---
id: "2050618820906377555"
title: "AI 最让人停不下来的地方，是它先学会了预测。 Sam Altman 提到 Ilya Sutskever 一句话，他一直…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: 100
percentile: null
published_at: "2026-05-03 09:43:22"
translated_x_url: null
reason_tags: []
canonical_url: "https://mubeitech.com/p/2050618820906377555"
markdown_url: "https://mubeitech.com/p/2050618820906377555/markdown"
json_url: "https://mubeitech.com/api/posts/2050618820906377555"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# AI 最让人停不下来的地方，是它先学会了预测。 Sam Altman 提到 Ilya Sutskever 一句话，他一直…

AI 最让人停不下来的地方，是它先学会了预测。
Sam Altman 提到 Ilya Sutskever 一句话，他一直记到现在：
"预测非常接近智能。"

这句话看着轻，背后是生成式 AI 的核心赌注。
把世界的信息、状态、关系，压缩成一个更小的表征。
再用这个表征，判断下一刻会出现什么。

如果它总能猜中下一个词、下一帧、下一步动作，说明什么？
说明它开始越过背答案的阶段。
它开始摸到数据背后的结构。

人类理解世界，也常常是这么干的。
看见乌云，预测下雨。
听完半句话，预测对方要表达什么。
读完一段代码，预测哪里会崩。

当年很多 AI 研究者对生成式模型异常兴奋，却说不清那股兴奋从哪来。
Altman 给出的解释很简单。
因为预测能力一旦足够强，就会逼近理解。

所以大模型看起来像是在补全句子，实际训练目标大得多。
它要把海量文本、图像、代码、声音，压成能继续推演世界的内部表示。
每一次预测下一个 token，都是在练习怎样把混乱世界变成可计算的秩序。

分水岭已经从语言表演移到预测精度。
机器每前进一步，统计和理解之间的边界就退后一格。

---

_Translation: (n/a)_
_Canonical: <https://mubeitech.com/p/2050618820906377555>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-05-03 09:43:22_