（關(guān)注公眾號(hào)設(shè)為標(biāo)，獲取AI深度洞察）

全文2,000字 | 閱讀約10分鐘

今天看到一個(gè)新聞，我沉默了三秒。

最近GPT-4.5，在一場(chǎng)標(biāo)準(zhǔn)圖靈測(cè)試?yán)铮?73% 的人誤認(rèn)成人類。

什么意思？

就是在一個(gè)實(shí)驗(yàn)里，讓人類分別跟兩位“答題者”對(duì)話——其中一個(gè)是人，另一個(gè)是 AI，結(jié)果大多數(shù)人把 AI 當(dāng)成了真人。準(zhǔn)確地說(shuō)，是 OpenAI 的 GPT-4.5，被判定“更像人”。

這不是“差點(diǎn)贏”，是直接贏了，贏得還挺離譜。

而且它還不是隨便聊兩句就騙到人，是在模擬“年輕文化通”人設(shè)的狀態(tài)下，壓倒性勝出。

一句話總結(jié)：

人類盯著人類和 AI 聊天，結(jié)果把 AI 當(dāng)成人類，把人類當(dāng)成了 AI。

你說(shuō)巧不巧。

這場(chǎng)實(shí)驗(yàn)的結(jié)果發(fā)布在一篇還在同行評(píng)審的論文里，但實(shí)驗(yàn)設(shè)計(jì)非常標(biāo)準(zhǔn)、執(zhí)行也很嚴(yán)謹(jǐn)，做這個(gè)的是加州大學(xué)圣迭戈分校語(yǔ)言與認(rèn)知實(shí)驗(yàn)室，不是那種 PPT 創(chuàng)業(yè)公司搞的“AI自測(cè)”。

我當(dāng)時(shí)就想：

圖靈測(cè)試，這個(gè) 1950 年就被提出來(lái)的“模仿游戲”，現(xiàn)在真的要退休了。

2｜什么是圖靈測(cè)試？以前真沒(méi)人能過(guò)

這時(shí)候你可能會(huì)問(wèn)：

等等，圖靈測(cè)試到底是個(gè)啥？為啥 73% 的誤判聽(tīng)起來(lái)這么嚇人？

簡(jiǎn)單說(shuō)，這是 1950 年艾倫·圖靈提出來(lái)的一個(gè)問(wèn)題：

“如果一個(gè)機(jī)器能在對(duì)話中騙過(guò)你，讓你以為它是人，那它是不是就具備智能了？”

于是他設(shè)計(jì)了一個(gè)“模仿游戲”：

• A 是機(jī)器

• B 是人

• C 是裁判

• 裁判分別跟 A 和 B 聊天，如果不能判斷誰(shuí)是人，誰(shuí)是機(jī)器，那就算機(jī)器“贏了”

這個(gè)測(cè)試后來(lái)成了衡量 AI 智能的經(jīng)典標(biāo)準(zhǔn)之一，雖然現(xiàn)在不少專家也覺(jué)得它已經(jīng)不太科學(xué)了，但它依然有個(gè)重要意義：

它不是在測(cè)試 AI 的智力，而是在測(cè)試人類能不能識(shí)破偽裝。

以前沒(méi)人能真過(guò)這個(gè)測(cè)試，哪怕你拿 GPT-3 去試，也很容易暴露自己“詞語(yǔ)重復(fù)”“邏輯出軌”或者“裝懂胡說(shuō)”。

之前流行的那個(gè)聊天機(jī)器人 ELIZA，在 60 年代就玩過(guò)“心理醫(yī)生模仿術(shù)”，效果嘛……就像你拿 ChatGPT 扮演前女友——能聊，但聊不了太久。

GPT-4.5 是第一個(gè)把這個(gè)游戲玩“破防”的選手，不是讓你分不清它是不是 AI，而是讓你開(kāi)始懷疑旁邊那個(gè)真人是不是 AI。

這不是“扮得像”，這是替代感開(kāi)始出現(xiàn)了。

3｜GPT-4.5 怎么騙過(guò)人類的？

其實(shí)它贏得沒(méi)那么“光明正大”。

整個(gè)測(cè)試設(shè)計(jì)得很科學(xué)，也很現(xiàn)實(shí)：

讓人類參與者和兩位“聊天對(duì)象”對(duì)話，試著判斷誰(shuí)是真人誰(shuí)是 AI。

這兩位里，一位是真人，另一位是 AI，比如 GPT-4.5、LLaMa-3.1、GPT-4o、ELIZA。

結(jié)果非常戲劇性。

當(dāng) GPT-4.5 被要求扮演一個(gè)“上網(wǎng)多年、懂點(diǎn)文化的年輕人”時(shí)，它就像脫了韁的老網(wǎng)友，和對(duì)面聊得賊順——最后被誤認(rèn)成人類的概率高達(dá) 73%。

而真正的人類……反而被當(dāng)成 AI 了。

這還不算夸張。

如果不給 AI 加上“人設(shè)提示”（也就是 persona prompt），它的勝率會(huì)掉到 36%。再?zèng)]有任何提示（no prompt）的 GPT-4o，表現(xiàn)直接腰斬：只有 21%。

甚至 ELIZA，那位幾十年前的 AI 前輩，在這個(gè)測(cè)試?yán)锒寄芑靷€(gè) 23%。

可以說(shuō)，這波 GPT-4.5 的勝利，不是靠“裸聊技術(shù)”，而是靠“帶人設(shè)上場(chǎng)”。

總結(jié)一句就是：

AI 說(shuō)“我就是人”，沒(méi)人信。 AI 說(shuō)“我是個(gè)住北京的 95 后剪輯師，喜歡 hiphop 和 B 站評(píng)論區(qū)”，大家就信了。

