过去几年，能写文章、能画画的程序忽然走进了普通人的生活。
很多人的第一反应是害怕，第二反应是觉得它其实也没那么厉害。
这两种反应都有道理，只是它们看的是同一件事的两面。
要看清这件事，先得弄明白这类程序到底在做什么。
简单地说，它读过极其大量的文字，然后学会了猜下一个词。
这个描述听起来太简单，简单到让人怀疑是不是漏了什么。
然而当猜测的准确度足够高时，量的积累会变成质的改变。
要猜对下一个词，模型不得不掌握语法、常识甚至一部分推理。
这就像为了预报明天的天气，你最终必须理解大气的运动。
但这里有一个关键的差别，模型追求的是像，不是对。
它生成的句子必须看起来合理，至于是否符合事实，它并不知道。
这就是它有时会一本正经地编出根本不存在的书名的原因。
把这类错误叫做说谎并不准确，因为说谎的前提是知道真相。
更合适的比喻，是一个记性极好却从不核对来源的学生。
明白了这一点，使用它的正确方式就自然出来了。
凡是答案容易检验的活儿，交给它可以节省大量时间。
凡是错了却看不出来的活儿，让它做就等于把风险交出去。
这条界线与聪明无关，只与你能不能马上发现错误有关。
关于失业的担心，历史提供的答案既不乐观也不悲观。
机器取代的从来不是职业，而是职业里可以拆开的那些环节。
会计没有消失，消失的是整天用手抄写数字的那部分工作。
真正受冲击的，往往是刚入行、只会做重复动作的年轻人。
这带来一个新的难题，行业该如何培养下一代的熟手。
如果所有基础工作都被机器做完，经验将从哪里长出来。
这个问题目前还没有答案，而它比失业更值得讨论。
另一个被忽视的变化，发生在写作这件事本身上。
写字从来不只是记录想法，写的过程本身也在整理想法。
把这一步交出去的人，得到了文章，却失去了思考的机会。
所以最值得警惕的不是机器变聪明，而是人主动放弃动脑。
工具从来只会放大使用者本来的样子，勤快的更勤快，懒的更懒。
