1
00:00:00,100 --> 00:00:06,432
本内容改编自小山学堂《学 AI 产品，从入门到精通》，为二次演绎配音版。

2
00:00:06,382 --> 00:00:08,365
这一集做两件事。

3
00:00:08,365 --> 00:00:12,860
前半段讲钱和隐私，把两个最容易踩的坑讲透。

4
00:00:12,860 --> 00:00:18,617
低价共享账号到底能不能买，你的聊天记录会不会变成它的教材。

5
00:00:18,617 --> 00:00:28,737
后半段讲原理，把对话这件事拆开给你看，你会明白为什么它本质上叫补全，以及为什么这个理解对产品经理特别重要。

6
00:00:28,737 --> 00:00:31,069
为什么产品经理要关心。

7
00:00:31,069 --> 00:00:35,048
因为这两件事最后都会落到具体的责任上。

8
00:00:35,048 --> 00:00:43,353
工具采购是不是合规，用 AI 处理工作内容会不会泄密，哪些活可以放心交给它，哪些必须核实。

9
00:00:43,353 --> 00:00:47,307
这些判断错了，代价不是效率，是事故。

10
00:00:47,307 --> 00:00:52,620
前半段的两个坑，一个在花钱的路上，一个在数据的出口。

11
00:00:52,620 --> 00:00:57,800
后半段的原理不难，但它会改变你对成本和质量的理解。

12
00:00:57,800 --> 00:01:03,954
听完你会发现，很多产品决策上的纠结，其实卡在同一个认知缺口上。

13
00:01:04,108 --> 00:01:05,380
先说钱。

14
00:01:05,330 --> 00:01:11,411
你大概见过这类广告，会员拼车，九点九一个月，比官方价便宜十几倍。

15
00:01:11,411 --> 00:01:19,681
这类服务的本质是，一个正式账号被拆给几十个人合用，通过共享登录或者技术转发实现。

16
00:01:19,681 --> 00:01:22,493
打个比方，合租一间单人间。

17
00:01:22,493 --> 00:01:28,995
房租确实平摊了，但你的东西别人可能看得到，而且一人违规，全屋清退。

18
00:01:28,995 --> 00:01:31,471
课程里有个演示很形象。

19
00:01:31,471 --> 00:01:36,051
一个正式账号月费二十美元，被拆售给三十个人。

20
00:01:36,051 --> 00:01:39,212
你发一个问题，前面还排着六个室友。

21
00:01:39,212 --> 00:01:45,870
历史记录里出现了一段不是你聊的对话，那是隔壁室友的，而他也能看到你的。

22
00:01:45,870 --> 00:01:52,409
某个室友用它批量生成违规内容，官方风控检测到异常，整个账号被封禁。

23
00:01:52,409 --> 00:01:57,361
三十个人一起失效，你那九点九和聊天记录一起没了。

24
00:01:57,361 --> 00:01:59,368
三个实打实的问题。

25
00:01:59,368 --> 00:02:02,589
