【AI写作】别吹了，AI根本不懂文字

AI根本就不懂文字

多少人还做着让AI解放自己写作的大梦呢？

下面我打算通过原理来分析AI写作

好好叫醒那些还在做大梦的人

如有帮助，请点赞收藏

一、AI为什么能生成文字

你可以把AI理解成一个函数Y=f(x)，无论你输入什么自变量X（文字），函数都会输出因变量Y（即使内容你看起来不合理的文字），所以你和AI对话就实现了

二、AI写作的原理和技术

你可以把AI写作看作是一个超级“模仿游戏”。在这个游戏中，AI就像一个观察者，通过阅读大量的书籍，文章，网页等等，学习和模仿人们如何使用词汇，如何组合词句，以及在不同情境下如何表达思想。

关键的技术包括：

机器学习

这是AI获取知识的主要方式。就像孩子通过阅读和学习来了解世界一样，AI通过分析大量的文本数据，学习语言的模式和规则。

2.深度学习和神经网络

深度学习是一种特殊的机器学习方法，它使用所谓的神经网络来处理数据。这些神经网络是由许多层的“神经元”组成的，每一层都学习并提取数据的不同特征。在AI写作中，深度学习帮助AI理解和模仿语言的复杂结构。

3自然语言处理 (NLP)

这是一种让机器理解和生成人类语言的技术。在AI写作中，NLP帮助AI理解语言的语法和语义，从而生成看似有意义的句子。

三、AI写作的过程（简化版）

1编码拆解

模型会使用一个特殊的词汇表将用户输入的每个词或字符转换为一种特殊的数字向量“token”，这种数字向量可以代表这个词在语义空间中的含义。

例如：用户输入一句话“今天我吃的好饱”，AI就会通过编码token的形式将它切分为“今天”“我”和“吃”“的”“好饱”这几个词语。“今天”这个词可能会被转换成一个关于时间状态的向量

2理解上下文

模型接收到编码后的序列，并使用它的内部架构来理解输入的上下文。每一层都会处理输入的信息，并在其内部创建一个表示，这个表示包含了输入的语义信息以及模型认为重要的其他上下文信息。

例如：“今天”“我”和“好饱”这几个词语AI会进一步从这些词向量中提取出有意义的特征，比如时间、情感、程度等等。这些特征会帮助模型理解用户的输入。

3生成响应

模型根据理解的上下文生成一个响应。这是通过在每个时间步选择一个最可能的下一个token来完成的。选择的token然后被添加到输入序列的末尾，成为下一个时间步的一部分。

△表内数据的百分比数据皆是虚拟的，仅仅做演示参考

实际算法处理的是一堆token编码，为了方便大家理解所以用中文表示

一个token可能代表是一个词或者汉字也可能是二分之一 、三分之一的汉字。

4.解码：

最后，模型生成的响应被转换回人类可读的文本。这是通过使用词汇表将数字ID转换回相应的单词或字符来完成的。

四、AI写作的优缺点（个人使用的角度）

AI写作本质上是一个计算推理的过程

知道原理后其特点就可以分析出来了：

优点：

提高写作效率：将写字变成了计算，可以在几秒钟内生成大量的文本，大大提高了写作的效率

提供写作灵感：AI可以处理大量的数据，无论是对数量的需求还是类型的需求，只要有足够的计算资源，AI都能生成，包括故事想法、诗歌、对话等，要5篇10篇乃至上百篇，为写作者提供足够的灵感。同时它可以在大量的文本数据中找到新的组合和连接，帮助个人写作创新

改善写作质量：AI可以提供语法和拼写检查，甚至是风格和语调的建议，帮助提高写作的质量。

跨语言写作：对于需要用非母语写作的人，AI可以提供翻译和语言生成的帮助。

缺点：

理解能力有限：尽管AI写作可以生成看似有意义的文本，但它实际上是个理科生，根本不能理解文字

可能产生错误或不适当的内容：AI写作可能会生成不准确或不适当的文本，因为它主要依赖于其训练数据，而这些数据可能包含错误或偏见。

缺乏人类的情感和创造力：AI写作的本质是计算推理，无法像人类那样具有真正的情感和创造力，因此，它可能无法生成具有深度和感情的文本。

依赖数据和算法：AI写作的质量和效果在很大程度上取决于其训练的数据量以及背后算法的优化

五、使用AI写作的个人建议

1.不要神化AI写作，虽然无论你在什么类型的写作中需要帮助，AI都能提供支持。但是它本质上是个只会计算的理科生，它如果能写出什么优秀的文章也是低概率的事情。

2.如果你要用AI制作大量没有营养的文字，那它是妥妥的生产力，如果需要他能写出优秀的文章，肯定少不了自己的干预

3.我一直认为AI是个人能力的放大镜，你的个人写作水平有很大程度决定了你用AI写作出来的文章质量。