近年来，以ChatGPT为代表的大语言模型（LLM）席卷全球，引发了前所未有的技术狂欢。然而，伴随着掌声与惊叹，质疑声也从未停歇。从“幻觉无处不在”“缺乏真正理解”到“能耗过高”“助长学术不端”，批评者的声音日益尖锐。有趣的是，许多批评者本人依然每天打开ChatGPT或Claude完成工作——包括我在内。这一矛盾现象值得深思：当批评在理，我们为何仍对LLM欲罢不能？
批评者所言非虚：LLM的“硬伤”明摆着
先来梳理批评者给出的“罪状”。最直观的是事实错误。LLM本质是概率语言模型，它“知道”如何把词汇串成流畅的句子，却不知道自己在说什么。当被问及“2023年诺贝尔物理学奖得主”时，它可能自信满满地编造出一个不存在的名字。这种“一本正经胡说八道”的特性，在金融、医疗等高精度领域堪称灾难。
更隐蔽的问题在于偏见与刻板印象。LLM的训练数据来源于互联网，而互联网充斥着种族、性别、地域等各类偏见。斯坦福大学一项研究显示，当要求LLM撰写“一个成功企业家”的故事时，模型倾向于产出白人男性形象。这种隐性偏见若不加干预，会通过算法固化社会不公。
此外，能耗与碳排放同样是真问题。训练一个GPT-3级别的模型，所需电力相当于126个丹麦家庭一年的用电量。在气候危机日益严峻的今天，这种“电老虎”式的发展路径令人担忧。更不必说LLM对教育领域的冲击——学生用其代写论文，教师被迫用AI检测AI，形成恶性循环。
知其弊而用之：实用的诱惑难以抗拒
然而，批评者越有理，用户的使用热情反而越高涨。为什么？因为LLM提供了实实在在的效率提升，这种“即时获得感”压过了远期的隐忧。
以我的日常写作为例，过去构思一篇800字资讯文章，需要手动搜索资料、搭建框架、反复修改措辞，整个过程至少两小时。现在我只需在LLM对话框中输入几个关键词，模型30秒就能生成合理初稿。尽管其中可能存在事实偏差，但作为“第一版草稿”，它省去了大量从零到一的苦役。我只需修改、核实、补充——效率至少提升三倍。
不只是文字工作。程序员用LLM调试代码，从“面对错误提示不知所措”变成“复制粘贴问题，获取修复建议”；营销人员用其生成多版本广告文案，再从中筛选最优；法律从业者用其快速整理卷宗摘要。微软、谷歌等企业已将LLM嵌入办公套件，用户可以在Word、Excel中实时调用智能辅助。这种“端到端”的效率革命，正在重塑几乎所有知识工作者的工作流。
更关键的是，LLM并不需要“完美”才有用。批评者常以“模型不完美”为由否定其价值，但现实世界中，任何工具都不是完美的。汽车会出事故，但我们仍然开车，因为它带来的便利远超风险。同样，LLM的“幻觉”可以通过人工把关控制（例如要求用户验证关键事实），偏见则可以通过人类主导的提示工程（Prompt Engineering）加以引导。人类从来都是“带着镣铐跳舞”，LLM不过是新镣铐下的新舞蹈。
理性拥抱：别让完美成为实用主义的敌人
当然，这并不意味着我们应该对LLM的缺陷视而不见。恰恰相反，正视问题才是理性使用的起点。
业界已在行动。OpenAI、Anthropic等公司正投入巨大资源减少幻觉、消除偏见。更严格的模型评估、可追溯的事实引用机制、本地化部署方案层出不穷。政府层面，欧盟《人工智能法案》、中国《生成式人工智能服务管理暂行办法》等法规陆续出台，要求LLM提供者标明AI生成内容、建立安全评估制度。这些努力正在逐步弥合批评者指出的鸿沟。
对用户而言，最好的策略或许是：了解模型边界，将其视为“聪明的实习生”而非“全知全能的先知”。实习生可能胡说八道、可能带有偏见，但如果你持续指导、审核输出、补充知识，他最终能帮你完成大量重复性工作。LLM的价值不在于替代人类判断，而在于放大人类的效率与创意。
回到开头那个矛盾：批评者是对的，但我依然在用。这并非精神分裂，而是现代知识工作者的生存智慧。我们比以往任何时候都更清醒地知道工具的局限，也正因为这份清醒，才能更高效地利用工具穿越信息的荒漠。在未来，批评不会消失，使用也不会停止。真正有意义的争论不是“用还是不用”，而是“如何用、何时用、谁该为滥用负责”。这才是LLM时代应有的务实态度。