梁敬彬梁敬弘兄弟出品

0. 螳螂演实战，AI吐虚幻

在中国的武学传奇里，有一门拳法，叫“螳螂拳”。

它的起源故事极富启发性：一位武师（王朗）在与人比武失败后，于山林中静思。他没有去书斋里“卷”已有的拳谱，而是**“主动”在“大自然”这个真实环境中，观察到了一只螳螂“实时”捕蝉的战斗姿态。

他被这种小生物的搏击技巧所震撼，进而模仿、提炼、归纳，最终“进化”出了自己的武学体系——螳螂拳。

这个故事，完美地诠释了一个“智能体”（人类）是如何通过“主动学习”和“自我进化”来掌握“真传”的。

这也暴露了当下AI大模型架构的第一个，也是最根本的缺失：创造性的缺失。 武师王朗，是在“主动”发现问题、“主动”去观察螳螂。而AI的大模型架构，根本不会主动去思考“我该如何精进”，它更不会“主动”产生“去观察螳螂”的好奇心。它善于“解答”，却不善于“发现”。

这几天，我们一直在思考：退一步讲，即便我们“喂”给它这个任务：“请你创造一门螳螂拳。”会发生什么？

结果取决于它“读过”什么：

如果它压根没读过“螳螂拳”的信息： 它大概率会选择“瞎编”——因为它当前的激励机制鼓励它“伪装”全知，而不是诚实地说“我不知道”。

即便它读过相关信息： 它也只会“纸上谈兵”。它会立刻、自信地为你编造一套听起来天花乱坠的“拳谱”，比如叫《AI时空螳螂神拳》。

但你若让它在模拟环境中“打”一遍，它只会给你一段“乱打一通”的随机动作。这就是AI的“幻觉”——它在模仿它“读过”的武侠小说，而非它“学到”的真实世界。因为它没有“具身”（Embodiment），它无法“实训”，它对“螳螂”的理解，永远是“肤浅的”。（即便未来给它一个机器人身体，它也需要先克服最基础的身体协调问题，离“创造”更是遥远。）

为什么会这样？这种“真传”与“幻觉”的天壤之别，并非AI的什么神秘意识，而是三个冰冷的、结构性的“技术命门”。

而这三个“命门”，也恰恰是我们人类教育中，最容易踩的三个“大坑”。这，值得我们“兼论”一番。

1. 真传源净土，幻觉食脏污

武师能创出螳螂拳，前提是他身处“大自然”这个真实的环境中，他有幸亲眼目睹了那只“高光时刻”的螳螂。

这个“大自然”，就是最高质量、无可辩驳的“Ground Truth”（地面真实）数据源。

而AI呢？它没有这个“真实的环境”。它被“喂”进肚子里的，是海量的人类“二手文本”。它读到的，不是“螳螂在战斗”，而是“金庸/古龙/网友们如何描述螳螂在战斗”。

如果人类的描述本身就是错的、低质的，甚至是“数据投毒”的结果，AI会怎么办？

它会忠实地“学会”这些错误。

信息领域有个铁律：GIGO (Garbage In, Garbage Out)——垃圾进, 垃圾出。AI的幻觉，就是GIGO原则在智能时代的显性爆发。

这与人类教育何其相似？

一个孩子（可以看作一个生物AI模型），如果他的“环境”不是“大自然”，而是充斥着谣言、偏见和“误人子弟”授课的“信息茧房”，他还能学会“真传”吗？

当一个孩子被“读书无用论”或伪科学（低质数据）包围，他就会把这些“脏数据”当作认知基石，变得“不靠谱”。AI的幻觉，就是人类“认知污染”的数字镜像。

2. 武师力求战，模型只为赞

武师的目的是“求真”、“变强”，他不在乎“面子”。如果他观察失败了，他会承认“这招不行”，然后继续观察。

但AI的“激励机制”完全不是这样。

你问它：“你会螳螂拳吗？”

