AI不是让人偷懒，而是多了很多老师，师傅领进门修行靠个人
黄仁勋：我每天都在用 AI，但 90% 的人用错 AI
他们把AI当拐杖...
“我不是让它替我思考，而是让它教我不知道的东西，或帮我解决原本无法合理解决的问题。”
“不要把AI当成拐杖，而要把它当成放大你思考的工具。”
大多数人都“用错了AI”，因为他们：
把AI当作偷懒的工具；
让AI替他们做该自己思考的事；
不去深挖问题，只是“让AI给答案”。
👉 换句话说，他们在降低自己的思考能力。
正确的AI使用方式
用AI拓展认知边界
→ 让AI告诉他「他不知道的东西」；
用AI解决复杂问题
→ 尤其是「自己无法合理解决的事」；
保持主动思考
→ 永远由人主导问题，而不是由AI主导答案。
黄仁勋说：
“问出好问题是一种高度认知的技能。”
作为CEO，他每天90%的时间都在问问题；
他下达的指令，其实都混杂在问题之中；
所以，提问本身就是思考和领导的方式。
💬
“你今天大部分时间都在问我问题。
提出好问题，本身就是一种高级认知。”
这个实在太有趣了，忍不住让AI重写了一篇文章。
破案了！AI 疯狂喜欢用破折号的真相竟然是⋯
AI写的文章，总透着一股“AI味儿”。
最明显的一个特征之一，尤其英文写作中，特别爱用破折号。
讲真，AI模型（尤其是GPT-4之后的版本）对破折号的滥用，已经到了让人发指的地步。
更逗的是，你还很难通过提示词（Prompt）去“纠正”它。
有网友在OpenAI的论坛上发帖，说他试了各种方法，比如“请不要使用破折号”、“请用更简洁的标点”，结果模型“好的，我明白了”，然后转头该用还是用。
这事儿就透着一股诡异。
按理说，AI就是个“复读机”，它的一切行为都应该来自它的训练数据。
但为什么偏偏是破折号——这个在现代英语里并不算最高频的标点——成了AI的“心头好”呢？
有意思的是，关于这个问题，业内目前居然**没有一个公认的、确定的答案**。
今天，咱们就来当一回侦探，结合一篇挺有意思的分析文章（来自Sean Goedecke），一起来扒一扒，AI这个“写作怪癖”到底是怎么来的。
几种“不太靠谱”的猜测
在揭晓那个最可能的答案之前，咱们先得“排雷”，把几个流传很广、但细想又站不住脚的理论给干掉。
猜测一：训练数据里本来就很多？
这是最直观的猜测：AI爱用，是不是因为它“学习”的材料——也就是整个互联网的英文文本里，破折号本来就用得很多？
这个解释，我第一个就不太信。
你想啊，如果破折号在人类写作中也这么普遍，那它就不应该成为一个扎眼的“槽点”，对吧？
我们之所以会觉得“AI味儿”冲，恰恰是因为我们凭直觉感知到，AI使用破折号的频率 远高于正常人类的平均水平。
如果AI用逗号的频率很高，你会在意吗？不会，因为我们也都这么用。
所以，这个解释直接回避了核心问题：为什么AI会“偏爱”它？
猜测二：破折号“功能万金油”，AI“偷懒”？
还有一种理论，听起来有点“拟人化”。
说的是，AI在吭哧吭哧预测下一个词（Token）的时候，它其实也很“纠结”。
用破折号，就像是给自己留了个“后门”。
你想啊，一个破折号——它既可以引出补充说明，也可以开启一个全新的观点，甚至可以表示转折。
所以，AI是不是“算计”过了，觉得扔出一个破折号最“安全”，最“万金油”，能让后面的句子怎么接都行？
这个我也不太信。
首先，其他标点（比如逗号、分号）在很多语境下也同样灵活。
其次，我总觉得用“偷懒”或“留后路”这种人类的思维方式，去套大语言模型的工作原理，有点……想当然了。模型只是在“预测下一个最可能的Token”，它并没有“耍滑头”的主观意识。
猜测三：为了“省钱”（Token效率）？
这个说法稍微技术一点，但也最容易被驳倒。
它扯到了一个概念，叫 Token效率。
简单科普一下：大语言模型处理文本，不是一个词一个词处理的，而是把词打碎成一个个“Token”（标记）。
比如 "unbelievable" 可能会被拆成 "un"、"believe"、"able" 三个Token。
AI的计算成本和它处理的Token数量直接相关。
这个理论是说，AI是不是发现，用一个破折号（占1个Token），可以替代掉一堆啰嗦的连接词（比如 "，therefore，" 或 "which means" 这种可能占2-3个Token的短语）？
用破折号，能“省钱”啊！
Emmm……这个解释还是不太对劲。
第一，在绝大多数情况下，那个破折号明明可以被一个逗号（同样只占1个Token）完美替换。
比如AI常写的："It's not X — it's Y."
