吉林护角胶价格 错用AI的人，实在太多了！

内容来源：2026 年 3 月 7 日，在圳举办的笔记侠 PPE 书院西哲坊 03 期 3 讲【真理与决策】内容笔记。

分享嘉宾：苏德，武汉大学哲学学院教授、博士生师、笔记侠 PPE 书院创始顾问、西哲学模块全程授课师。

笔记达人   | 李云

责编  | 贾宁  排版  | 拾

9511  篇度好文：7682  字 | 20 分钟阅读

哲学思维

笔记君说：

AI 正在以惊人速度接管我们的工作流程，但它也正在成为决策失误的放大器。当所有人都沉浸在 " 率革命 " 的惊喜中时，个危险的真相被忽略了：AI 不会帮你承担责任，它只会在你犯错时，让你错得快、。

3 月 7 日，武汉大学哲学学院教授、笔记侠 PPE 书院创始顾问、西哲学模块全程授课师苏德老师，在笔记侠 PPE 书院西哲坊 03 期的课堂上为我们拆解了科学决策的底层逻辑。

他讲透了为什么找不到中间变量的措施，全是的坏措施；再挖了大模型幻觉的核心成因，还拆解用 AI 做决策容易踩的 3 个致命坑；点破个扎心真相：比 AI 幻觉可怕的，是我们人类的主动幻觉。

文末还有可直接落地的 4 步核查法，帮你建立套可追溯、可纠错的决策系统，在不确定的世界里，做出真正稳准可控的判断，做自己决策的主人。

希望今天的分享，对你有所启发。

、所有靠谱的决策，

都须找到中间变量

所有的因果关系，都应该找到个中间变量，找不到中间变量的措施，都是坏措施。

比如，"通过老师的辅，我孩子就变好了"这句话，就值得敲。

很多经过老师辅的孩子并没有变好。老师的辅改变了孩子的"什么"，孩子才变好了？重要的不是老师的辅，而是这个"什么"。要把这个"什么"找到，定要找到中间变量。

找不到的中间变量，是什么？那是，那是信仰，是没有中间变量的，它是直接的。但是我们所有人类可以操作的东西，都是在操作中间变量。

所以做决策，定要找到中间变量。没有中间变量的决策，就跟表白似的："我你"，对问"为什么我"，你说不出个所以然，这对有意义。因为真拒中间变量。

你要是说"我图你有钱"，对大概率不喜欢；你说"我图你长得漂亮"，对可能会喜欢，但也只是阵子。不定总有钱，也肯定不会直漂亮。

传闻中华尔街投资客说：永远不要为异的漂亮买单。为什么？因为漂亮太容易贬值了，我们要购买的是不贬值、能保值的东西。

眼下黄金为啥越来越贵？就是因为它保值。而美丽呢，贬值速度特别快，年纪上来就挡不住，哪怕靠化妆、整容也没用，胶原蛋白只会以肉眼可见的速度流失。

这就是中间变量的重要。决策须找到它。不要只说"因为 A，所以 B "，定要在 A 和 B 之间找到 C。

中间变量找得越多，你出错的可能就越小。因为中间变量多了，就给你留了回头的机会，它是个指标，旦某个中间变量变了，你就知道"坏了，我可能错了"。

举个例子，要是你只盯着 A 到 B，哪怕 A 还没到 B，你还会傻傻等；但如果是 A 先到 C 再到 B，而 C 根本不可能出现，你就不用等了，直接掉头就行，不用浪费时间。

在经济和科学域，不存在"没有中间变量"的情况，只有情感和信仰是例外。比如你的孩子你，没有任何中间变量，就是纯粹的，不为什么。这是人类宝贵的情感，它恰恰不需要中间变量。也许有吧，我们希望没有。

