第 1 课 · AI 到底是什么
不是魔法，不是人脑，而是一个"猜下一个字"的数学公式
把大象塞进冰箱
你有大象、冰箱、和三个步骤。这就是 AI 的全部工作原理：
所谓的"大语言模型"（LLM = Large Language Model），就是一个输入文字 → 输出文字的程序。跟你手机上输入法的"联想词"功能同一个原理——只是比它强一万亿倍。
AI 是怎么"学会"的？
它不是人类那种"理解"，而是喂数据：
喂给它：互联网上几乎所有的网页
喂给它：几乎所有已出版的书
喂给它：GitHub 上所有的代码
喂给它：维基百科、论文、论坛帖子...
总共约 15万亿 个 Token 的文本
→ 训练完成！现在它会"预测"下一个字该写什么了
关键理解：AI 不"思考"，它只是看过了太多文本，学会了"在什么情况下，下一个字最可能是什么"。就像你听了 1000 首歌之后，自然知道"祝你生日___"后面该填什么。
AI 擅长 vs AI 不擅长
擅长
• 写代码、写文案、翻译
• 在大量信息中找规律
• 按格式输出（表格、JSON）
• 解释概念、回答问题
• 模仿某种风格写作
不擅长
• 事实判断（会"幻觉"编造）
• 数学计算（现在好多了）
• 知道"今天发生了什么"
• 真正理解情感
• 替代你的判断力
动手试：感受 AI 的"预测下一个字"
你现在正在用的 DeepSeek，本质上就是在做这件事。打开你的终端或者 VS Code 里的 Cline，试试这句话：
用"如果我是一朵云"开头，写 3 句话。只写 3 句，不要解释。
AI 会"猜"出接下来的文字——它没有真的变成一朵云，它只是看过太多诗，所以知道"如果我是..."后面通常接什么。
这一课你带走的 3 个概念
1 LLM（大语言模型） = 一个超级"联想词"程序，输入文字，输出文字
2 训练 = 喂给它海量文本，让它学会"在什么情况下该说什么话"
3 AI 不思考 — 它是统计学，不是意识。你才是做决策的那个人
下一课：模型 vs API vs Key · 厨房和外卖的故事