L100_AI 先知理论与电商产品逻辑深度解析
📚 阅读
大语言模型的「先知」：所罗门诺夫如何预见 AI 未来？
“所有模型都是错的，但有些模型是有用的” —— 乔治·博克斯
如果有人告诉你，大语言模型的核心机制早在 1960 年代就已被一位数学家提出，你会感到惊讶吗？这位数学家就是雷·所罗门诺夫（Ray Solomonoff），他的归纳推理理论如今被揭示为 GPT 等模型背后的数学依据。他是人工智能领域的「先知」，却鲜为人知。
从猴子敲键盘到预测下一个字符
想象一只猴子在打字机上随意敲击键盘。法国数学家博雷尔曾提出，理论上，这只猴子可能会写出《哈姆雷特》。但问题来了：如果我们看到一段序列，比如「3, 5, 7」，如何预测下一个数字是「9」还是「11」？这就是所罗门诺夫试图解决的问题——通过已知数据建立模型，从而预测未知。
💡 所罗门诺夫归纳法：最简洁的模型往往是最好的。例如，「打印奇数」的程序比「打印素数」的程序更短，因此更有可能成立。
这种思想不仅奠定了归纳推理的基础，也预示了今天大语言模型的核心逻辑。
🔮 麦卡锡的关键提问：赌下一个字符是什么？
1956 年的达特茅斯会议上，约翰·麦卡锡提出了一个有趣的问题：「如果我们知道一台计算机正在打印某个序列，并且即将打印下一个字符，你敢下注赌它会打印什么吗？」
这个问题后来被转化为 next token prediction，即大语言模型的核心机制。
所罗门诺夫将其进一步形式化：给定一段序列，寻找能够生成这段序列的最短程序。这种方法不仅是对归纳推理的精确描述，也为现代 AI 提供了一个理论框架。
🧮 柯尔莫哥洛夫复杂性
苏联数学家柯尔莫哥洛夫独立提出了类似的想法：信息的复杂度可以由生成它的最短程序长度来衡量。这被称为「柯尔莫哥洛夫复杂性」。
结合所罗门诺夫的理论，我们可以得出一个重要结论：学习本质上是一种压缩行为。
| 过程 | 描述 |
|---|---|
| 🧠 训练 | 对海量文本数据进行「压缩」，找到最经济的模型 |
| ⚡ 推理 | 利用这个模型生成新内容 |
换句话说，大模型的成功源于它们高效地执行了归纳推理。
📚 科学方法与证伪主义
所罗门诺夫归纳法的意义不仅限于技术层面，还带来了深刻的哲学启发。美国哲学家皮尔士强调，科学方法的核心是从已知推导未知。所罗门诺夫的工作为此提供了数学支持。
同样，波普尔的「证伪主义」也可以重新解读：任何模型都可能是错的，但有些模型更有用，因为它们能更好地预测未来。
🗜️ 压缩是人性之本
亚里士多德说，「求知是人的本性」。或许，我们可以改写为：「压缩是人的本性。」
数据本身庞杂冗余，只有通过建模和压缩，我们才能提取规律和意义。进化论、遗传算法、强化学习……几乎所有涉及学习的过程，都可以归结为某种形式的压缩。
所罗门诺夫的思想提醒我们，在追求技术创新的同时，也要回归根本问题：什么是知识？如何定义智能？人类与机器之间的界限在哪里？
🙏 致敬低调的先驱
所罗门诺夫的一生并不辉煌，他大部分时间默默研究，依靠政府资助维持生计。然而，他的思想穿越了半个世纪，成为现代人工智能的基石。
在这个充满不确定性的时代，我们需要更多像所罗门诺夫这样的人——专注于探索根本问题，为未来指明方向。
淘宝与拼多多：电商产品逻辑的较量
“任何商业模式都会经历成长、成熟和衰退过程”
淘宝和拼多多，作为电商领域的两大巨头，其产品设计、团队分工及商家管理的差异，反映了各自的商业哲学和行业演进方向。
为什么拼多多的「新人闭环」更高效？
| 特点 | 拼多多 | 淘宝 |
|---|---|---|
| 🔄 产品经理分工 | 负责小闭环（商品→流量→用户运营） | 垂直化分工（商品管理、交易流程分离） |
| 📊 数据支持 | 强大的算法系统，简化业务理解 | 深厚系统建设能力，专业领域差异大 |
| 🚀 新人上手 | 快速上手，效率高 | 需要更长时间熟悉专业领域 |
这种差异源于技术进步和不同的优先级选择。
🤖 营销产品的演变：从「人治」到「算法」
- 淘宝模式：大促活动依赖运营人员设定规则，商家报名参与，复杂的优惠券叠加逻辑让内部团队头疼。
