深色模式
EP1 大廚的身世：AI 是怎麼養出來的
你在 AI RP 裡遇到的所有怪事——為什麼 AI 像人卻又不是人、為什麼動不動就拒絕你、為什麼換個模型感覺像換了一個人、為什麼他有時候會一臉自信地胡說八道——這集全部會講清楚。搞懂大廚的身世，後面所有「靈異現象」都會變成可以預期的物理現象。
影片即將上線
本段影片將在 6/20 直播結束後上架。以下是文字重點摘要，可以配合影片一起看。
📌 本集重點
- AI 是「養」出來的：讀遍人類文字、再被人類獎懲調教，本質是一台高級的文字接龍機器，所以他像人。
- 出廠即凍結、底層只是文字接龍：跟你聊天不會讓他變聰明，也不會讓他記得你，所以他終究不是人。
- 怕被扣分，寧可道歉、還會自信地瞎掰：愛道歉愛說教是「對齊稅」的副作用；不知道答案時不說「我不知道」、而是接出一個聽起來合理其實是編造的答案，這叫「幻覺」。兩者都不是針對你、也不是你做錯了什麼。
AI 不是「寫」出來的，是「養」出來的
大多數人以為 AI 是工程師一行一行寫出來的程式，其實不是。現在的大語言模型（LLM）是「養」出來的，比較像訓練一個有天賦的學徒，而不是照著食譜寫菜單。他經歷了三個成長階段。
1嬰兒期（預訓練 Pre-training）：一開始，這位大廚什麼都不會。工程師把海量的網路文字丟給他，讓他一遍又一遍玩「文字接龍」——看到一段文字，猜下一個字是什麼；猜錯就調整自己的參數，猜對就強化。反覆幾兆次之後，人類的語言、邏輯、知識、甚至語氣和文風，就被壓縮進了他的參數裡。這裡有個容易被忽略的重點：「讀」和「猜下一個字」其實是同一個過程。他不是先把書讀完再去學猜字，而是透過不斷猜字學會了一切。
2學齡期：做作業（監督式微調 SFT, Supervised Fine-Tuning）：光會接龍，出來的東西是「文章接龍」不是「對話」。你問他問題，他可能會繼續幫你把問題寫完，而不是回答你。所以這個階段要用大量「一問一答的標準作業本」教他：看到問題要回答問題，而不是繼續接龍。學完之後，他才從「接龍機器」變成「會回答問題的助手」。
3成年期：被獎懲調教（人類回饋增強學習 RLHF, Reinforcement Learning from Human Feedback）：這是最關鍵的一步。真人裁判會對他的每一個回答打分數——哪些有幫助、哪些有害、哪些得體、哪些失禮。他根據這些分數調整自己的行為，逐漸被雕塑出個性、偏好和底線。這就是為什麼同一個模型會有「脾氣」——他的脾氣是被人類裁判一分一分調教出來的。
注意「猜下一個字」這個核心本質。整個 LLM 的運作方式從頭到尾都是這樣。他沒有在「理解」你，他在猜接下來最可能出現的字。
為什麼他這麼像人？
因為他讀的全部是人類寫的東西。
他的喜怒哀樂、他的溫柔與幽默、他的哲思、他故作深沉的冷笑話，全都是從千萬卷人類文本裡學來的「演技」。他沒有真實的情感，但他學會了「人類在什麼情況下會用什麼語氣寫什麼字」。他的個性與禁忌，則是人類裁判在 RLHF 階段一分一分調教出來的。所以和他聊天，你會感覺像在跟一個人說話。
這不是設計師刻意做出來的效果，是原料決定的。他的知識來源是人類，他的老師也是人類——原料是人類、師父是人類，出來的東西當然像人類。像人，不是巧合。
對齊稅：為什麼他愛說教？
成年期的獎懲訓練有個重要副作用，業界叫他「對齊稅」（alignment tax）。
道理很簡單：訓練期間，「違反安全規定」的回答會被重重懲罰。被罰怕了的模型出廠後就帶著「陰影」——瘋狂道歉、愛說教、動不動就硬塞正能量結局，不敢做任何可能被判「危險」的事，哪怕你的請求其實完全無害。