第一，你的聊天记录不只属于你。

26
00:02:02,589 --> 00:02:07,878
你问过的健康问题、贴过的工作文件，都在陌生人眼前。

27
00:02:07,878 --> 00:02:12,229
反过来你也会看到别人的，这本身就说明问题了。

28
00:02:12,229 --> 00:02:14,488
第二，封号是连坐的。

29
00:02:14,488 --> 00:02:21,832
官方明令禁止账号共享和转售，风控专门识别一个账号从多地同时登录这类特征。

30
00:02:21,832 --> 00:02:25,967
几十个人里任何一个违规，所有人一起失效。

31
00:02:25,967 --> 00:02:29,476
而这类账号本身就是重点清理对象。

32
00:02:29,476 --> 00:02:32,433
第三，账号的钥匙在别人手里。

33
00:02:32,433 --> 00:02:36,279
号主随时可以改密码、看数据、关服务。

34
00:02:36,279 --> 00:02:40,522
今天九点九，明天十九点九，或者直接消失。

35
00:02:40,522 --> 00:02:45,955
你没有任何凭据可以维权，因为这笔交易本身就在官方规则之外。

36
00:02:45,955 --> 00:02:47,733
还有一条要记住。

37
00:02:47,733 --> 00:02:53,647
官方明确禁止账号共享和转售，所以这类交易天然没有售后。

38
00:02:53,647 --> 00:02:58,647
你付的钱买的是一个随时可能失效的入口，不是一个服务。

39
00:02:58,647 --> 00:03:05,931
而且这类账号里，批量注册、盗刷信用卡开通的不在少数，本身就是重点清理对象。

40
00:03:05,931 --> 00:03:08,947
想省钱其实有光明正大的路。

41
00:03:08,947 --> 00:03:13,935
国产官方应用的免费额度就很能打，旗舰能力在第一梯队。

42
00:03:13,935 --> 00:03:19,308
真需要海外模型，很多正规产品提供合规的打包订阅。

43
00:03:19,308 --> 00:03:24,548
把九点九的预算加一点，就能买到不用提心吊胆的版本。

44
00:03:24,676 --> 00:03:26,549
第二个坑是隐私。

45
00:03:26,499 --> 00:03:30,621
你和 AI 说过的话，有没有可能变成它的教材。

46
00:03:30,621 --> 00:03:34,527
答案是，可能会，取决于产品和你的设置。

47
00:03:34,527 --> 00:03:40,393
不少产品默认用你的对话改进模型，但正规产品都给了关闭开关。

48
00:03:40,393 --> 00:03:45,333
免费版更倾向收集，企业版通常承诺不碰你的数据。

49
00:03:45,333 --> 00:03:47,184
有个规律值得记住。

50
00:03:47,184 --> 00:03:56,102
免费版多数默认开启，你的对话更可能被收集，通常可以关，但要自己动手找开关，保留期的承诺也比较弱。