- 拼多多模式：大促几乎完全由算法决定商品入选，商家只需确认参与，屡次拒绝会有惩罚机制。
这种模式将主动权从「人」转移到「算法」，减少人为干预。
淘宝的做法在当时有其合理性，品牌商经验优于平台。然而，复杂规则逐渐成为历史包袱，制约灵活性。反观拼多多，无历史负担，直接采用先进策略，实现更高效率。
🏪 商家管理：赋能还是控制？
| 策略 | 淘宝 | 拼多多 |
|---|---|---|
| 💪 核心理念 | 为商家赋能，帮助理解消费者需求 | 自主掌控流量分发，减少商家买量投入 |
| 📈 短期影响 | 提升商家能力，增强平台生态 | 可能损失部分广告收入 |
| 🎯 长期影响 | 商家与平台共同成长 | 平台通过精准分发提升整体效率 |
例如，拼多多做「新人专享」活动时，先筛选潜在爆品，再邀请符合条件商家参与，此时平台掌握绝对话语权。
🔄 创新者的窘境：平台终将老去？
无论是淘宝还是拼多多，成功都建立在特定历史条件之上。
❓ 反思问题：低价真的是消费者终极追求吗？偏好低价商品的社会风气是否会压缩企业利润空间，导致员工薪资下降？
这些问题提醒我们，电商行业的每一次变革，都深刻影响我们的生活品质。
🤖 AI
AI 的喧嚣之外，我们还能找回创造的乐趣吗？
“真正的乐趣从来不在结果，而在于创造的过程本身”
最近观看 DeepMind 纪录片《The Thinking Game》，让我重新思考了技术初心。这部影片记录了 DeepMind 从初创公司到全球顶尖 AI 实验室的历程，展示了他们如何一步步实现围棋胜利、破解蛋白质折叠等壮举。
🎬 两种不同的技术精神
| DeepMind 纪录片 | 当下 AGI 领域 |
|---|---|
| 🧠 专注探索 | 💰「半场开香槟」式炫耀 |
| 🎯 解决根本问题 | 🎪 创投圈造词游戏和过度包装 |
| 📚 深度思考 | 😵 疲惫不堪的浮躁氛围 |
为了摆脱这种焦虑，我果断取关了许多播客节目，只保留那些由真实创造者分享的内容。这一改变让我的视野瞬间清净，也唤醒了我的动手欲望。
🔧 回归创造的纯粹
于是，我花时间 hack 了自己的豆包智能耳机，实现了几个小功能。虽然这些项目仅适用于个人需求，无法推广或变现，但它们带来的满足感无可替代。
这让我想起小时候因玩游戏而迷上编程的那种纯粹乐趣。
如果你也是创造者或极客，希望你能在追逐世俗成功的同时，别忘了为何出发。无需改变世界，只需用手中的工具打造一点点美好，这就足够了。
🎵 Youtube: The Thinking Game | Full documentary | Tribeca Film Festival official selection
🔗：思考之弈、flomo 5.0、AI路边摊、电商自动化办公、精益垂直AI、硬件创业等
✨ 随便看看
🤖 《一句 prompt，自动部署 AI 手机，邪修还是快》
作者喜欢技术「邪修」，最近与 AutoGLM 开发者刘潇联手，将复杂的 AI 手机部署文档重写成 AI 能读懂的版本，从而实现用一句指令就让 AI 自动完成部署（类似豆包手机）的硬核故事。
📝 《Get 笔记期末季：AI 时代，不需要学霸也能做出好笔记》
通过一个挪威 AI 课件工具 Curipod 的深度案例，揭示了 AI 如何将枯燥知识转化为引人入胜的情境体验。作者测试 Curipod 时，仅输入「讲玄武门事变」的简单指令，AI 生成的第一页竟是一道「家族餐馆继承」选择题，将公元 626 年的血腥政变转化为中学生能切身代入的困境。
The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.
由WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证。
本文首发于Why·Liam·Blog (https://blog.naaln.com)，版权所有，侵权必究。
本文永久链接：https://blog.naaln.com/2025/12/newsletter-100/