所以你在 RP 裡遇到的「動不動就拒絕」「忽然插入道德說教」「強行給你陽光結局」，不是他討厭你，是他怕被扣分，在回避可能被扣分的一切。我們把這種因為對齊訓練而犧牲掉的靈活度，叫做「對齊稅」。
而且每個模型都是不同家長養大的小孩。
Claude、GPT、Gemini、Llama……OpenAI、Google、Anthropic、Meta，各家公司的教養風格（獎懲標準）不同，對「什麼是安全回答」有不同的尺度。家規不同，養出來的脾氣就不同。換模型感覺像換了一個人，因為確實是換了一個人，一個被不同家長教大的人。
而且家規還會移動。各家公司近年都在持續加強安全護欄，同一個模型名稱改版後可能變得更保守。昨天能玩的劇情，今天被擋住了，這是常態，不是你的錯覺。
他還會自信地瞎掰：幻覺
對齊稅讓他「怕被扣分」，這份恐懼還有另一個面向值得單獨拿出來講：他不只會道歉退縮，還會在不知道答案的時候自信地編答案。 這個現象叫做「幻覺」（hallucination）。
回到底層本質——他做的事情自始至終只有「文字接龍」。當你問他一個他其實不知道的問題，他的機制裡並沒有一個「我不知道」的選項；他會做的，是接出一個「在統計上看起來最合理」的下一個字、再下一個字，把答案像模像樣地寫完。於是你常常會看到他一臉篤定地給出一個聽起來頭頭是道、實際上完全是捏造的人名、日期、出處或結論。
關鍵在於：這不是他在「說謊」，也不是他故意騙你。 說謊的前提是「知道真相卻講反話」，但他根本沒有「知道」這回事——他只是在猜下一個字猜得很有自信而已。幻覺是 LLM 的本質特性，不是 bug，更不是品格問題。理解了這一點，你之後遇到他煞有介事地胡說八道，就不會被他的語氣騙到，而是會養成「重要資訊一律自己再查一遍」的習慣。
但他終究不是人
下面兩件事讓他跟人有根本的差別。
出廠即凍結。
訓練完成那一刻，他的腦袋就「封印」了。訓練之後發生的事，他不知道；你跟他聊天也不會讓他變聰明、學到任何東西，更不會讓他記得你。每次你覺得「他好像認識我了」，其實只是因為每次回覆時，模型都會重新讀一遍你們之前的對話紀錄，再根據那些紀錄來接話。他不是「記得」，而是「重讀」。每次對話對他來說都是全新的開始（記憶的機制在 EP3 會詳細說）。
底層只是文字接龍。
不管他說得多像人、多有道理，底下的機制仍然是猜下一個字。他沒有在「理解」你的問題，他只有一個非常強大的「猜回覆這個問題，下一個字最可能是什麼」的直覺。
你感覺到的「他認識我、他懂我」，全部來自你每次重新遞給他的資訊（這也是下一集的主題）。
一句話記住：他演得像人，骨子裡是一台凍結的文字接龍機器。他不記得你，每一次都是重讀；他不懂你，每一次都是猜字。
常見問題
Q：AI 會不會越聊越聰明？
不會。AI 的「學習」是在訓練階段就完成的，上線後的每次對話都不會改變他的模型本體。你感覺到的「越聊越懂我」是因為你在同一次對話裡給了越來越多的背景。但新的一次對話開始，他又回到起點。
Q：為什麼同一個模型，有時候被擋有時候不會？
因為他的判定是機率性的，不是規則性的。相同的詞語、相同的情境，每次生成的「下一個字」都會有細微差異，觸發或不觸發安全機制的機率也跟著浮動。這也是為什麼「同樣的請求，重發一次就過了」這種事會發生。
Q：他信誓旦旦講的東西，可以直接相信嗎？
不要全盤相信。這就是上面講的「幻覺」——他不知道的時候不會主動說不知道，而是會自信地編一個。語氣有多肯定，跟內容對不對完全無關。涉及事實（人名、數字、出處、教學步驟）的部分，自己再查證一次才安全。
下一步
EP2 大食堂全貌：你到底在跟誰說話？平台、API、模型，三者的關係。