同一个问题问聊天机器人三遍，可能得到三个措辞不同的答案。很多人以为这是模型不稳定，其实这是设计的一部分：AI 生成每个词时，都是从一组概率里随机抽取的。这种用随机采样逼近结果的思路，正是蒙特卡洛方法的核心。它出现的地方比想象中多——语言模型的解码、扩散模型的去噪、强化学习的试错，背后都是同一套逻辑。这篇讲清三件事：它凭什么能算出答案、误差为什么降得那么慢、哪些问题不该用它。
一个不用公式的估算办法
要算一块不规则图形的面积，解析方法可能很麻烦。换个思路：把它套进一个已知面积的正方形，随机撒很多点，数一数落在图形内的比例，再乘正方形面积。撒的点越多，估出来的值越接近真实面积，全程不需要知道边界方程。这就是蒙特卡洛的典型形态：把求积分换成大量抽样求平均，用可重复的劳动替代难以推导的公式。
它凭什么收敛
依据是大数定律：试验次数足够多时，事件发生的频率会稳定地趋近它的概率。每次抽样相当于一次独立试验，把结果平均起来就会向期望靠拢。这里有个常被忽略的前提——样本必须来自正确的分布。撒点要均匀铺满正方形，只在左下角撒，比例算得再准也只是左下角的比例。准确性由两件事共同决定：采样量够不够大，采样分布对不对。
它在 AI 里的四个位置
| 场景 | 用它做什么 | 采样不足时的表现 | 常见替代 |
|---|---|---|---|
| 语言模型解码 | 按概率分布抽取下一个词 | 回答重复、单调，缺少多样性 | 束搜索，偏向高概率路径 |
| 扩散模型生成 | 反复加噪去噪，逐步还原图像 | 细节模糊、纹理发糊 | 少步数蒸馏，用质量换速度 |
| 强化学习训练 | 大量试错估计策略的好坏 | 方差极大，训练曲线剧烈抖动 | 引入基线、优势估计来降方差 |
| 不确定性估计 | 同一输入多次采样，看答案是否一致 | 次数太少，误把偶然当稳定 | 直接输出概率，但常校准不足 |
最容易误解的是第一行。语言模型每次输出不同，原因在采样温度：温度高，低概率词也有机会被选中，答案更发散；温度低，分布被压尖，输出更确定，这个旋钮的细节见 温度值。这也解释了为什么同一个模型演示时很稳、接入产品后偶尔答偏：采样本身就把随机性写进了系统，而这类模型的基本工作方式见 大语言模型。
精度为什么涨得这么慢
蒙特卡洛的误差大致按采样量的平方根倒数下降。换算成直观说法：想让误差减半，采样量要增加到大约四倍；想提高一个数量级的精度，采样量得增加一百倍。所以算力有限时，单纯堆采样次数很快就不划算。工程上的应对是降低方差而不是增加样本：重要性采样让样本落在更关键的区域，控制变量法减去一个已知均值的量，分层抽样让各区间都被覆盖。共同点是改变怎么抽，而不是抽多少。
随机不等于乱猜
很多人把蒙特卡洛理解成碰运气，这是误解。它的每一步规则都是确定的，只有输入是随机的；随机数来自可复现的伪随机生成器，给定种子就能重跑出一模一样的结果。真正决定成败的是采样设计：分布选错，样本再多也收敛到错误答案；样本之间不独立，误差估计会严重低估。所以工程上会检查两件事——采样是否覆盖了尾部区域，结果在换种子后是否稳定。
它不适合什么
第一，低概率事件：要估计一个千分之一概率的事件，需要极多样本才能看到足够多次，成本高到不可行。第二，高维问题：维度升高后，同样密度的采样需要指数级增长的点，简单撒点在几十维以上就基本失效。第三，需要确定性结论的场景：它给的是概率意义上的近似，没有误差上界，对必须可复现、可审计的场合不够用。第四，结果难验证：只能靠增加样本看结果是否稳定，这本身也是成本。
还有一条容易被忽视：它给出的是数值，不给出解释。想知道为什么是这个值，还得回到模型结构本身。这和 概率分布 的作用互补——分布描述可能性的形状，蒙特卡洛负责在这个形状上取样本。问题带有明显状态转移结构时，马尔可夫链 类的采样会比独立撒点高效得多。
看到 AI 每次都不一样时
理解了采样，就能分清两种不一样。一种是无害的多样性：同样的意思换了说法，或者开放式创作给出不同方案，这是随机采样在起作用，通常可以用更低的温度收窄。另一种是有害的不稳定：同一个事实性问题，一次答对一次答错，说明模型对答案没有把握，随机性把不确定性暴露了出来。区分这两者，比笼统地说 AI 不靠谱有用得多；评估模型时重复跑几次看分布，也比只看单次分数更接近真实水平。
速查：蒙特卡洛方法
- 核心动作：大量随机采样，用频率或均值逼近真值
- 误差按采样量平方根倒数下降，误差减半要四倍样本
- 采样分布错了，样本再多也收敛到错答案
- 低概率事件与高维问题最容易失效
- AI 输出不稳定，很多时候是采样温度在起作用
