我们以为伟大的AI带来了熵增，实际上是熵减

Fri, 11 Sep 2026 17:21:30 +0800

AI 刚刚大规模进入我们的生活时，我曾经有一种非常强烈的感觉：

世界的熵正在急剧增加。

以前写一篇文章需要几个小时，现在几十秒就能生成；以前做一张插画需要数年绘画训练，现在只需要输入几句话；程序、音乐、视频、PPT、广告文案、商业计划书，甚至人与人之间的聊天，都开始被机器以极低的成本批量生产。

互联网上的内容以前已经够多了，而生成式 AI 又像打开了一根无限供水的消防栓。

按照直觉，这应该是一个极端的“熵增时代”。

信息越来越多，组合越来越多，可能性越来越多，世界越来越混乱。

可当我真正长期使用 AI 之后，我越来越觉得事情可能恰恰相反。

AI 最深远的作用，也许不是熵增，而是熵减。

当然，这里的“熵”不是严格意义上的热力学熵，而是一种借用：我想描述的是一个系统中不确定性、差异性以及可能状态的数量。

而 AI 正在以前所未有的速度，把这些可能性收束起来。

一、内容变多了，可能性却未必变多

这是一个很反直觉的现象。

假设过去有 1000 个人要写一篇文章。

其中有人写得很好，有人语法混乱；有人喜欢长句，有人一句话只有几个字；有人逻辑严谨，有人思维跳跃；有人引用尼采，有人突然讲起小时候村口的那棵树。

这些文章可能很粗糙，但它们拥有极其巨大的差异。

现在还是这 1000 个人，但其中 800 个人在写完之后，对 AI 说：

帮我润色一下，让表达更专业、更有逻辑。

于是 AI 开始工作。

它删除重复内容，补足逻辑链条，调整段落结构，把“不太合适”的词换掉，把口语变成书面语，把奇怪的表达变得自然。

每一篇文章似乎都变好了。

可是如果把这 800 篇文章放在一起看，你可能慢慢会发现一种奇怪的味道。

它们开始变得很像。

“首先……”

“其次……”

“值得注意的是……”

“从本质上来说……”

“这不仅仅是……更是……”

每一篇都更加正确，每一篇也更加平滑。

噪声减少了，意外也减少了。

于是一个有趣的事情发生了：

内容数量增加了，但内容空间可能正在缩小。

这正是我所说的“熵减”。

二、AI 的本质，就是寻找高概率答案

仔细想想，其实这一点并不奇怪。

今天的大语言模型，本质上是在巨量人类文本中学习一种东西：

什么样的内容，在什么样的上下文中最可能出现。

当我输入：

帮我写一封正式的辞职信。

AI 不会从人类所有可能的语言组合中随机挑选一种。

恰恰相反。

它会向那些概率最高、最合理、最符合人类经验的表达靠拢。

“感谢公司一直以来的培养。”

“经过慎重考虑。”

“因个人职业发展原因。”

这些句子之所以经常出现，不是偶然的。

因为它们就是这个语境中的高概率区域。

AI 极其擅长找到这种区域。

天下知识，唯慢不破

Fri, 11 Sep 2026 15:05:01 +0800

我们生活在一个获取知识越来越快的时代。

以前遇到一个不会的问题，要翻书、查文档、逛论坛，甚至折腾一下午。

现在打开 AI，输入一句：

Java 的 synchronized 到底锁的是什么？

几秒钟以后，答案就摆在面前。

再复杂一点也没关系。

JVM、Redis、MySQL、分布式事务、网络协议、操作系统、算法……几乎所有已经被人类总结过的知识，都可以在极短时间内被检索、整理，然后送到你的眼前。

从这个角度看，我们似乎进入了一个学习速度前所未有的时代。

但我越来越觉得：

知识获得得越快，人反而越需要主动慢下来。

因为“看到了答案”和“真正会了”，中间隔着非常远的距离。

一眼看懂，是学习中最大的错觉

学习计算机的时候，经常会出现一种很奇怪的感觉：

看别人解释时觉得特别简单。

synchronized (lock) {
    // 临界区
}

哦，不就是拿锁吗？

Redis 分布式锁：

SET lock_key random_value NX EX 30

哦，不就是 NX 保证不存在时才能写入，再加个过期时间吗？

反转链表：

next = curr.next;
curr.next = prev;
prev = curr;
curr = next;

四行代码。

似乎一分钟就学会了。

可一旦把页面关掉，让自己重新写一遍，脑袋立刻空白。

更麻烦的是，有时候代码甚至还能默写出来，但别人追问一句：

为什么？

就答不上来了。

为什么 synchronized 修饰普通方法锁的是当前对象？

为什么静态方法锁的是 Class 对象？

为什么 Redis 解锁不能简单 DEL key？

为什么链表反转一定要先保存 next？

为什么 wait() 会释放锁，而 sleep() 不会？

这些问题才真正决定了一个知识点有没有进入自己的大脑。

思考 on 洛克里亚的五度 博客

我们以为伟大的AI带来了熵增，实际上是熵减

一、内容变多了，可能性却未必变多

二、AI 的本质，就是寻找高概率答案

天下知识，唯慢不破

一眼看懂，是学习中最大的错觉

思考 on 洛克里亚的五度博客