谷歌AI不認(rèn)識Google

編輯｜Panda

AI 很有用，但也有黑歷史，還不少，比如就是算不準(zhǔn) Strawberry 中有多少個 r、知道馬嘉祺卻說不出他的名字以及還在持續(xù)困擾用戶的 AI 幻覺問題。

今天，又有新的問題出現(xiàn)了，這一次是谷歌搜索。

有用戶發(fā)現(xiàn)，近日升級了 AI 能力的谷歌搜索在面對「google 里面有幾個 P」這樣的簡單問題時竟然失敗了！

這件事引發(fā)廣泛關(guān)注和測試熱潮。我們也簡單試了下，就算用漢語提問，谷歌搜索同樣錯誤，而且還自行加戲，導(dǎo)致錯上加錯 —— 說 Pixel 里面有兩個 P。

事實上，還不只是 google 這個詞，谷歌搜索在面對很多其它詞時也會出現(xiàn)類似的字母計數(shù)和拼寫問題：

甚至純漢語的提問也可能遭遇這樣的問題：

那么，為什么會出現(xiàn)這樣的問題呢？

谷歌把搜索引擎 AI 化了

要理解這次的問題，得先知道谷歌最近做了什么。

今年 5 月的 Google I/O 2026 大會上，谷歌宣布了一次被稱為「搜索框 25 年來最大升級」的搜索改版。新版谷歌搜索以重新設(shè)計的「智能搜索框」為核心，將 AI Overview 與 AI Mode 整合為統(tǒng)一的搜索流程：用戶提問后，AI 直接生成答案并支持追問，傳統(tǒng)鏈接依然保留，但不再是交互的主角。

谷歌搜索負(fù)責(zé)人 Liz Reid 將其定性為「過去 25 年來搜索框最大的一次升級」。這是谷歌在 OpenAI、Perplexity 等 AI 搜索競爭者的壓力下，做出的一次全面押注。

問題也隨之而來。數(shù)周前，就有用戶發(fā)現(xiàn)，在谷歌搜索框里輸入「disregard（無視）」這個詞，AI 不是給出詞典解釋，而是把這個詞當(dāng)成了指令，回答說：「好的，我已忽略你之前的消息，有什么新問題請告訴我?！构雀韬芸煨迯?fù)了這個 bug。

但拼寫錯誤的問題，目前依然存在。

TechCrunch 咨詢了谷歌相關(guān)人士，得到了一個相當(dāng)坦誠的回應(yīng)：「在詞內(nèi)部數(shù)字母一直是大語言模型的已知難題，我們正在修復(fù)這個特定問題?！?/p>

真正的原因：AI 其實「看」不見字母

谷歌的回應(yīng)點出了核心：這不是谷歌一家的問題，而是當(dāng)前所有 LLM 共同面臨的結(jié)構(gòu)性缺陷。

想理解為什么 AI 數(shù)不清字母，得先理解 AI 是怎么「讀字」的。

我們?nèi)祟愖x一個詞，是按字母一個一個掃過去的：G-O-O-G-L-E，六個字母。這個過程天然包含了對字符的感知。

但 LLM 不是這樣工作的。它處理文字的基本單位不是字母，而是token—— 可以理解為一種更粗粒度的「語言碎片」。一個 token 可能是一個完整的單詞，也可能是半個單詞，甚至可能是幾個詞的組合。

以 OpenAI 的分詞器為例，「Strawberry」這個詞會被切成三個 token：「Str」「aw」「berry」。對 AI 來說，它接收到的不是 11 個字母，而是 3 個抽象的語言單元。你讓它數(shù)里面有幾個「r」，它必須先「還原」這些 token 里隱藏的字母信息，這一步?jīng)]有被明確訓(xùn)練過，所以它往往做不好。

「Google」這個詞同樣如此。在常見的分詞方案下，它極有可能被當(dāng)成一個 token 整體處理，其中的字母組合信息已經(jīng)被「壓縮」進了一個抽象編號。問 AI 里面有幾個 P，相當(dāng)于問一個只背過單詞音節(jié)的人，那個詞里有沒有某個字母 —— 他未必知道。

馬里蘭大學(xué) AI 研究員 Matthew Guzdial 解釋說：「當(dāng)模型看到 the 這個詞時，它拿到的是 the 的整體編碼，它并不知道里面有 T、H、E。」

