跳转至

P1-17.3 区分预测(prediction)与工作假设(working hypothesis)

Section ID: P1-17.3 Version: v2026.07.20

P1-17.2 讨论了如何阅读新闻、专栏与报告。Part 1 的最后一节则要整理：个人想法应当如何被安全地保留下来。

重新学习 AI 的过程，往往会从个人记忆与直觉出发。像“AI 是从规则走向数据驱动判断的”“提示词(prompt)是理解 LLM 运作的一种入口”“Agent 型工具像是 CLI、GUI 之后出现的新使用流程”这样的想法，常常会成为启动学习的重要问题。

但问题与事实并不相同。

本节会区分 预测(prediction)、工作假设(working hypothesis)、事实主张(factual claim) 与 解释(interpretation)，并把 P1-17.1 与 P1-17.2 中看到的依据标准与资料阅读方式，收束到一个更具体的问题上：

个人直觉究竟应当怎样被安全地保留在文档中？

这里讨论的是：在学习文档里，个人解释应如何处理。这里不会直接预测未来的具体内容。

术语 极短说明 在本节中的角色
事实主张 必须由外部依据确认的句子 正文中要最严格处理的层位
解释 人对资料附加意义后的句子 需要连同依据一起谨慎书写的层位
预测 关于未来会发生什么的句子 更强烈要求来源与语境的层位
工作假设 在验证前暂时建立的说明 保存个人直觉的安全形式

区分预测与工作假设的基准

  • 能区分事实主张(factual claim)、解释(interpretation)、预测(prediction)与工作假设(working hypothesis)。
  • 能说明为什么个人直觉不应被写成事实，而应保留为工作假设。
  • 能说明为什么预测应基于外部报告与机构资料来写。

三个基准

本节不是要丢掉个人直觉，而是要决定哪些内容可以当事实来写，哪些应当保留为假设。阅读正文时可作为基准的三个视角如下。

基准 为什么重要 本节所需的理解水平
问题与事实并不相同 这能防止把个人解释在未经验证的情况下直接写进正文事实。 只要理解成，想到的内容可以先留成问题或假设即可。
工作假设要在“它可能是错的”这一前提下保留 这能在保存直觉的同时，不让读者混淆。 只要理解成可以写成“这种视角也许有帮助”这样的条件式表达即可。
预测应依赖报告与机构资料来写 这能帮助警惕生成式 AI 擅长制造的未来叙述。 只要理解成应引用预测资料与情景，而不是直接下未来断言即可。

工作假设不要隐藏，要明确标示

工作假设(working hypothesis) 是一种预设自己可能出错的说明。在学习过程中，它非常有用；但如果把它写成已经验证的事实，就会变得危险。

有风险的表达:
现代 AI 说明，只要概率不断重复，就会变得与人类思考相同。

更安全的表达:
在学习现代 AI 时，
把概率建模与反复学习理解成
“能产生类似人类判断的输出”的一种视角，可能会有帮助。
但这并不表示它与人类思考相同，
仍需要另外结合认知科学与 AI 研究继续检视。

这种写法既不会丢掉个人直觉，也能向读者清楚展示事实与假设的边界。

预测应当依托负责任的资料来写

即使有资料，预测(prediction) 仍然要谨慎。报告与机构发布也无法“确定未来”；它们大多是在给出条件性的预测、情景、风险评估或政策建议。

例如，无论是 Stanford HAI 的 AI Index Report，还是 WEF 的 Future of Jobs Report，更安全的读法都不是把它们当成未来已经确定，而是把它们视为依据当前指标、调查与产业观察，帮助我们理解方向与可能性的资料。

句子类型 更安全的表达
预测 “该报告预测，到 2030 年可能出现这样的变化。”
情景 “这份资料把它作为多个可能路径之一来提出。”
政策建议 “该机构建议，有必要做出这样的应对。”
个人假设 “在这份学习文档中，这会被保留为待检验的工作假设。”

对于 AI 生成的未来叙述，更要特别谨慎。即使措辞看起来很合理，只要没有外部依据，就不应写进正文。

书中哪些位置可以写个人视角

学习文档里，并不需要把个人视角完全排除。恰恰相反，它常常有助于说明学习动机。但必须分清位置。

位置 可使用程度
前言、介绍 可以写个人学习动机与记忆
章节导入 可以写为什么会冒出这个问题
概念说明正文 以标准术语与依据为中心来写
待验证清单 保存尚未确认的解释
回顾 记录学习前后理解如何变化

只要守住这个区分，书就能同时保持个人性与可验证性。

结束 Part 1

Part 1 的目标，是先建立 AI 的大地图。更细的数学、代码与模型实现，会在后面的 Part 继续展开。此处最重要的是先获得下列区分。

“AI” 这个宽泛词语的范围
机器学习与深度学习在其中的位置
LLM 与生成式 AI 的直接脉络
prompt、embedding、RAG、agent 的使用流程
审视伦理、版权、安全、教育与预测时应使用的标准

接下来，Part 2 将转向基础复习。它不会先从数学证明出发，而是先重建一种能读懂 AI 文档、并能用小段代码亲自验证的基础水平。

检查清单

  • 能区分事实主张(factual claim)、解释(interpretation)、预测(prediction)与工作假设(working hypothesis)。
  • 能说明为什么个人直觉不能直接写成已经验证的事实。
  • 能说明预测句子为什么需要来源、日期与语境。
  • 能区分书中适合放个人视角的位置，与概念说明正文的位置。
  • 能把个人直觉与正文事实说明分开，并用 事实主张、解释、预测、工作假设 来整理。

来源与参考资料