在人工智能的世界里，关于随机性和概率的概念常常让人误解。我们容易将AI视为全能的工具，既能解复杂的数学题，又能预测股市的涨跌。那么，我们为什么不能让AI做一些看似简单的事，比如掷骰子或者抽塔罗牌呢？这难道比它们处理的其他复杂任务还难吗？

其实并非如此。这是由于随机性在人类世界和AI世界中的根本性差异。让我们慢慢道来。

了解AI、随机性和偏见

AI模型，尤其是大型语言模型如OpenAI的GPT-4，并未设计来生成真正随机的结果。它们的目的不是创造随机性，而是学习模式，基于输入数据预测结果。AI模型的目标是在回应中尽可能减少随机性，而提供基于其训练的最可能的结果。

AI模型通过在训练中分析大量的数据来学习。它们“观察”数据中的模式、关系和结构，然后用它们来应对新的输入。这意味着AI的输出本质上受到其训练数据性质的影响。

比如一个训练在文学上的AI模型，如果你让它接续一个以“从前有个……”开头的句子，它很可能会生成一个类似于童话或故事的叙述。这是因为在它的训练过程中，它分析了无数以这个短语开头的故事。

所以，为什么不能让AI“掷骰子”？

现在，让我们考虑掷骰子的场景。掷骰子是随机性的经典例子；每个结果出现的概率都是平等的。

然而，当你让AI掷骰子时，你并没有触发一个具有固有随机性的物理过程。AI并不会随机生成一个一到六之间的数字。相反，它会决定根据其训练数据，什么应答最恰当。

AI可能会分析你请求的上下文，或者考虑其他人在类似提示下的反应。例如，如果AI在训练中看到了很多“掷骰子”后面跟着“你掷出了4”的情况，即使理论上所有结果的可能性都

是相同的，它可能更倾向于输出“4”。因此，结果受到训练数据中模式的影响，而不是真正随机的输出。

当你让AI抽一张塔罗牌时，同样的情况也适用。选择并不是随机的，而是受到AI训练数据中存在的偏见的影响。

重新引入人类元素

关于AI和随机性的误解产生的原因是我们常常将人的特质赋予AI。我们经常假设AI以和人类相同的方式理解和执行任务，忘记了它本质上是一台从模式中学习，而非引入随机性的机器。

真正的随机任务，如掷骰子或抽塔罗牌，最好还是由人类或专门设计的随机数生成器来处理。这些动作涉及物理元素或精心设计的算法，可以产生真正随机的结果。

总的来说，虽然AI能执行广泛的任务，产生看似直观和富有创造性的输出，但它们并未设计来生成真正随机的结果。理解这个限制可以帮助我们更有效和适当地使用AI工具，同时也能更加欣赏人类认知和我们物质世界的独特性。