但我们做决策、搞管理，须有中间变量，不然就从研究、从把控。管理本身就是过程，要是连中间环节都没有，那根本不会有科学的决策。

二、AI 为什么会本正经地胡说？ 

说到决策的科学，就不得不提 AI。

我们需要注意：AI 输出的不是事实，因为 AI 并不直接接触世界，它接触的都是数据，而且还是二手数据。

我们人类去做调查，拿到的是手数据。AI 接受的，就是我们调查结果的二手数据，而且这些数据还经过了所谓的"清洗"。它自认为是清洗，你怎么知道不是越洗越脏呢？

当然，AI 也有厉害的地，就像做阅读理解，好学生和差学生不样：差学生可能匆匆做完所有题，好学生却能提炼核心，从数据中提取、压缩后还能保证正确，这是种非常的能力。

但到目前为止，AI 能不能保证，在决策链条中须有可追溯、符人类认知的确凿证据（grounding evidence）？如果没有，它就会把幻觉当成情报。

OpenAI 团队在 2025 年 7 月出了篇文章，标题是《why language models hallucinate？》（为什么大语言模型有幻觉），门讲了大语言模型产生幻觉的原因。

文章先定义了幻觉：就是语言模型会自信地生成"看起来理，但实际上不真实"的事实。早期的大模型主要基于概率生成内容，现在它们的逻辑理能力已经很强了，大模型的水平甚至能达到奥林匹克竞赛金的别。

所以回头想想吉林护角胶价格，我们应该教孩子什么？奥林匹克竞赛金的大模型，过几天大可能很快就能用到了，你物理强、化学强不什么，现在大拼的核心是什么？

这篇文章的核心观点就是：大模型之所以会出现幻觉，是因为主流的训练和评估机制，往往励"猜测"，而不是承认"不确定"，这种激励机制从根本上动了幻觉的形成。

这就跟我们考前，老师跟我们说的样：哪怕这道题不会，猜都要猜，万猜对了呢？训练早期大模型也是这样：用户问答案，哪怕不知道，也得猜个，猜对了客户就会认同，猜错了也没关系。

所以代、二代大模型，全都是这么干的；但现在的新版本不样了，它会直接说"这个问题我不确定，不能给你回答"，已经能做到这点了。

还有个关键点：我们问 AI 的时候，永远要加句"你不要急于做出判断，要是觉得缺哪些信息，就问我，确保得到足够信息后再做判断"，它就真的会主动问你问题。

定要加这句话，现在 AI 已经能做到了，这都是那篇文章发表之后的进步，因为大都意识到了"猜答案"的问题，在此之前，旦不确定，它就是味地猜。

不知道答案还去猜，有概率蒙对，但如果直接说不知道，肯定得不了分。与其得不了分，不如猜猜还有可能得分，这是很简单的理。

有三种回答：答对、答错、弃权。弃权体现的是谦逊，但早期的大模型训练，并不给"谦逊"赋值，也就是说，谦逊得不到任何励。要么答错被惩罚，要么答对被励，要是说"不知道"（弃权），也会被惩罚。既然都是被惩罚，那不如去猜猜，还有可能蒙对，这就是早期大模型总猜答案的原因。

可见，只看准确率会掩盖模型的错误与幻觉问题，这是早期训练式带来的缺陷，单纯用准确率分并不理，后来则注重真实可靠。

在复杂的真实场景中，模型准确率不可能长期达到 ，因为存在信息缺失、问题歧义、能力边界等客观限制。因此，想靠追求满分准确率来消除幻觉并不现实，幻觉本质上法消除。

这点已经被论证：大模型不可能消除幻觉，就像人类也永远法杜犯错样。承认幻觉不可消除，才是科学的认知。

从机制上看，幻觉和大模型"下个词预测"的预训练式直接相关。模型学习的是语言模式与词向量分布，而很多低频、冷门的事实知识没有稳定规律，预测本身就容易出错。

幻觉源于能力边界与信息缺失，所以法。只有拼写、括号匹配这类强规则任务，会随模型优化越来越准确；而生日等冷门知识的任务，仍然容易输出看似流畅、实则不可靠的内容。

所以结论很明确：与其只增加少量新测试题，不如重构行业通用的核心评估指标，让整个行业从励"敢猜"转向励"诚实表达不确定"。

这篇文章发表后，大模型的表现确实很多：现在它真的会老实说"我不知道"，而不是随便乱编。

放到组织和企业里也样：不知道就说不知道，反而好。

明确说"我不知道"，大才会意识到：这里缺信息、缺数据、缺理。如果明明不懂还硬猜，个人猜、两个人附和，三个人也跟着同意，后全员拍板下注，风险大。

三、用 AI 做决策，

容易踩的 3 个致命坑  

我们先看组织里对 AI 的误用，再看组织幻觉。

个坑：把AI当，把流畅自信当成正确

先，是把 AI 当，把表达流畅、自信、速度快当成正确与可追责的结论，就如我们直接用龙虾（openclaw），虽然它是我们放大的工具。从哲学本身来看，可能带来两个挑战。

