第一讲
讲者：十九 · 组织策划 / 主持人
"我和 AI 一起读了一本关于 AI 的书"
十九分享了她四月阅读的书籍《AI 3.0》。特别之处在于：她不是独自读完再讲，而是一边读，一边把书里的问题拿去问 AI，让 AI 和她一起读。
"书里在问 AI 有没有真正的理解，而验证这个问题的实践，就在阅读的过程中同步发生了。"
AI 是怎么学习的？
十九梳理了书中提到的三种 AI 学习方式——监督学习、强化学习 和 迁移学习，并做了一个重要的"时空对照"：作者在 2019 年写书时，认为迁移学习仍是难题。但书出版后不久，大语言模型出现了，用一种谁都没预料到的方式，把这个问题部分解决了。GPT、Claude 这类模型在海量文本上预训练，学到的不是某一项任务的能力，而是某种更底层的"理解语言和世界的结构"，然后迁移到几乎任何语言任务上。
"这在 2019 年是做不到的。" 十九说，"但书里那个更深的问题，现在还没完全解决——真正的通用智能，那个能像人类一样无缝跨域迁移的，还没到。只是距离变近了很多，快得让人有点措手不及。"
AI 是怎么"理解"的？
这是分享中最精彩的部分。十九解释了词向量技术——把每个词变成高维空间里的坐标点，含义相似的词距离更近。而 Transformer 架构解决了早期方法的致命缺陷：同一个词在不同语境下会有不同的"位置"。
但她随即抛出了书中贯穿始终的追问："表现出理解，和真正理解，是一回事吗？"
那个烤煳的汉堡包
分享的最后，十九讲了一个书里用来测试 AI 理解力的故事：一位男士点了一个半熟的汉堡，上桌后是烤煳的。服务生来问"还可以吗"，男士说"简直太好了"，然后没付钱就冲出了餐厅。
"Mitchell 在 2019 年写书的时候，AI 看不懂这个故事。不知道'太好了'是反话，不知道为什么要冲出去。"
而今天，当十九把这个故事拿去问 AI，它读懂了，也解释清楚了——但它同时说："我不知道我是真的理解了这个故事，还是只是在更大的统计空间里找到了正确答案。"
"这就是这本书七年之后，仍然没有答案的问题。"