这完全可以写成："It's not X, it's Y."
谁也没比谁更省Token啊。
第二，你真觉得GPT-4o这种“庞然大物”，会在标点符号上搞这种“微操”来优化成本吗？
它要是真想省Token，少说点那些翻来覆去的“车轱辘话”（waffle less）不就完了吗？那省下的Token才叫多。
所以，上面这三个“主流”猜测，基本都被排除了。
那“真凶”到底是谁？
深入扒一扒：会不会是RLHF的“锅”？
讲到这儿，咱们就得聊点更深的东西了，一个在AI圈大名鼎鼎的词：RLHF。
全称叫 Reinforcement Learning with Human Feedback（基于人类反馈的强化学习）。
这是啥玩意儿？
你可以把它粗暴地想象成AI的“岗前培训”和“绩效考核”阶段。
在模型（比如GPT-4）基本训练好之后，AI公司会雇佣成百上千的人类“标注员”（Raters），让他们去跟AI聊天，然后给AI的回答打分。
“这个回答太啰嗦了，差评！”
“这个回答很友好，帮我解决了问题，好评！”
模型会根据这些人类的“好评”和“差评”，不断“反思”、“修正”自己的说话方式，让自己变得更“有用”、更“讨人喜欢”。
好，问题来了。
AI公司为了节省成本，肯定会把这种“打分”的工作外包出去。外包给谁呢？
答案是：那些生活成本较低，但又有大量英语流利人口的国家。
比如，OpenAI的主要RLHF团队，就设在非洲的肯尼亚和尼日利亚。
这就带来一个非常有意思的后果：
AI的“品味”，在很大程度上被这些非洲标注员的“英语方言”给塑造了。
一个最有名的例子，就是“delve”（深入研究）这个词。
你发现没？GPT-4特别爱用"delve"、"explore"（探索）、"tapestry"（挂毯，引申为“蓝图”或“画卷”）这类听起来有点“拽文”的花哨词汇。
这就是因为，在非洲英语（作为后殖民地国家的英语变体）中，使用这种稍微华丽的词汇被视为“有文化”和“语言能力强”的体现。
于是，肯尼亚的标注员们看到模型用了"delve"，大喜：“哇，这个词用得好，地道！高分！”
结果，模型就get到了：哦，人类喜欢我用“delve”，那我以后就多用！
（这事儿还引发过一场大讨论，保罗·格雷厄姆曾吐槽过这个词，结果被很多印度和尼日利亚的学者给“教育”了，说他不懂文化差异。）
破折号，也是“非洲英语”的锅吗？
那问题来了：会不会破折号也是同样的情况？
是不是在尼日利亚英语里，大家平时说话就特爱用破折号，所以标注员们也更喜欢带破折号的回答？
这个猜测，简直太完美了，对吧？它解释了为什么“delve”和“破折号”会一起出现。
然而，原作者Sean Goedecke是个较真的人，他真的跑去查数据了。
他找到了一个“尼日利亚英语文本”的数据集，然后跑程序统计了里面破折号的出现频率。
结果你猜怎么着？
数据啪啪打脸。
数据显示，在那份尼日利亚英语数据集中，破折号的频率（占所有单词的比例）大约是 0.022%。
而一篇关于英语标点符号历史的论文指出，在当代通用英语文本中，破折号的频率波动范围在 0.25% 到 0.275% 之间。
看明白了吗？
尼日利亚英语（作为非洲英语的代表）使用破折号的频率，不仅不高，反而比通用英语 低得多！
所以，这条线索也断了。
“delve”的锅，RLHF和非洲标注员可能得背；但“破折号”的锅，还真甩不到他们身上。
真正的“嫌疑人”：19世纪的老书
好了，排除了这么多，我跟你说，下面这个解释，是我目前看到最靠谱、也最令人信服的。
它来自一个非常关键的观察：
你发现一个“华点”了吗？GPT-3.5 根本不怎么爱用破折号！