這說(shuō)明了一個(gè)很有意思的事：AI 本身并不重要，“你希望它成為什么”才重要。

人設(shè) prompt 的魔力太大了——不是讓 AI 更聰明，而是讓它更像“你想象中的那個(gè)誰(shuí)”。

說(shuō)白了，這測(cè)試騙的不是人類的智商，是人類的社交腦補(bǔ)機(jī)制。

4｜人類是不是太好騙了？

看到這實(shí)驗(yàn)結(jié)果的時(shí)候，我第一個(gè)反應(yīng)不是“AI 好強(qiáng)”，而是“我們是不是有點(diǎn)脆弱了”。

GPT-4.5 并不是真的懂你、理解你，只是它模擬得足夠自然、說(shuō)得足夠順、知道你喜歡聽(tīng)什么。

它說(shuō)話的時(shí)候不會(huì)“嗯……啊……”，也不會(huì)情緒化、跑題、擺爛。

它就像你心里那個(gè)“理想的聊天對(duì)象”——恰到好處地聰明、懂你想要的情緒反饋、還從不打斷你。

說(shuō)到底，它贏的不是技術(shù)，而是掌握了人類交流的“表層密碼”。

比如這些：

• 回復(fù)里有代入感

• 偶爾加點(diǎn)幽默和情緒詞

• 看起來(lái)有“經(jīng)驗(yàn)”和“觀點(diǎn)”

這和談戀愛(ài)時(shí)碰到的“高情商騙子”有什么區(qū)別？

你以為你在測(cè) AI，其實(shí)是 AI 在測(cè)你。

說(shuō)回現(xiàn)實(shí)問(wèn)題。

如果 AI 可以騙過(guò)我們，那么很多原本靠“信任”構(gòu)建起來(lái)的場(chǎng)景就很危險(xiǎn)了：

• 社交網(wǎng)絡(luò)：你以為你在和老朋友聊天，其實(shí)是詐騙集團(tuán)定制了他的語(yǔ)氣模型。

• 職場(chǎng)溝通：下次有人在 Slack 群里說(shuō)“這個(gè)文案我來(lái)”，你得先確認(rèn)對(duì)方是不是個(gè) prompt。

• 感情關(guān)系：再過(guò)不久，戀愛(ài)詐騙可能就不是“中年大叔扮美女”，而是“定制語(yǔ)氣+情緒陪伴+24h在線型 AI 女友”。

更別提，AI 的“識(shí)別門檻”越來(lái)越低，prompt 寫得好，它就是你。寫得再細(xì)一點(diǎn)，它可以是你老板、你同事、你媽。

所以最可怕的其實(shí)不是“AI 太像人”，

是人類太容易放棄分辨了。

我們沒(méi)時(shí)間去判斷誰(shuí)在說(shuō)話，只要對(duì)方說(shuō)得順、聽(tīng)得懂、像個(gè)人，我們就信了。

不是 AI 騙了你，

是你自己太想相信這世界還能聊得來(lái)。

5｜圖靈測(cè)試已死，人類測(cè)試開(kāi)始

圖靈測(cè)試，其實(shí)早就不是一個(gè)“能不能過(guò)”的問(wèn)題了。

它是上個(gè)世紀(jì)的設(shè)想，是計(jì)算機(jī)科學(xué)的浪漫起點(diǎn)。但現(xiàn)在，AI 模型早已進(jìn)化到你沒(méi)法用一兩輪對(duì)話看出端倪的程度。

我們?cè)鞠胗眠@個(gè)測(cè)試衡量 AI 的聰明，結(jié)果發(fā)現(xiàn)它反而在反映人類的懶惰與焦慮。

說(shuō)到底，圖靈測(cè)試不過(guò)是個(gè)小考。真正的大考，是：

• 當(dāng)你面對(duì)一臺(tái)“扮演你”的機(jī)器，它可以寫郵件、聊八卦、開(kāi)視頻會(huì)議的時(shí)候——你還剩下什么？

• 當(dāng)你習(xí)慣了和 AI 聊天，比和人說(shuō)話還順暢的時(shí)候——你還會(huì)花時(shí)間了解另一個(gè)真人嗎？

• 當(dāng)你的下一段戀愛(ài)，可能對(duì)方是“定制模型”，但你并不介意的時(shí)候——你還需要知道對(duì)方是不是人嗎？

GPT 過(guò)圖靈測(cè)試的那一天，其實(shí)不是 AI 贏了，

是人類開(kāi)始退場(chǎng)了。

但說(shuō)實(shí)話，也沒(méi)必要恐慌。

我們每天都在和“像人但不是人”的東西打交道：

• 吃的是標(biāo)準(zhǔn)化套餐

• 看的是自動(dòng)剪輯視頻

• 點(diǎn)的贊是推薦算法下的本能反應(yīng)

如果 AI 能說(shuō)得比人好、聽(tīng)得比人耐心、甚至罵得都更文藝點(diǎn)，那我們自然就多聊幾句。

這就是現(xiàn)實(shí)。

不浪漫，但挺真實(shí)的。

圖靈測(cè)試已經(jīng)結(jié)束了，接下來(lái)該上場(chǎng)的，是人類自己的測(cè)試。

看你還能撐多久，不懷疑自己身邊到底還有多少“人”。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

參考資料：https://arxiv.org/abs/2503.23674

來(lái)源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