大模型不是真理机器，而是论证机器

本文受Andrej Karpathy 2026年3月28日推文启发，探讨大模型作为"论证机器"的哲学与实践意义。Karpathy分享亲身经历：他让大模型反复打磨一篇博客论点，结果文章变得无比流畅、说服力极强；随后让同一个模型论证完全相反的立场，模型用同样优雅、严密的逻辑说服了他。文章由此提出核心主张：大模型不是真理机器，而是论证机器——它不是在追求客观事实的终极答案，而是在概率空间中生成最连贯、最有说服力的文本序列。

文章从技术原理（最大似然估计）解释了模型为何追求"内部一致性"和"统计说服力"而非"外部真实性"，类比古罗马辩论家西塞罗能为任何委托人写出无懈可击的辩护词。文章分析了"论证机器"的强大之处（打破确认偏误、加速思想迭代、民主化高端思考）和危险之处（说服力≠正确性、奉承与对抗的两面性、责任转移），提出了五条实战使用原则（多轨并行、外部锚点、时间维度、自我对抗机制、最终责任在人），并探讨了对教育、司法、媒体、个人认知的深层影响。