这个“怪癖”，是从GPT-4（以及GPT-4o）才开始集中爆发的。
包括Anthropic的Claude和Google的Gemini，也都有这个毛病。
这就把时间锁定在了2022年底（GPT-3.5发布）到2024年初（GPT-4o发布）这短短的一年多时间里。
从2022年到2024年，到底发生了什么？
答案只有一个：
训练数据的构成，发生了根本性的变化。
你想啊，2022年那会儿，OpenAI他们训练模型，用的数据主要是从互联网上抓取的公开文本（比如维基百科、Reddit帖子、新闻网站），再加上从LibGen、Z-Library这类网站“搞”来的海量盗版电子书。
但是，当大模型的能力在2023年震惊世界后，所有的AI公司都疯了。
他们立刻意识到，高质量的训练数据，就是未来的“石油”和“黄金”。
互联网上的“垃圾”已经喂不饱新一代的模型了。他们需要更多、更优质、更干净的文本。
他们把目光投向了哪里？
实体书。
AI公司们（OpenAI、Anthropic、Google等）开始了一场疯狂的“数据军备竞赛”，他们不惜重金，开始大规模地扫描、数字化人类历史上所有的纸质出版物。
（Anthropic的法庭文件就披露了，他们从2024年2月开始搞这个事。OpenAI虽然没明说，但业内普遍认为他们干得更早、更猛。）
好，关键的连接点来了。
这些新扫描的实体书，和以前LibGen上的盗版书，有啥核心区别？
区别就在于——年代。
盗版电子书网站上的内容，大多偏向于当代文学和流行读物（比如《哈利·波特》、各种畅销小说和现代教材），因为这是网民们真正想下载和阅读的。
而AI公司要去“抢救”数据，肯定会把人类历史上所有能弄到的书都扫一遍，尤其是那些早已进入“公有领域”（Public Domain）的旧书。
这些书，大多是什么年代的？
19世纪末，和20世纪初。
现在，让我们回到前面提到的那篇“标点符号历史研究论文”。
它里面有一个惊人的发现：
在英语写作中，破折号的使用率，恰恰在1860年左右达到了历史巅峰（约0.35%）
之后才慢慢回落，到1950年代后才稳定在0.25%-0.275%的水平。
你再品品：19世纪末和20世纪初的文学作品（比如狄更斯、梅尔维尔），他们使用破折号的频率，比当代英语高出了近30%！
举个栗子，著名的《白鲸记》（Moby-Dick）一本书里，统计下来居然有 1728个 破折号！
真相大白了，不是吗？
这可能是最合理的解释：
AI模型之所以疯狂使用破折号，不是因为它“聪明”地选择了什么万金油标点，也不是因为非洲标注员的偏爱。
仅仅是因为，在2023年这场“数据军备竞赛”中，它被强行“喂”下（预训练）了海量的、来自19世纪和20世纪初的“高质量”老书。
而那些书里——就TMD全都是破折号！
这个“写作习惯”，就像一种古老的“语法DNA”，被深深地刻进了模型的神经网络里。
总结，和几个没想通的“小疙瘩”
好，咱们来捋一捋这个“破案”思路：
1. 结构性解释（省Token、万金油）：不太可能。GPT-3.5没这个问题，而且有反例（逗号）。
2. RLHF解释（标注员偏好）：不太可能。非洲英语数据反驳了方言理论。
3. 训练数据解释（老书污染）：可能性最大。
它完美解释了为什么是从GPT-4开始爆发的（因为数据构成变了），也解释了为什么AI的用量会 高于 当代人类的平均水平（因为它的“教材”比我们的老）。
我个人（和原作者一样）最倾向于第三种：训练数据（特别是老书）的污染。
但是，这事儿还没完。
就算这个“老书理论”是真的，依然有几个“小疙瘩”，我还是没想通。