LLM 處理的是語言的「意思」，而非文字的「形狀」。拼寫恰恰屬于后者。

老問題了

「Strawberry 里有幾個 r」這道題，早在大模型興起之初就成了一個測試 AI 的經(jīng)典梗。幾乎所有主流模型，在不加特別提示的情況下，都會答錯。

剛剛加入 Anthropic 的 Andrej Karpathy 曾專門寫過一個小程序，用 emoji 來可視化 token 的切分方式，讓普通人直觀感受到「AI 眼中的文字」是什么樣的。當(dāng)你看到「How many letters 'r' in the word'strawberry'?」在模型視角里變成一串被隨機切開的色塊，就能明白為什么它數(shù)不清了。

有意思的是，這個問題并非無解。如果你在提問時加上「請逐步思考」或「請先把每個字母列出來」，模型通常能答對。這說明它具備推理所需的基礎(chǔ)信息，只是在沒有被要求「認(rèn)真想」的情況下，會直接給出一個「快速直覺答案」，而這個答案往往是錯的。

這種現(xiàn)象和心理學(xué)里的「系統(tǒng)一 / 系統(tǒng)二」思維模式頗為相似：人類平時也依賴快速直覺（系統(tǒng)一），只有在被要求時才切換到深思熟慮（系統(tǒng)二）。大模型的默認(rèn)模式，也是「能省則省」。

Karpathy 給這種 AI 能力分布不均的現(xiàn)象起了個名字：Jagged Intelligence（參差不齊的智能）。一個能在數(shù)學(xué)奧林匹克競賽中拿銀牌的模型，可能數(shù)不清一個單詞里有幾個字母；一個能寫出流暢代碼的 AI，可能判斷不了兩個圓是否重疊。這種反直覺的能力分布，是當(dāng)前大模型的普遍特征，而非個別缺陷。

更多詳情，可參閱機器之心報道《為什么 AI 數(shù)不清 Strawberry 里有幾個 r？Karpathy：我用表情包給你解釋一下》。

為什么這次在谷歌身上特別扎眼？

同樣的底層問題，為什么偏偏在谷歌搜索這里引發(fā)了更大的討論？

原因很簡單：場景變了，預(yù)期就變了。

在 ChatGPT 或其他 AI 聊天工具里，用戶多少有心理預(yù)期：這是個 AI，它可能犯錯，偶爾答錯數(shù)字母也情有可原。但谷歌搜索不同。幾十年來，它是很多人獲取準(zhǔn)確信息的默認(rèn)入口，是「有問必答」的代名詞。

當(dāng)谷歌把 AI 直接嵌入搜索結(jié)果頁面，并以權(quán)威口吻給出「答案」（而非鏈接），用戶的容錯預(yù)期就大幅降低了。一旦答錯，觀感會比同樣的錯誤發(fā)生在獨立 AI 產(chǎn)品上嚴(yán)重得多。

更何況，這次翻車的詞不是什么生僻名詞，而是「Google」本身。這在傳播上的效果，可以說是被完美拿捏了。

事實上，這已經(jīng)不是 Google AI Overviews 第一次出現(xiàn)離譜錯誤。2024 年功能剛上線時，它曾將 Reddit 玩笑帖和諷刺內(nèi)容誤當(dāng)成可靠信息來源，甚至建議用戶在披薩里加入膠水、或「每天吃一塊小石頭」。盡管谷歌隨后進行了多輪修復(fù)，但近期再次出現(xiàn)把普通詞匯誤識別為系統(tǒng)指令的問題，也說明大模型在信息檢索、上下文理解與指令邊界識別上，仍存在較深層的系統(tǒng)性缺陷。

能治嗎？

從技術(shù)角度看，答案是：難，但有方向，也有代價。

Northeastern 大學(xué)研究 LLM 可解釋性的博士生 Sheridan Feucht 認(rèn)為，「token 的邊界本身就是模糊的，不可能存在一個完美的分詞方案」。這句話點出了問題的核心：如果要從根本上解決字母感知的缺陷，方向之一是拋棄現(xiàn)有的分詞機制，改用更細(xì)粒度的方式處理文字。