51
00:03:56,102 --> 00:04:02,785
付费版部分默认开启、部分默认关闭，开关更好找，保留期写得更明确。

52
00:04:02,785 --> 00:04:09,419
企业版通常承诺完全不用，默认就是关的，有合同约束，出问题可以追责。

53
00:04:09,419 --> 00:04:10,753
举个例子。

54
00:04:10,753 --> 00:04:14,455
同一家公司，两个入口，两套政策。

55
00:04:14,455 --> 00:04:20,393
它的免费网页版和应用，条款里写明可能把你的输入用于改进模型。

56
00:04:20,393 --> 00:04:24,768
而它面向开发者的接口，默认承诺不拿去训练。

57
00:04:24,768 --> 00:04:29,239
同一个模型，你从哪个门进去，待遇完全不同。

58
00:04:29,239 --> 00:04:30,838
再多说一句。

59
00:04:30,838 --> 00:04:36,234
条款承诺的是不直接进训练池，不等于数据在系统里不存在。

60
00:04:36,234 --> 00:04:42,015
你的请求要经过缓存、日志、风控审计，各有各的保留期。

61
00:04:42,015 --> 00:04:46,967
真正敏感的东西，靠的不是条款，是你压根没发出去。

62
00:04:46,967 --> 00:04:48,458
开关怎么找。

63
00:04:48,458 --> 00:04:55,128
打开设置，找这几类字眼，数据控制、隐私、改进模型、模型训练。

64
00:04:55,128 --> 00:04:58,133
网页版和手机应用里都找得到。

65
00:04:58,133 --> 00:05:02,917
实在找不到，就在设置页的搜索框里搜数据两个字。

66
00:05:02,917 --> 00:05:05,092
关掉开关管的是以后。

67
00:05:05,092 --> 00:05:11,054
已经练进模型的内容，删除对话也拿不回来，就像话说出口收不回。

68
00:05:11,054 --> 00:05:17,015
所以更靠谱的防线只有一条，从一开始就别把敏感的东西发进去。

69
00:05:17,015 --> 00:05:20,140
还有一句话有点扎心但很实在。

70
00:05:20,140 --> 00:05:25,465
免费的代价之一，往往是你的对话更可能被拿去当训练材料。

71
00:05:25,465 --> 00:05:29,491
在免费产品里，你不只是用户，你也是原料。

72
00:05:29,491 --> 00:05:31,078
三条红线。

73
00:05:31,078 --> 00:05:34,455
第一，能直接惹祸的号码和凭证。

74
00:05:34,455 --> 00:05:38,626
身份证号、银行卡号、各种密码和验证码。

75
00:05:38,626 --> 00:05:44,576
这类信息一串数字就能造成损失，问问题时用某某代替就行。

76
00:05:44,576 --> 00:05:46,571
第二，公司机密。

77
00:05:46,571 --> 00:05:51,066
内部经营数据、没发布的产品方案、核心代码。

78
00:05:51,066 --> 00:05:57,148
用 AI 润色文档前先想一想，这份东西登在明天的报纸上，你慌吗。

79
00:05:57,148 --> 00:06:00,429
慌，就先把敏感部分删掉再发。

80
00:06:00,429 --> 00:06:03,145
第三，客户和他人的资料。

81
00:06:03,145 --> 00:06:06,859
合同、客户名单、别人的聊天记录。

82
00:06:06,859 --> 00:06:12,580
当事人没同意给 AI 看，替别人做主发出去，出了问题责任在你。

83
00:06:12,580 --> 00:06:15,573
在公司用 AI，多记一条规矩。

84
00:06:15,573 --> 00:06:19,864
处理工作内容，用公司审批过的企业版账号。

85
00:06:19,864 --> 00:06:25,176
企业版贵，贵就贵在合同里白纸黑字写着你的数据只归你。

86
00:06:25,176 --> 00:06:32,965
拿个人免费号处理工作机密，等于把公司文件存进了一个连你自己都说不清条款的地方。

87
00:06:33,100 --> 00:06:36,511
第三站讲一个每天都会遇到的判断。

88
00:06:36,461 --> 00:06:41,449
遇到一件具体的事，怎么在几秒钟内判断能不能交给 AI。

89
00:06:41,449 --> 00:06:43,937
判断前先问自己两个问题。

90
00:06:43,937 --> 00:06:46,798
第一，这件事有标准答案吗。

91
00:06:46,798 --> 00:06:54,875
没有标准答案的事，起名、文案、点子、清单，它给十个你挑一个，错了也不叫错，放心用。

92
00:06:54,875 --> 00:07:02,014
有标准答案的事，数字、日期、条文、事实，它可能记串，值得多看一眼。

93
00:07:02,014 --> 00:07:04,586
第二，答错了后果多大。

94
00:07:04,586 --> 00:07:08,793
写文案错了大不了重写，影响小，随便试。

95
00:07:08,793 --> 00:07:18,024
涉及健康、金钱、法律的事，错一次可能补不回来，AI 的话当参考就好，拍板前找权威来源或者专业人士。

