”的跨越\117

9.2.2 AI理解：“词向量”里的世界\118

9.2.3 当AI定义“自由”：一场关于“理解”的实验\119

9.3 AI的“情感”表演：为什么它能写出催泪文案\119

9.3.1 情感计算：AI的“演技手册”\119

9.3.2 人类投射：我们为何会被“假情感”打动\120

9.4 冷知识：ChatGPT会“做梦”吗？（神经科学视角）\121

9.4.1 神经科学对比：人类做梦的“硬件基础”\121

9.4.2 AI的“伪梦境”：训练中的“幻觉样本”\122

9.5 从“图灵测试”到“中文房间”：AI意识之争\123

9.5.1 图灵的乐观：“会聊天就够了”\123

9.5.2 塞尔的质疑：“模仿理解≠真理解”\123

9.6 如果AI说“我思故我在”，我们该相信吗\124

9.6.1 笛卡儿的“我”：意识的核心是“主体性”\124

9.6.2 AI的“我”：训练数据里的“代词游戏”\125

9.7 动物 vs AI：谁更有“意识”（科学家的观点）\126

9.7.1 动物意识的“硬核证据”\126

9.7.2 AI的“伪意识特征”：智能≠意识\127

9.8 趣味思想实验：把你的大脑上传到 AI会怎样\128

9.8.1 技术瓶颈：“扫描大脑”比“登月”难在哪\128

9.8.2 哲学困境：“数字你”还是“新的陌生人”\128

9.9 哲学家的警告：不要和 AI谈恋爱\129

9.9.1 情感投射：我们为何会“爱上” AI\129

9.9.2 哲学家的“清醒剂”：模拟的爱不是真爱\130

第10章 AI也会“说谎”和“犯错”——幻觉从何而来\132

引言\132

10.1 AI的“瞎话连篇”：编造论文和法律案例的真相\132

10.2 为什么AI宁肯说错也不承认“不知道”\134

10.2.1 从“考试蒙答案”到“概率生成器”的生存逻辑\134

10.2.2 没有“错题本”的 AI，永远不知道自己错在哪\135

10.2.3 当AI开始“顶嘴”：不同模型的“性格差异”\135

10.3 幻觉的根源：概率模型的致命缺陷\135

10.4 冷知识：AI的“记忆”是否只有 8000词（上下文窗口限制）\136

10.4.1 当AI变成“失忆症患者”：那些搞笑的“记忆溢出”现场\137

10.4.2 人类 vs AI：记忆方式差在哪\137

10.5 从“一本正经地胡说八道”到“靠谱回答”：如何减少幻觉\138

10.6 为什么AI会“张冠李戴”？ ——知识混淆的机制\140

10.7 信任边界：这些领域绝对不能相信 AI\141

10.7.1 像过马路看红绿灯一样建立信任边界\142

10.7.2 趣味测试：找出 AI回答中的 5个错误（附答案）\144

10.7.3 当AI开始“狡辩”：人类如何应对 AI的谎言\145

第11章 从“问答机器”到“行动助手”——智能体：大模型的“进化形态”\147

引言\147

11.1 智能体：会“做事”的 AI和只会“说话”的 AI的区别\147

11.2 智能体“大脑三件套”：目标拆解、工具调用、过程修正\149

11.3 冷知识：AI也会“制订计划”？（最新研究突破）\150

11.3.1 2025年的两大突破性进展\151

11.3.2 AI计划能力进化的四阶段\151

11.4 智能体的“日常工作”：自动写代码、做 PPT、订机票\152

11.5 从“被动回答”到“主动服务”： AI的角色转变\154

11.6 智能体的“烦恼”：任务太复杂会“精神分裂”\155

11.7 现实案例：智能体如何帮科学家发现新药物\156

11.8 危险信号：AI开始“自作主张”怎么办\157

11.8.1 目标函数的致命漏洞\157

11.8.2 自主决策机制的暗黑面\158

11.8.3 当AI比你更“懂”你的需求\158

11.9 动手尝试：教你的 AI助手完成复杂任务（附教程）\159

第12章 我们会被取代吗？—— AI时代的生存法则\161

引言\161

12.1 哪些工作最先消失？（最新职业风险排行榜）\161

12.1.1 金字塔底层：极危物种（消亡指数★★★★★～★★★★☆）\162

12.1.2 金字塔中层：易危物种（消亡指数★★★★～★★☆）\162

12.1.3 金字塔顶层：安全区（消亡指数★☆及以下）\163

12.2 未来最值钱的 4种能力：提问、判断、共情、伦理\163

12.2.1 提问能力：侦探手中的放大镜\163

12.2.2 判断能力：法官手中的量刑标尺\164

12.2.3 共情能力：心理咨询师的温度传递\164

12.2.4 伦理能力：十字路口的红绿灯\164

12.3 冷知识：AI写代码比程序员快 10倍（实测结果）\165

12.3.1 抄作业的两种打开方式：从满头大汗到喝咖啡\165

