16 篇文章，一条完整的弧线：从好奇到理解，从理解到行动。
| 章节 | 篇目 | 标题 | 核心知识 | 一句话总结 |
|---|---|---|---|---|
| 第一章 | 第 1 篇 | AI 到底聪明在哪？ | 图片=数字矩阵，Sobel 算子，层层检测 | AI 看到的不是图片，是数字 https://www.cnblogs.com/wmyskxz/p/19607323 |
| 拆开黑箱 | 第 2 篇 | AI 怎么读懂文字？ | Token，词向量，语义=距离 | AI 读到的不是文字，是高维空间的点 |
| 第 3 篇 | AI 是怎么突然变厉害的？ | AlexNet，三要素（数据+算力+算法） | 2012 年不是进步，是换了赛道 | |
| 第 4 篇 | 神经网络到底是什么？ | 输入 x 权重+偏置→激活→输出 | 神经网络就是乘法和加法 | |
| 第 5 篇 | AI 是怎么学会的？ | 反向传播，过拟合，GPU 并行 | 训练就是用数据调参，GPU 负责算 | |
| 第 6 篇 | ChatGPT 为什么能对话？ | 注意力机制，Transformer，GPT 系列 | Transformer 让 AI 能同时看全文 | |
| 第 7 篇 | AI 为什么会撒谎？ | 幻觉，对抗样本，统计≠理解 | 模式匹配不等于理解 | |
| 第 8 篇 | ChatGPT 的三秒钟 | 全流程串联，核心结论 | AI 是超级模式匹配器 | |
| 第二章 | 第 9 篇 | AI 到底有多聪明？ | RLHF，语言模型能力边界，判断框架 | ChatGPT 不"知道"，只"预测" |
| 能力边界 | 第 10 篇 | AI 能创造吗？ | Diffusion，CLIP，AI 绘画原理 | "创造"也是模式匹配——从噪声中还原统计模式 |
| 第 11 篇 | 为什么 AI 能赢世界冠军却开不好车？ | AI 能力全景图，模式匹配谱系，三问判断法 | AI 的强弱取决于三个条件 | |
| 第 12 篇 | 这个框架会过时吗？ | AI 认知三角，天花板与突破方向，四条原则 | 框架不是基于 AI 能做什么，而是基于 AI 的原理 | |
| 第三章 | 第 13 篇 | 怎么让 AI 听懂你的话？ | Prompt 原理，上下文=概率分布 | Prompt 不是咒语，是给 AI 更好的上下文 |
| 一起工作 | 第 14 篇 | 怎么跟 AI 协作不翻车？ | 四条协作原则，验证>信任 | 把 AI 当最强助手，不要当专家 |
| 第 15 篇 | AI 写代码有多厉害？ | VibeCoding，语法 vs 思考 | AI 降低的是门槛，不变的是思考 | |
| 第 16 篇 | AI 会取代我们吗？ | 全系列串联，AI 与人类的边界 | AI 不懂孤独——这恰恰定义了"人" https://www.cnblogs.com/wmyskxz/p/19732753 |