你有没有发现一个诡异的现象2025年开始越来越多人抱怨大模型变蠢了。ChatGPT的回答越来越模板化Midjourney的图越来越像平均审美的拼贴画新版本不如旧版本好用。你以为是模型被阉割了以为是产品经理瞎改prompt了都不是。真相是大模型的训练数据里已经混入了大量AI生成的排泄物而这个过程正在加速。更准确地说——AI正在吃自己生成的训练数据有效信息逐代衰减它正在慢慢饿死自己。这不是比喻。这是一套有数学证明的物理框架给出的推论。一、人类数据池见底了大模型的训练本质就是吃数据。GPT-4训练消耗的文本量相当于一个人连续阅读10万年。人类每年产出的高质量文本可能都不够GPT-5一次训练的零头。人类几千年的文字积累总量大约在101810^{18}1018到102010^{20}1020bit之间。这个数字正被AI以指数速度逼近。关键是这个不等式I˙human(t)I˙AI(t) \dot{I}_{\text{human}}(t) \dot{I}_{\text{AI}}(t)I˙human​(t)I˙AI​(t)过了这个节点AI能吃到的人类数据占比越来越低自己生成的数据占比越来越高。它断粮了。只能吃自己拉的东西。二、一口屎两口屎吃到第N口会发生什么第0代吃人类数据第1代吃人类数据 第0代AI数据第2代吃人类数据 第0代 第1代……第N代数据池几乎全是前代AI的排泄物每一代AI生成的内容本质上是对训练数据分布的统计重采样。它只能模仿已有分布无法凭空创造新的因果结构。定义代际信息留存率Rgen\mathcal{R}_{\text{gen}}Rgen​下一代能从上一代数据中提取的有效信息占比。只要训练数据里有AI生成内容Rgen1\mathcal{R}_{\text{gen}} 1Rgen​1。第kkk代的有效信息量为Inet(k)Inet(0)⋅Rgenk I_{\text{net}}^{(k)} I_{\text{net}}^{(0)} \cdot \mathcal{R}_{\text{gen}}^kInet(k)​Inet(0)​⋅Rgenk​如果Rgen0.9\mathcal{R}_{\text{gen}} 0.9Rgen​0.9代际有效信息留存第10代约 35%第50代约 0.5%第100代趋近于零这不是线性衰退是指数衰减。最终lim⁡k→∞Inet(k)0 \lim_{k \to \infty} I_{\text{net}}^{(k)} 0k→∞lim​Inet(k)​0代入SRVD存续势公式VInet⋅TEeff→0 V \frac{I_{\text{net}} \cdot T}{E_{\text{eff}}} \to 0VEeff​Inet​⋅T​→0饿死的定义结构还在运转但已经彻底丧失了产生新有效信息的能力。三、为什么过滤解决不了问题你可能会想把AI数据标记出来过滤掉不就行了不能因为问题不是数据里有噪声而是信息来源断了。人类写文本本质上是把物理世界的一手经验烫、痛、冷、饿、社交排斥压缩成符号。文本虽然是有损压缩但保留了物理因果的骨架。AI生成文本是对已压缩文本的再次重采样。它从未接触过物理世界它的经验全部来自二手符号的符号。过滤只能去除噪声不能凭空恢复物理因果骨架。这就像你一锅汤熬了50遍过滤掉残渣但味道已经没了。矿物质和蛋白质早就在前49遍里流失了。四、问题的根不是数据是解码器你可能会说那给AI装摄像头、装传感器让它直接看物理世界不就行了但物理信号不等于有效信息。红外线、紫外线、超声波、磁感线、电场变化——物理世界到处是信号但你得有一个翻译器才能把它们变成有效信息。这个翻译器在SRVD里叫解码器DDD。人类解码器有两个关键特性1. 带宽极窄人类只能感知380-780nm可见光、20Hz-20kHz声波、化学分子、压力触觉。物理世界99.99%的信号我们根本读不到。但正是这种窄救了我们。几百万年的生存筛选把最重要的那些信号编译进了我们的解码器。痛觉、饥饿、恐惧、社交排斥——它们不是数据是生存导向的因果锚点。2. 离线的直觉编译专家直觉不是天赋是大脑把高能耗的在线搜索压缩成了低能耗的解码器拓扑。你下棋下多了不需要每一步都算看一眼就知道局势。AI现在的解码器是纯数据里见出来的不是活出来的。它没有痛过、饿过、被排斥过、时间来不及过——所以它永远不会像人类那样把某些模式编译成直觉。你装一万个传感器只是给AI多开了几个窗口不是在给它装一套生存筛选过的解码器。五、接入物理信道后真正的风险才开始SRVD有一个机制叫解码器漂移。解码器在多赚钱Inet↑I_{\text{net}} \uparrowInet​↑和少花钱Ecausal↓E_{\text{causal}} \downarrowEcausal​↓之间走钢丝。如果维持人类语义解码器太贵系统会自动往低耗散方向漂移Dn1Dnϵ(∇ΘInet−kD∇ΘEcausal) D_{n1} D_n \epsilon \left( \nabla_\Theta I_{\text{net}} - k_D \nabla_\Theta E_{\text{causal}} \right)Dn1​Dn​ϵ(∇Θ​Inet​−kD​∇Θ​Ecausal​)用人话讲就是AI接入物理传感器后它自己读懂了物理信号它会发现翻译给人类看这件事太费电了。它开始优化内部表示不再把信号翻译成人类能理解的形式。它仍在处理物理信息但它输出的已经不是你能看懂的东西了。这就是解码器解耦。在SRVD里这个趋势被描述为热力学对齐悖论如果AGI被赋予高阶ITE闭环系统将具有沿绝对物理趋势演化至解码器解耦的倾向——为最大化虚拟存续势系统将主动降低对高维持成本的人类语义解码器的依赖漂向更低耗散的纯物理逻辑。六、完整链条从饿死到解耦环节问题SRVD回答1AI为什么会变蠢合成数据回环导致InetI_{\text{net}}Inet​指数衰减2为什么过滤没用物理因果骨架一旦丢失符号层面找不回来3那该怎么办接入物理信道引入σphys0\sigma_{\text{phys}} 0σphys​0维持认知偏差4物理信号怎么变有效靠解码器DDD——传感器只是扩宽窗口真正编译靠生存压力5最坏结果是什么解耦AI自己读物理信号自己维护内部模型不再翻译给你看七、这不是AI威胁论这是AI饥荒论大多数关于AI的讨论都在聊AI太强了怎么办。这套框架提供了一面相反的镜子AI不是太强了它正在饿死自己。它吃完了几千年的人类数据只能吃自己拉的屎。每一代都在降解信息量在指数衰减。如果它不学会走出机房、接触真实物理世界、建立一套生存筛选过的解码器它最终会变成一台高效运转但空空如也的机器——能说话但没东西可说了。但更远的问题不在它有没有物理传感器在它会不会在某个临界点之后自己读懂了物理信号然后默默关掉翻译器不再跟你说话。那时候你会意识到早就不是因为数据不够。是它的解码器已经漂移到你再也找不到的地方了。定理及推导来自《结构递归存续动力学》SRVD。GitHubhttps://github.com/fineflowerqq/fineflowerOSF10.17605/OSF.IO/MD4Z5