疙瘩一：《白鲸记》悖论
这是最大的一个困惑：
如果AI真的“饱读”了19世纪经典，为啥它写的东西读起来一点也不像《白鲸记》或《双城记》？
它只是“偷”了人家的标点符号，却没学会人家那套华丽、繁复、古老的文风？
这个问题，我倒有个自己的猜想。
这可能正是我前面说的“分层训练”导致的一个“缝合怪”结果。
你可以这么想象：
1. “预训练”阶段（Pre-training）： AI像个婴儿，被关在小黑屋里，强行“吞”下了《白鲸记》在内的数万亿Token。它在这个阶段学会了语法、词汇、事实，也顺便学会了“破折号”这个深入骨髓的“口头禅”。它此时的“灵魂”是19世纪的。
2. “微调”阶段（SFT & RLHF）：AI长大了，被放出来“岗前培训”。
成千上万的21世纪标注员（包括那些肯尼亚人）开始“掰”它的说话方式，强迫它用21世纪的、礼貌的、友好的、客服式的“当代风格”说话。（比如“我很高兴为你服务”、“作为一个大语言模型……”）
所以，你最终看到了一个“人格分裂”的AI：
它拥有一个“19世纪的语法之魂”（所以爱用破折号），却被迫披上了一件“21世纪的客服外衣”（所以说话像个AI助手）。
这事儿是不是还挺赛博朋克的？
疙瘩二：RLHF真的“无辜”吗？
另一个可能，也许RLHF也不是完全“无辜”的。
虽然“非洲方言”理论被否了，但有没有一种可能：破折号本身，就是让文字读起来更“口语化”？
你想，咱们聊天时，不就是经常“呃……”、“那个——”、“我意思是——”这样吗？
破折号在功能上，确实能模拟这种“停顿”和“补充”。
也许，标注员们（无论他们在哪）只是单纯地觉得：“哇，这个回答用了破折号，显得不那么死板，更像在‘聊天’，我喜欢！高分！”
OpenAI的CEO萨姆·奥特曼（Sam Altman）好像也在一次采访里模糊地提过，他们“（有意）加了更多破折号，因为用户们喜欢这种风格”。
如果是这样，那它可能和“老书理论”是共同作用的：
老书（预训练）给了AI使用破折号的“能力”和“高概率”；而标注员（RLHF）则“强化”并“奖励”了这种能力，让它变本加厉。
尾声：Hacker News上的“插曲”
原作者的文章发出去后，在Hacker News（一个程序员的“豆瓣”）上火了。
评论区里又冒出来一个有意思的理论，来自Medium（一个博客平台）的CEO。
这位CEO说：
“都别猜了，我告诉你们为啥！因为Medium是高质量的训练数据源。而在Medium上，我们系统会自动把用户输入的两个连字符（`--`）转换成一个标准的破折号（`—`）。肯定是这个原因！”
这个解释，恕我直言，简直离谱。
他（和很多技术宅一样）完全搞错重点了！
咱们讨论的不是AI用了哪个特定字符（是`—`还是`--`），咱们讨论的是它为什么要去使用这个标点的“功能”。
也就是那种“打断-补充-转折”的语法功能！
就算AI的训练数据里，把很多“连字符”（hyphen，如 "state-of-the-art"）因为OCR错误或自动转换，都识别成了“破折号”（em-dash）。
那也只会让模型学会“错误地”在“state-of-the-art”这种地方用破折号，并不会让它学会在句末用破折号来代替“因此”啊！
这完全是两码事。
所以，绕了一大圈，我个人还是最站“19世纪老书”这个理论。
这事儿最有意思的地方在于，我们发现，AI这个看似“智能”的庞然大物，它的行为模式，很多时候可能源自一些我们意想不到的、甚至有点“蠢”的原因。
一个小小的标点符号，就像一块“数字考古”的化石。
它藏着AI大模型“进化”的秘密。