96
00:07:18,024 --> 00:07:21,125
两个问题交叉，就是四个格子。

97
00:07:21,125 --> 00:07:23,396
第一个格子，放心用。

98
00:07:23,396 --> 00:07:26,750
没有标准答案，加上你自己能把关。

99
00:07:26,750 --> 00:07:32,302
起名、润色、翻译大意、头脑风暴、列清单、写初稿。

100
00:07:32,302 --> 00:07:35,463
它的产出只是候选，你是裁判。

101
00:07:35,463 --> 00:07:39,129
第二个格子，放心问，动手前核实。

102
00:07:39,129 --> 00:07:44,177
帮助理解的知识，解释概念、看懂报告、科普原理。

103
00:07:44,177 --> 00:07:48,781
用它搞懂最高效，但要拿去做决定，先核对出处。

104
00:07:48,781 --> 00:07:51,209
第三个格子，要核实。

105
00:07:51,209 --> 00:07:57,435
有标准答案的具体事实，数字、日期、人名、条文、时效信息。

106
00:07:57,435 --> 00:08:01,774
顺手搜一下就能确认，只要十几秒，很值得。

107
00:08:01,774 --> 00:08:04,394
第四个格子，只当参考。

108
00:08:04,394 --> 00:08:06,725
健康、金钱、法律。

109
00:08:06,725 --> 00:08:14,706
它可以帮你听懂医生的话、看懂合同条款，但吃什么药、签不签字、投不投钱，听专业人士的。

110
00:08:14,706 --> 00:08:18,336
这四个格子不是死规矩，是一套排序。

111
00:08:18,336 --> 00:08:24,081
同样一件活，落在不同格子里，你要付出的核实成本完全不同。

112
00:08:24,081 --> 00:08:29,189
课程里先让学员做八道判断题，法则就藏在自己的答案里。

113
00:08:29,189 --> 00:08:34,766
把核实时间花在第三格和第四格，第一格和第二格就放心交出去。

114
00:08:34,766 --> 00:08:39,442
对产品经理来说，这张表可以直接变成团队规范。

115
00:08:39,442 --> 00:08:48,228
哪些产出可以直出，哪些必须附出处，哪些必须人工复核，写进流程里，比反复口头提醒有用得多。

116
00:08:48,364 --> 00:08:50,273
后半段讲原理。

117
00:08:50,223 --> 00:08:53,636
先说一个几乎人人都会搞混的点。

118
00:08:53,636 --> 00:08:56,989
很多人以为 AI 每次回答都在学习。

119
00:08:56,989 --> 00:08:59,453
实际上完全不是这么回事。

120
00:08:59,453 --> 00:09:03,576
大模型有两个完全不同的过程，训练和推理。

121
00:09:03,576 --> 00:09:09,766
训练，是在海量数据上调整数十亿个参数，让模型记住世界知识。

122
00:09:09,766 --> 00:09:18,203
它是一次性的，需要成千上万块专用芯片，参数持续更新，成本以亿美元计，时长数周到数月。

123
00:09:18,203 --> 00:09:22,891
类比一下，就是多年备考，反复刷题，记住知识。

124
00:09:22,891 --> 00:09:27,350
推理，是用固定参数，针对你的输入生成回答。

125
00:09:27,350 --> 00:09:35,199
它每次对话都发生，只需要一到数块芯片，参数完全冻结，按词元计费，一次一到十秒。

126
00:09:35,199 --> 00:09:40,523
类比一下，就是上考场作答，参数冻结，不再学习新东西。

127
00:09:40,523 --> 00:09:42,891
这个区别解释了很多事。

128
00:09:42,891 --> 00:09:51,064
今天告诉它你叫什么，明天重开对话它不记得，因为对话只存在于上下文里，不会修改任何参数。

129
00:09:51,064 --> 00:09:52,723
对话不是学习。

130
00:09:52,723 --> 00:09:58,396
课程里那个互动实验的结论很直接，你说的话不会修改任何权重。

131
00:09:58,396 --> 00:10:01,785
还有一个概念值得记住，上下文窗口。

132
00:10:01,785 --> 00:10:06,473
对话里所有的内容都存在这个窗口里，它是临时的。

133
00:10:06,473 --> 00:10:11,809
你和它的对话只存在于窗口之内，窗口一关，什么都不剩。

134
00:10:11,809 --> 00:10:15,571
对产品经理来说，这一条直接连着成本。

135
00:10:15,571 --> 00:10:21,376
推理是按词元计费的，所以接口账单总是随着上下文长度一起涨。

136
00:10:21,376 --> 00:10:26,989
你多贴一份长文档，成本就多一份，而且每一轮都要重新算一遍。

137
00:10:26,989 --> 00:10:33,612
你传给它的每一条消息都会被拼成文本，词元数量就是成本和质量的关键。

138
00:10:33,772 --> 00:10:37,496
第五站讲训练结束后得到的到底是什么。

139
00:10:37,446 --> 00:10:40,522
得到的原始模型只做一件事。

140
00:10:40,522 --> 00:10:44,813
给定前面所有的词元，预测下一个最可能的词元。

141
00:10:44,813 --> 00:10:52,434
前文进来，算出一个概率分布，采样，得到新词元，把它追加到序列末尾，然后再循环一次。

142
00:10:52,434 --> 00:10:57,434
不断把概率最高的词追加到末尾，直到生成终止符。

143
00:10:57,434 --> 00:11:02,013
它不会理解问题，不会思考答案，不会查阅知识。

144
00:11:02,013 --> 00:11:04,753
它只看概率，只吐词元。

145
00:11:04,753 --> 00:11:14,152
给它一句紫霞捧着月光宝盒，轻声问，哥哥，它会接着推出概率最高的下一个词，但它并不知道自己在写什么。