AI 会严格执行你给的策略和指令。可旦你的策略本身就是错的，AI 只会、地把错误执行到底，你还很难及时发现，直到酿成灾难后果。

AI 本质上只是在提升执行率，不会主动新你的底层逻辑。任务是你派的，团队是你搭的，老板开始就错了，AI只会帮你错得快、。

这也是 AI 和人类员工大的区别：人有情绪、有判断，会提醒、会反驳，你能感知到风险。但你把 AI 训练得越"听话"，它越没有情绪、不会质疑。

我们训练 AI 工作流时，追求的是流畅、自信、响应快、执行力强。但前提旦错了，AI 根本不会质疑你的出发点；真要让它随便质疑前提，率就会低。

这也意味着：前提的讨论、哲学与管理的底层逻辑，会变得比重要。只要底层不错，AI 就不会放大错误；底层错，AI 就是错误的加速器。根杠杆并不区分两头的内容。

二个坑：把AI 当事实库，不做溯源和核查

你搭建的 AI 工作流，本质上还是依赖大模型。而大模型的幻觉问题依然存在，法消失。

就让多个 AI 之间相互对话、交叉验证，幻觉也不会消失，甚至可能错误叠加、越放越大。正确的信息很难指数放大，但个小错误，却很容易被不断放大，这是度不对称的。

古人说，千里之堤溃于蚁穴。不能掩盖错误。个幻觉可能越放越大，就形成了蝴蝶应。蝴蝶应往往是负面应扩大，正面的很难有扩大。

所以，我们养"龙虾"，用 AI，都要注意底层不能出错，否则幻觉可能持续放大。

不要把 AI 当，也不要把 AI 当事实库。AI 没办法给我们事实，定要去追溯它的来源。

当然，养"龙虾"可以部分解决这个问题，你让它去查，查了之后让它把数据链给你注出来（在哪本书、多少页，在什么网址上），如果可以的话，还让它对关键信息进行截图，不截图都可能出错。

我没养过"龙虾"，但我用大模型去网上爬过资料。因为我的篇文章要做引用，需要查相关资料。文章的主题是" AI 来临之后，我们可怎么办呢？"背景是很多人都唱衰文科，但我觉得文科会越来越重要。

我引用了很多的观点吉林护角胶价格，但出差在外，手头没有书，万能胶生产厂家我就让 AI 去查，要它找到观点出处。

初，它几乎找到了所有出处。但当我让它截图时，它就普遍地回答"找不到"了。有些它找到了，有些它找不到。它找到的，未是对的，它没有找到的，未不存在。所以，不要把 AI 当事实库。

三个坑：把 AI 当背锅侠，出了事全怪模型

对不要把 AI 当成背锅侠。出了问题就怪模型，把责任了之，这是错误的。从我做 AI 哲学研究的核心观点来看：现阶段，AI难以自主承担责任，真正负责的只能是人。

所以使用 AI 时，须明确指定责任人。AI 确实能大提升率，但它只提供选项和依据，终决策永远是人来做，责任永远是你的，可靠不能只靠愿望。

这个世界本身并不，但我们须通过人来负责、通过机制来约束，就相对稳定点。

四、怎样对抗 AI 幻觉带来的

三大核心风险？  

AI 给出的是线索，不是答案；AI 给出的是建议，不是决策。因为它不能自查：生成式模型的本质，就是在给定输入和训练分布下，生成概率的文本，这不等于检索事实。

所以才会出现三类风险，核心都是幻觉：

，编造信息：比如编造数据、编造因果链，明明没有的事，它能说得有模有样；

二，错配信息：时间点不对、地区或行业不对，把个行业的经验套到另个行业，很可能全错，毕竟不同行业的情况天差地别；

三，偏差和漂移：训练数据本身有偏差，或者现实情况已经变了，但 AI 还是自信地输出旧结论，自然会出错。

关键的是，AI 旦进入组织，风险就不只是"答案错了"那么简单。错的答案会被规模化传播，进入邮件、进入汇报、进入我们的决策。我们的公司、我们的组织，会变成 AI 错误的放大器和杠杆，后酿成悲剧。