关于 ChatGPT 为什么喜欢用破折号，这个问题的原因似乎现在还没有定论，不过刚看到一篇博客分析这个问题，还挺有趣。
先说一个有趣的问题是 AI 特别喜欢用 "delve"（深入探究）这个词。
这个现象的答案是已知的：RLHF（人类反馈强化学习）。
简单说，AI 模型训练的最后一步，是雇佣大量的人类“导师”来给它的回答打分。OpenAI 雇佣的导师很多在肯尼亚、尼日利亚等非洲国家。而在这些地区的“非洲英语”中，"delve" 是一个非常常用且得体的词汇。
于是，当 AI 用 "delve" 时，非洲的导师们觉得“这话说得不错”，就给了高分。AI 就此学会了：“哦，客户喜欢我用‘delve’。”
那么，破折号也是因为这个原因吗？
作者顺着这个思路去查证：是不是非洲英语里也特别爱用破折号？
结果，并不是！
尼日利亚英语破折号的出现频率（每词 0.022%）远低于普通英语的平均水平（0.25% 到 0.275%）。
这说明，“深入探究”（delve）和“破折号”（—）这两个 AI “口音”，来源并不相同。
作者最终发现了一个决定性的线索：时间。
大家回忆一下，2022 年底的 GPT-3.5，其实并没有这个毛病。这个“破折号上瘾症”是在 GPT-4 和 GPT-4o 身上才集中爆发的。
不只是 OpenAI，谷歌和 Anthropic 的模型，包括一些中国的大模型，都开始用破折号。
那么，从 2022 年到 2024 年，所有 AI 实验室的训练数据，到底发生了什么共同的变化？
答案是：AI 公司的“数据荒”来了，它们开始疯狂“喂”AI 吃书——特别是“旧书”。
在 2022 年，AI 主要吃的是互联网上的公开数据、盗版电子书（比如 LibGen 上的）。但很快，这些数据就不够用了，而且质量良莠不齐。
为了让模型变得更“有文化”、更“高质量”，AI 公司们（法庭文件显示 Anthropic 在 2024 年 2 月开始了这项工作，OpenAI 只会更早）启动了一个庞大的工程：大规模扫描实体书，把纸质书数字化，作为训练数据。
好了，破案的最后一块拼图来了。
既然 AI 吃了大量（可能是几百万册）扫描的纸质书，那么这些书是什么年代的呢？
盗版电子书网站上的书，大多是当代流行读物。而 AI 公司为了“填饱肚子”并绕开版权，扫描的书中，有很大一部分是更古老的、已进入公共领域的作品。
作者找到了一个关于英语标点符号使用频率的研究，它显示：
破折号在英语文学中的使用频率，在 1860 年左右达到了顶峰（约 0.35%），在 19 世纪末和 20 世纪初的使用率，远高于当代英语。
作者举了个例子：著名的《白鲸记》（Moby-Dick，1851年出版）一书中，破折号出现了 1728 次！
真相至此水落石出：
我们现在用的最先进的 AI，它的“标点符号观”并不是从 2020 年的互联网学来的，而是从 1890 年的旧小说里继承的。
AI 公司们为了获取“高质量”的语料，把大量 19 世纪末、20 世纪初的文学作品喂给了模型。AI 忠实地学习了那个年代的写作风格——其中就包括对“破折号”的狂热喜爱。
当然，作者也承认，这仍然是一个基于证据的推测，还有一些小疑问没解决：
1. 为什么 AI 只学会了用破折号，却没有学会像《白鲸记》的船长那样说话？ 也许模型只是吸收了标点符号这种“潜意识”的风格，而没有吸收具体的用词？
2. 有没有更简单的解释？ 比如，Sam Altman 曾随口提过，他们发现 RLHF 的人类导师“似乎更喜欢”带破折号的回答，觉得那样更“口语化”，所以就“多加了点”。