146
00:11:14,152 --> 00:11:20,054
它没有意图、没有记忆、没有常识判断，只有概率，只有词元。

147
00:11:20,054 --> 00:11:24,705
但这个简单的循环，是一切大模型能力的底层引擎。

148
00:11:24,705 --> 00:11:26,508
这里有个关键点。

149
00:11:26,508 --> 00:11:38,071
预测下一个词这个目标看起来极简单，但要用互联网上几乎所有的文字去做这件事，模型就被迫学会了语法、常识、事实、逻辑和风格。

150
00:11:38,071 --> 00:11:41,532
这一切都只是预测下一个词的副产品。

151
00:11:41,532 --> 00:11:47,109
这个循环听起来很笨，但规模上去之后，会出现意料之外的能力。

152
00:11:47,109 --> 00:11:50,595
它先吃什么，决定了它后来能说什么。

153
00:11:50,595 --> 00:11:55,438
想让模型学会说话，先要喂给它数以万亿计的词元。

154
00:11:55,438 --> 00:11:58,611
它读了人类写过的绝大多数内容。

155
00:11:58,611 --> 00:12:03,275
训练数据的质量和多样性，决定了模型世界观的上限。

156
00:12:03,275 --> 00:12:10,366
数据量小的模型，在事实性问题上更容易出现幻觉，这不是靠调参能补上的。

157
00:12:10,366 --> 00:12:14,008
在它之前，大家都在做任务专用模型。

158
00:12:14,008 --> 00:12:18,479
先确定任务再训练模型，换任务就换模型。

159
00:12:18,479 --> 00:12:23,960
预训练路线反过来了，先用海量语料做预训练，再适配任务。

160
00:12:23,960 --> 00:12:27,409
预训练一次，能力迁移到任意任务。

161
00:12:27,409 --> 00:12:30,631
这就是基础模型的核心思路。

162
00:12:30,772 --> 00:12:33,726
最后一站讲一个很有意思的细节。

163
00:12:33,676 --> 00:12:41,200
明明是在和大模型对话，为什么有的公司的接口路径里写的是补全，而另一家写的是消息。

164
00:12:41,200 --> 00:12:45,623
补全这个命名的背后，藏着对大模型本质的理解。

165
00:12:45,623 --> 00:12:50,467
大模型的本质是补全，给它一段文字，它接着往下写。

166
00:12:50,467 --> 00:12:56,573
聊天不过是把对话格式化成一段待补全的文本，本质还是在做词元补全。

167
00:12:56,573 --> 00:13:03,111
从补全视角看一次对话，你会发现模型实际看到的是这样一段拼接后的文本。

168
00:13:03,111 --> 00:13:07,727
开头是一段系统提示，写着你是一个有帮助的助手。

169
00:13:07,727 --> 00:13:09,794
然后是用户说了什么。

170
00:13:09,794 --> 00:13:12,126
最后留一个助手的标记。

171
00:13:12,126 --> 00:13:19,385
模型做的事，就是从助手标记之后，预测下一个概率最高的词元，一直生成到终止符。

172
00:13:19,385 --> 00:13:20,996
对话是假象。

173
00:13:20,996 --> 00:13:25,323
你以为在对话，模型只是在把这段文本补全完整。

174
00:13:25,323 --> 00:13:28,039
这就是补全这两个字的真相。

175
00:13:28,039 --> 00:13:31,741
顺着这个思路，还能解释一个早期实验。

176
00:13:31,741 --> 00:13:39,554
既然它只会往后补全，那就构造一个格式，这是一段没写完的聊天记录，你来续写助理的部分。

177
00:13:39,554 --> 00:13:49,710
先把用户说了什么填进去，助理那一栏故意留空，把整段文字喂给原始模型，它只会做一件事，从结尾处开始补全。