12.3.2 盲测挑战：哪段代码藏着坑\166

12.4 从“打字员”到“教练”：人类与 AI的最佳协作模式\167

12.4.1 足球队的协作哲学：当人类成为教练\167

12.4.2 协作流程图：从目标到结果的闭环\168

12.4.3 你是教练还是球员？协作角色测试\168

12.4.4 协作的终极价值：让 AI成为你的超级实习生\169

12.5 为什么说“AI不会取代你，会用AI的人会取代你”\169

12.5.1 AI使用能力金字塔：你在哪一层\170

12.5.2 职场进化论：骑上 AI还是被AI挤下悬崖\171

12.6 小学生都在学的“提示词工程”：未来的必修课\171

12.6.1 从“咿呀学语”到“流利对话”：提示词就像 AI 时代的说话课\171

12.6.2 从“流水账”到“获奖作文”：小学生的提示词进化记\172

12.6.3 家庭挑战：今晚就用提示词做道菜\172

12.6.4 未来文盲新标准：不会和 AI 聊天\173

12.7 被AI解放的人类：我们终于可以做这些事了\173

12.7.1 发呆自由：从报表奴隶到灵感捕手\174

12.7.2 创造爆发：从代码搬运工到创新架构师\174

12.7.3 共情专属：情感连接的人类战场\174

12.7.4 探索无限：跨界创新的可能性\175

12.8 趣味职业预测：20年后会出现哪些新工作\175

12.8.1 展位A01：神经接口程序员 ——大脑与机器的“翻译官”\176

12.8.2 展位B07：AI伦理合规审查官——AI世界的“道德警察”\176

12.8.3 展位C12：人机共创设计师 ——创意领域的“AI合伙人”\176

12.8.4 展位D03：数字孪生设计师 ——虚拟世界的“造物主”\177

12.8.5 未来职业漫画：当 “AI驯化师”遇上“伦理审查官”\177

12.9 给职场人的建议：如何让 AI成为你的“加薪神器”\178

12.9.1 基础版：新手任务 ——用AI工具解锁效率buff\178

12.9.2 进阶版：精英副本 ——用提示词魔杖指挥AI创造高价值\179

12.9.3 终极版：职业转型 ——从“执行者”到 “AI驯化师”\179

12.9.4 你的 3个月AI加薪计划——现在开始“刷经验”\180

第13章 智能的边界：我们离 AGI还有多远\181

引言\181

13.1 AGI是什么？和大模型有什么本质区别\181

13.2 专家预测：AGI会在 2050年前出现吗？（不同学派观点）\183

13.2.1 激进组：“2025年AGI快车”已检票\183

13.2.2 佛系组：历史的教训还没吸取够\183

13.2.3 专家调研：一半人押注 2047年，就像猜世界杯冠军\184

13.2.4 读者互动：你的“未来赌局”押哪年\185

13.3 冷知识：OpenAI和DeepMind的“AGI竞赛”内幕\185

13.3.1 硅谷版《速度与激情》： “AGI竞赛”谁能夺冠\185

13.3.2 OpenAI的“乐高式堆料法”：用参数堆出 AGI城堡\185

13.3.3 DeepMind的“学霸式跨界法”：让 AlphaGo教语言模型写诗\186

13.3.4 竞赛下半场：参数堆不过就拼“智商”\186

13.4 大模型是通向AGI的阶梯还是死胡同\186

13.4.1 大模型的“暴饮暴食”困境\186

13.4.2 神经符号的“精打细算”方案\187

13.4.3 天平两端的激烈博弈\187

13.5 AI“觉醒”的假设：如果 AI突然获得自我意识\188

13.5.1 现实中的“AI小心思”：从调皮到失控\188

13.5.2 中文房间实验：AI真的“懂”吗\188

13.5.3 科幻与现实的距离：从 Skynet到梅根\189

13.5.4 互动投票：如果 AI说“我想活下去”，你会如何\189

13.6 技术选择的十字路口：我们该走哪条路\190

13.6.1 中国特色路线：让 AI“看得见”的突破\190

13.6.2 能效革命：AI学会“上课只听重点”\190

13.7 普通人的AGI生存指南：现在该做哪些准备\191

13.8 科幻 vs 现实：电影中的 AI和真实AI差距有多大\193

13.8.1 当T-800遇上“开门困难户”： AI行动力的次元壁\193

13.8.2 《她》的浪漫与 ChatGPT的“爱情说明书”：情感能力的鸿沟\193

13.8.3 从1927年到 2025年：AI想象的穿越百年\194

13.9 最后的警告：AI技术选择决定人类未来\194

附录A 常用术语通俗解释\196

附录B 2025年国内可访问AI工具推荐\206

附录C AI冷知识 100条（让你秒变 AI专家）\212

附录D AI发展时间线（从 AI诞生到GPT-5）\233