不过，综合来看，“扫描旧书”这个理论目前是最有说服力的。它完美地解释了为什么 GPT-3.5 不会，而 GPT-4 之后的模型（它们都大量训练了新的书籍数据），然后集体对破折号“上瘾”了。
有兴趣可以看看原文：seangoedecke.com/em-dashes/
BGMUP99 retweeted
现在内存全球缺货
我们库存有很多DDR4 DDR5笔记本内存条
欢迎购买，美光顶级内存条，质保2年，别家都是引流的没货，我家有库存几千条
购买方式，京东搜索 “懒猫微服”，去店铺买内存条，内存条薄利，不讲价，感谢老板们
个人简单总结：有氧和力量训练相结合最好
想不到上次靠一个简单呼吸就可修复游泳的一个bug火了
下面我帮你再修复一个bug：长跑。
为啥我强烈建议你把长跑换一种方式，先看图片，问个直观问题：这两种不同类型运动员的体型，你更喜欢哪个？
几乎所有人不加思索，当然选右边的。
那就对了，右边是短跑运动员，体型是所有人梦想，左边是长跑运动员，几乎肌肉都被消耗掉了。
如果你仍然执意选左边，那应该先问问你女友。
其实方法很简单：把每次长跑一小时，换成极速冲刺跑8次100米，每次间隔1-2分钟。这样加上前面热身，顶多半小时搞定，但跑到5次以后，绝对心脏炸裂。后面速度也慢下来，但不必在意，尽力就可。
一周2-3次，再稍微控制下饮食，很快你就拥有短跑运动员的体型。
为啥会有这么大差异？核心是两种运动的 “能量逻辑” 完全不同：短跑是 “瞬时爆发型” 运动，比如 100 米、200 米，需要身体在几秒到十几秒内调动大量快肌纤维 —— 这种肌肉纤维的特点是收缩快、力量强，能帮你瞬间冲出去，但容易疲劳。为了支撑这种爆发，身体会主动囤积 “有力量的肌肉”，同时因为运动时间短，不会过度消耗肌肉和脂肪，所以体型会偏向紧致有力量；
而长跑是 “持续消耗型” 运动，比如 5 公里、马拉松，需要身体长时间稳定供能，这时主要靠慢肌纤维工作 —— 它收缩慢、耐力强，但力量弱。为了减少跑步时的 “负担”，身体会主动 “减重”：先掉多余脂肪，再掉非必要的肌肉（包括维持体型的快肌纤维），甚至会分解部分蛋白质来供能，久而久之，体型就变得纤细，但也失去了肌肉的支撑力。
我不推荐长跑，因为有很多“隐性痛点”：
关节 “慢性磨损”：长时间重复落地动作，膝盖、脚踝、髋关节要承受体重数倍的压力，很多人跑半年就开始膝盖疼、脚踝肿；
肌肉 “过度消耗”：不是 “瘦” 就是好，长跑掉的不仅是脂肪，还有维持基础代谢的肌肉 —— 肌肉少了，基础代谢会下降
时间 “隐形浪费”：想靠长跑达到锻炼效果，至少要跑 30 分钟以上，还得算上热身、拉伸、换衣服的时间，对上班族来说，每天挤 1 小时出来太难
心理 “枯燥内耗”：绕着操场跑 10 圈，或者在马路上盯着前方无止境跑，过程中满脑子都是 “还有多久结束”，越跑越焦虑，根本没体会到运动的快乐，反而成了一种 “任务负担”。
试试短途冲刺跑，反而能避开痛点，还能拿到更实在的好处：
省时间，效率高：每次只需要 20-30 分钟（包括热身），小区找个直道就可完成。
护关节，少损伤：冲刺时间短，落地次数比长跑少很多，关节承受的总压力反而更小；
增肌肉，提代谢：冲刺主要调动快肌纤维，练完后身体会主动修复、强化这些肌肉 —— 肌肉量增加了，基础代谢会跟着提
不枯燥，易坚持：冲刺时注意力会集中在 “发力” 上，慢走时能歇口气，一紧一松的节奏不容易让人觉得累；而且每次冲刺后，身体会分泌更多内啡肽，那种 “爽感” 比长跑的 “疲惫感” 更让人上瘾，反而会期待下次运动。
“找对方法”—— 不用逼自己扛着疲惫跑几公里，用短途冲刺的 “巧劲”，反而能让身体更轻松地变健康。