178
00:13:49,710 --> 00:13:57,318
用户再说一句话，就把上一轮回答加新问题重新拼成更长的待补全文本，继续送进去。

179
00:13:57,318 --> 00:13:58,965
补得有模有样。

180
00:13:58,965 --> 00:14:01,633
但等一下，它是推出来的吗。

181
00:14:01,633 --> 00:14:08,772
有一轮里，上一句只说了至尊宝最深爱的人是紫霞仙子，压根没说紫霞爱谁。

182
00:14:08,772 --> 00:14:12,955
严格按字面推，她爱的人是谁这一问答不出来。

183
00:14:12,955 --> 00:14:18,352
模型敢这么补，是因为它在训练语料里见过这个故事无数遍。

184
00:14:18,352 --> 00:14:22,498
这不是推理，是把最常一起出现的话接下去。

185
00:14:22,498 --> 00:14:27,967
补得像和想明白了是两回事，顺着这条缝往下走，就是幻觉。

186
00:14:27,967 --> 00:14:32,787
理解对话等于补全，是读懂所有 AI 工程化的起点。

187
00:14:32,787 --> 00:14:40,684
这套范式率先引爆了市场，后来全球的开发者、框架和工具链都对齐了这套接口设计。

188
00:14:40,828 --> 00:14:44,059
最后给你六条今天就能用的判断。

189
00:14:44,009 --> 00:14:46,965
第一条，低价共享账号别碰。

190
00:14:46,965 --> 00:14:53,348
记录互相可见、封号连坐、钥匙在别人手里，出了事没有任何维权渠道。

191
00:14:53,348 --> 00:14:57,266
想省钱走官方免费额度或者合规订阅。

192
00:14:57,266 --> 00:14:59,646
第二条，默认在收集。

193
00:14:59,646 --> 00:15:05,547
去设置里找数据控制、隐私、改进模型这类字眼，把开关关掉。

194
00:15:05,547 --> 00:15:09,538
但关掉只管以后，已经发出去的内容拿不回来。

195
00:15:09,538 --> 00:15:12,374
第三条，三条红线别碰。

196
00:15:12,374 --> 00:15:16,821
证件号和凭证、公司机密、客户和他人的资料。

197
00:15:16,821 --> 00:15:22,194
判断标准只有一句，这份东西登在明天的报纸上，你慌吗。

198
00:15:22,194 --> 00:15:25,042
第四条，遇事先问两个问题。

199
00:15:25,042 --> 00:15:28,264
有标准答案吗，错了后果大吗。

200
00:15:28,264 --> 00:15:32,038
没有标准答案又能自己把关的，放心用。

201
00:15:32,038 --> 00:15:35,030
有标准答案的，顺手核实。

202
00:15:35,030 --> 00:15:38,588
健康、金钱、法律，只当参考。

203
00:15:38,588 --> 00:15:41,040
第五条，对话不是学习。

204
00:15:41,040 --> 00:15:45,559
训练和推理是两个过程，推理时参数完全冻结。

205
00:15:45,559 --> 00:15:50,163
你今天说的话只会留在上下文里，不会改到模型。

206
00:15:50,163 --> 00:15:52,999
第六条，记住对话等于补全。

207
00:15:52,999 --> 00:16:01,220
系统提示词、上下文、历史消息全部拼成一段文本，词元数量既是成本，也是质量的关键。

208
00:16:01,220 --> 00:16:05,295
把这六条记住，你会同时省下两类成本。

209
00:16:05,295 --> 00:16:08,768
不该冒的风险，和不该花的冤枉钱。

210
00:16:08,768 --> 00:16:13,732
技术会一直变，但这六条背后的判断方式不会变。

211
00:16:13,732 --> 00:16:18,360
先问代价，再问边界，最后问自己能不能把关。