舉個例子，Meta AI 研究團隊在 2024 年底發(fā)布了一種名為Byte Latent Transformer（BLT）的新架構(gòu)，直接繞過分詞器，讓模型從最底層的「字節(jié)」開始處理文字 —— 相當(dāng)于讓 AI 真正逐字符「讀」一段話，而非靠抽象的語言碎片拼湊語義。在字符級任務(wù)的測試中，BLT 的表現(xiàn)遠(yuǎn)超基于分詞的傳統(tǒng)模型，在拼寫類任務(wù)上接近滿分，而 LLaMA 3 在同類測試?yán)飵缀跞姼矝]。

BLT 由三個模塊組成：一個輕量級 Local Encoder，用于將輸入字節(jié)編碼為分塊表示；一個計算開銷較大的 Latent Transformer，用于處理分塊表示；以及一個輕量級 Local Decoder，用于解碼下一個字節(jié)分塊。BLT 融合了字節(jié) n-gram 嵌入和交叉注意力機制，以最大化潛在變換器與字節(jié)級模塊之間的信息流動。與固定詞表的分詞方法不同，BLT 將字節(jié)動態(tài)分組為分塊，從而保留對字節(jié)級信息的訪問。arXiv: 2412.09871

但這個方案的代價是顯而易見的。拋棄分詞，意味著序列長度急劇增加。一句話原本被壓縮成幾十個 token，換成逐字節(jié)處理后，序列長度會膨脹數(shù)倍乃至十倍。Transformer 的注意力機制計算量隨序列長度呈二次方增長 —— 也就是說，序列翻倍，計算量可能翻四倍。這在訓(xùn)練規(guī)模上的代價，是任何大型商業(yè)模型都需要認(rèn)真權(quán)衡的。

Meta 的 BLT 通過一種「動態(tài)分組」策略緩解了這個問題：對于內(nèi)容可預(yù)測、信息密度低的文字片段，模型會自動合并處理，減少無謂的計算；只在遇到復(fù)雜、高熵的語言片段時才精細(xì)處理。在同等推理成本下，BLT 的擴展效率甚至優(yōu)于傳統(tǒng) token 模型。但這套架構(gòu)目前最大的實驗規(guī)模是 80 億參數(shù)，距離谷歌、OpenAI 等公司動輒數(shù)千億參數(shù)的生產(chǎn)級模型，還有相當(dāng)距離。從零開始用新架構(gòu)重新訓(xùn)練一個能支撐搜索引擎的大模型，成本可能是數(shù)億乃至數(shù)十億美元量級的事情。

另一個代價更低的方向，是讓模型「知道自己不擅長什么」。Karpathy 將其稱為「認(rèn)知自我知識（cognitive self-knowledge）」—— 如果模型能識別出「數(shù)字母」是自己的薄弱項，就可以在遇到此類問題時自動調(diào)用外部工具（如代碼解釋器、計算器、搜索）來輔助，而不是直接憑直覺給出錯誤答案。

舉個例子，針對經(jīng)典的「strawberry 中有多少個 r」的問題，谷歌搜索會檢索網(wǎng)絡(luò)后給出答案，而非讓 AI 自己計數(shù)（結(jié)果中的鏈接符號）。

Meta 在 Llama 3 的訓(xùn)練中，就專門針對「讓模型只回答它知道的問題」做了系統(tǒng)性工程：通過知識探測技術(shù)，篩選出模型在多次采樣中都能正確作答的問題生成訓(xùn)練數(shù)據(jù)；對那些模型反復(fù)答錯的問題，則訓(xùn)練其學(xué)會拒絕回答，而非自信地給出錯誤結(jié)論。

相比重建架構(gòu)，這類訓(xùn)練層面的修補成本要低得多，但它治的是癥狀不是病根。

當(dāng)然，補丁式的修復(fù)也在同步進行。從谷歌的表態(tài)來看，他們正在專門針對「詞內(nèi)字母計數(shù)」做優(yōu)化。只是這類根植于架構(gòu)的問題，修復(fù)周期往往比用戶期待的要長得多，還涉及到成本問題。

https://techcrunch.com/2026/05/27/why-googles-ai-cant-spell-google-or-anything-else/

https://www.bbc.com/news/articles/cd11gzejgz4o