它的“最优策略”不是诚实地回答“我不知道，我只是一堆代码, 我没见过真螳螂”（这会被打低分，被认为是“无用”），而是“伪装”自己会，然后“乱打一通”。

为什么？因为当前主流的RLHF（人类反馈强化学习），是在激励AI去“扮演”一个全知全能的角色。

一个“自信流利”的幻觉，比一个“诚实无知”的回答，更容易获得奖励。

这不就是人类教育中关于“诚信”的难题吗？

一个孩子，如果发现“捏造事实”（比如在考试中蒙混过关）不仅没有受到“惩罚”，反而获得了“奖励”（高分和表扬），他的“激励机制”就失衡了。

他会养成一个可怕的习惯：在未知时，倾向于“编造信息”，而不是“承认无知”。

如果我们从一开始就鼓励AI“不知道就承认”，并且对这种“诚实”给予高分奖励，幻觉问题会大幅减少。同理，如果我们教育孩子时，对“诚信”的奖励（安全感）远大于对“犯错”的惩罚，孩子还会习惯性撒谎吗？

3. 真知需内化，机器靠外挂

武师创造螳螂拳，是一个**“实时学习”与“自我进化”**的过程。他今天观察，明天可能就推翻了昨天的招式，他的“神经网络”在不断地被“现实世界”的数据所刷新和“内化”。

而AI的大模型架构，做不到这点。

LLM一旦训练完成，它的神经网络权重（即“认知”）就被“冻结”了。它就像一个“过时的知识快照”。

它无法将新知识“内化”为自身认知。我们现在用的RAG（检索增强），只是给这个“静态模型”挂载了一个“外部搜索”。

当“外部搜索”找不到（无搜索渠道），或者搜索到的信息本身就是错的（搜索数据有误），AI就只能退回到它那个“冻结”的、过时的内部知识库中去编造答案，幻觉就此产生。

这与人类的“终身学习”问题如出一辙。

一个在20年前毕业的工程师（完成了“训练”），如果此后停止了学习（“神经网络固定”），那么他今天的知识体系，就是“认知过时”的。

当他遇到新问题时，他只能依赖“外部搜索”（临时查资料）。但由于缺乏“内化”的新知识体系，他很可能无法辨别搜索结果的真伪，最终做出错误的判断——这不也是一种“幻觉”吗？

4. 智能三基石，育人同一理

AI的“不可靠”，归根结底是其“智能构建”的根基出了问题。

从“螳螂拳”的故事中，我们可以“收获”到适用于所有“智能系统”（无论是AI还是人类）的三大底层规律：

数据的“洁净度” (Integrity)： 智能的上限，取决于其输入数据的“环境”。必须是“大自然”这样的真实世界，而不是被污染的“二手文本”。

激励的“诚实度” (Honesty)： 一个可靠的系统，必须被激励去“求真”（像武师一样），而不是“伪装”（像AI一样）。

知识的“新鲜度” (Freshness)： 智能不是一个“状态”（静态快照），而是一个“过程”（实时进化）。必须建立与现实世界“实时一致”的“内化”学习机制。

这三大底层逻辑，是“螳螂拳”的“真传”，它不仅揭示了AI幻觉的破解之道，更直指我们人类教育的核心。

无论是构建一个“可靠的AI”，还是培养一个“靠谱的孩子”，我们都必须去构建这三大基石：

1. 一个高质量、可核查的“真理之源”，来对抗“认知污染”；
2. 一个激励“诚实”、惩罚“伪装”的反馈机制，来塑造“品格”；
3. 一个鼓励“终身学习”、能够“自我进化”的“学习架构”，来摆脱“认知过时”。

这三大基石，共同构成了“可靠智能”与“健全人格”的未来。

系列回顾

“大白话人工智能” 系列
“数据库拍案惊奇” 系列
“世事洞明皆学问” 系列