大模型（比如 ChatGPT 背后的 GPT）本质上是一个极其擅长玩文字接龙的机器：给它一段开头，它根据"经验"预测下一个最合适的词，再预测下一个……直到生成完整回答。它的"经验"，来自读过的海量人类文本。

用生活场景理解

想象一个小孩读了十万本书之后，你给他一个开头：“今天天气很好，我们去公园”，他大概率会接"散步"“玩”——因为他读过的书里，这种搭配出现得最多。

大模型做的事一模一样，只是规模惊人：

• 读的书：几乎整个互联网的公开文本（维基百科、论文、书籍、代码……）。
• “接龙"的本事：不是死记硬背，而是学会了词与词之间的"统计规律"和深层模式。
• 参数：几千亿个可调旋钮，共同决定"下一个词"怎么选。

为什么它看起来"懂"了

接龙接得足够好，就会涌现出"理解"的假象——不，准确说是涌现出真正的能力：能翻译、能写代码、能推理。就像围棋 AI 最初只是学"哪步赢面大”，最终却"会"了围棋。

但它有三个本质局限：

1. 会一本正经地胡说八道（幻觉）：它从不对"事实"负责，只对"像不像"负责。
2. 知识有截止日期：只知道自己读过的，不知道之后发生的。
3. 不会真正"思考"：没有目标、没有意图，只是在给定开头时算出最合理的下文。

一句话总结

大模型 = 一台读过全网、把"接龙"玩到极致、从而涌现出理解和创作能力的机器。用得好，它是生产力；要清楚，它从不保证自己说的都是真的。