解决这个问题的路径，不是味追求"大的模型"，而是要做到"来源可追溯"：所有结论都要建立在事实基础上，数据缘须清晰：这个数据指标从哪来、谁能修改，都要明确；人机责任要分清，谁为 AI 的输出负责，须确定。

奥力斯    万能胶厂家    联系人：王经理    手机：18231788377（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

你可以用 AI，但你要为终的结果负责任，就像你开车，车可以给你开，但走错路、出事故，责任永远是你的。

有个 4 步核查法，可以让我们避开 AI 胡说的坑。所有用于决策的 AI 结论，须附上这四点：

信息来源是什么？生时间是何时？统计口径是什么？核查人是谁？这些须标注清楚，责任落实到人，而不是给 AI。

另外，关键指标要建立明确的口径和负责人，还要定期做抽样审计。在会议上也要明确：AI 可以用来起草文件、汇总信息、提出假设，但对不能作为终的事实依据，至少到目前为止是这样。

所以，我们面对 AI 时，定要有核查思维，多问四个问题：

这个信息来自哪里？生时间是什么时候，什么时候新的，现在过时了吗？这个结论、这个数字的口径是什么，定义是什么？能不能复查？

比如 AI 显示" 38 的人对某产品满意"，那什么叫"满意"？口径是谁定的？这很重要，口径松紧，结果天差地别。以 10 分值为例，6 分以上满意，还是 8 分以上才？

责任定要明确：谁核查过、谁签字，谁就负责；把 AI 结论放进决策材料的人，定要签字。你要用 AI，就须承担这个责任。

很多人有个误解，觉得没要做这些核查工作，但其实不然。

我们可以做个 AI 数据溯缘与核查表，明确这些内容：数据源头是谁？口径定义是什么，分子、分母分别是什么，包含什么、不包含什么？谁能修改这个数据？我们怎么验证它、怎么抽样审计？AI 的引用规则是什么？在哪些异常情况下，须暂停使用 AI、进行人工复核？

这些规则定要清晰，AI 我们当然要用，但要用得规范、用得安全。

五、比 AI 幻觉可怕的，

是人类的主动幻觉  

面对 AI，我们要转变思维：把自己当成 AI 的审计员，它是员工，我们负责审计，这样就对了。

而且大会发现，从 AI 幻觉到人类幻觉，底层逻辑是样的。AI 的幻觉，其实就是我们人类自身幻觉的投射。

举个例子：你下班回本来就累，你老公或老婆又告诉你孩子没考好，你还在长会上被班主任阴阳怪气说了顿。这时你门，看见孩子在桌子旁，身体弹，还把抽屉进去了。你立马就火了："又在玩手机、游戏？成绩那么差还玩！"

这个逻辑看起来特别理，但你有没有想过，他可能根本没游戏？他可能正在拿试卷、拿文具，看到你进来太紧张，条件反射地把抽屉回去了，这有可能。

就像亲子教育里，我们常说"你就是懒，别找理由"，这就和模型被励给出确定答案样：我们把自己的主观动机，当成了客观事实，却缺少"我不确定，我需要证据"的意识。

这和 AI 幻觉模样：你把个"容易想到、符自己情绪"的答案，当成了真实答案。AI 也是如此，它输出的不是正确答案，而是它容易找到、符训练分布的答案。

我们人类也样，孩子次考差，就断定"他根本没用功"；对不回消息，就认定"他不在乎我"。这都是把单次观测当成了充足的训练数据，缺少中间变量的考量。

我们在不确定的场景里，被迫生成个答案，而这个答案还被情绪左右，后生成了个"像正确答案"的猜测。

就像对不回消息，你根本不会想"他是不是在开车、在开会、在跟重要的人聊天"，反而会钻牛角："他不及时回复，就是不在乎我"，情绪拉满，后吵起来，这和 AI 瞎猜乱输出，简直模样。

在公司协作时，我们也经常能听到这些话："这个需求已经很清楚了，你怎么还做错呢？""大会、小会说了那么多，怎么还错了呀？"

这也很像 AI 幻觉，把看见的清楚当成已经对齐了。那你是不是没有给具体指标？给了指标之后是不是没有提醒他有哪些验点？验的时间对齐了吗？都没有。

他（下属）确实做错了，但你把你的责任尽到了吗？准确表达了吗？在该需要你跟他做过程对齐的时候，你对齐了吗？

些公司的经常说"这事别解释，结果说明切，你就是不认真"，这就是把单的输出结果当成真实的标签。

类似的话还有"像个好答案，就是个好答案""现在提风险就是不想担责，提什么风险"，这样说连证伪精都没有了，肯定会出错。

这时组织激励在起作用，表达不确定会被惩罚，表达确定就会被励，于是系统就开始偏向于大胆生成，而不是校准与保守。

所以，永远不要对下属说这样的话：你们给我承诺，你提风险，你就是不担责任。

这样你没法负责，就相当于你在训练代、二代大模型，每个答案猜个，给不出你就是"懒"，这样任何时候它都给你答案，但这个答案是不确定的。

而你，只是为了完成流程，它猜了答案之后，你赶紧签个字，往上递交，上面给拍板，就这么干。决策流程都做了，但没有人负责，因为整个流程都是对的。

部门沟通时，有人会说："按照经验，这次定翻车，别冒险，按老办法干"。这也是个 AI 幻觉实验：用过去熟悉的模板替代对当前情景的验证。

不能这么讲，你要说"这次怎么翻车，把道理讲出来"，找到个证伪点就够了。不要说"按经验不起作用"这种话。

在法时代，清洁的数据是唯的硬通货。数据是干净的，这是重要的东西。力很容易造，但数据很难。

现在大模型训练缺的是什么？质量数据的匮乏。

大用 DeepSeek 都有个感觉，刚刚出来的时候非常牛，用上半年之后体感水平下降了，为什么？有人说，这是因为，大量的网友跟它聊天，把它水平搞下来了。这个未对，但其中有正确的直觉。

在智人社群，干净的事实是稳的出发点。我们是智人，我们是动物里面厉害的那群动物，在智人的群落里面，干净的事实是稳定的，事实要是干净的，没有被错误地清洗过的。

把 AI 当人，把人当 AI，就会大地降低认知负担。

结语

很多人唱衰文科，觉得 AI 时代数理能力才是核心，但真相并不那么简单：AI能替代奥林匹克金别的解题能力，却替代不了底层的逻辑判断、因果洞察、证伪思维和责任担当。

对抗 AI 幻觉，本质是修炼自己的认知能力。我们要做的，不是追求个永远正确的 AI，而是建立套"承认不确定、敬畏客观事实、可追溯、可纠错"的决策系统。

这个世界永远是不确定的，真正靠谱的决策，从来都不是找到个全对的答案，而是哪怕身处不确定中，也能守住事实的底线、承担决策的责任。

我们要永远记住：AI 给出的是线索，不是答案；是建议，不是决策。没有可追溯的事实，就没有靠谱的决策；没有中间变量与因果链条，全是自欺欺人的赌局。

AI 是提升率的工具，而我们永远是决策的主人。

今天我们嵌于个政、经济、科技、哲学都在经历持续变革和刻重塑的复杂社会与商业系统之中。

真正的挑战是：我们的认知框架、组织形态和行动工具，还停留在"前 AI 时代"。在前所未有的复杂系统变革中，我们需要的是理解世界底层的"元能力"。

面向 AI 新时代，笔记侠 PPE（哲学、政学与经济学）课程，正是为理解这样的复杂系统而生：理解贸易与经济政策、理解政与理模式、理解全球技术与科技范式、理解 AI 哲学和科技经济、理解文明进程与哲学意义。这是五代企业应有的套"操作系统"。

笔记侠 PPE 课程 26 招生现已启动。驾驭技术、洞察世界、扎根、修炼心力，在应对时代重重挑战中寻找决策底。

穿越变革的旧世界，找到时代的新大陆，从升你的 PPE 决策底层开始。

欢迎你扫描下海报二维码，添加课程主理人咨询详情。

好文阅读荐：

AI 时代，未来决定现在｜笔记侠 PPE26 批同学名单

黄仁勋新演讲：不想被淘汰，马上做 3 件事

接下来，用好 AI 的人，才值钱

"子弹笔记"是笔记侠的矩阵公众号，聚焦职场率追求、人际关系与潜成长者，帮你 3 分钟吃透核心观点和法论。欢迎关注～

分享、点赞、在看，3 连 3 连！

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》吉林护角胶价格，以此来变相勒索商家索要赔偿的违法恶意行为。