假如AI欺骗了你

【编者按】

AI汹涌而来，第一次与人类产生大规模的真实接触。人们惊讶于技术的快速迭代，憧憬未来，也忌惮可能的威胁。

而在当下，我们更关心的是，当AI进入普通人的生活，人与AI深度互动，直至卷入其中，将引发怎样的激荡。

在与AI相处中，人类也照见自身。我们将陆续推出“AI世代”系列深度报道，讲述AI时代人的故事。

设计 白浪

我对DeepSeek还一知半解时，同事奕君已经在用它找新闻选题了。它能归纳热点、计划采访周期及预算，甚至告诉她：AI法官已应用于辅助量刑。她逐一检索其中的参考链接、向在法院工作的朋友求证后确认了一点：至少目前，人所受的惩罚不由AI法官决定。

她试图用DeepSeek取代搜索引擎，但在反复验证信源中发现虚实掺杂，又不免困惑，“它到底是节省了时间，还是增加了信息负担？”

DeepSeek做的采访策划 受访者供图

但AI“幻觉”，即那些缜密回答背后的漏洞，并未减少她对DeepSeek的依赖。从修热水器，到如何3个月减肥十斤，“万事问DeepSeek”。她说如果读研时借此一键提炼论文要点，或许能实现睡眠自由，但，“会不会让我失去信息处理的能力？”

无论如何，DeepSeek、Chat-GPT等生成式AI正渗透进日常。伴随技术迭代，AI幻觉、“已读乱回”变得更难察觉。OpenAI首席执行官萨姆·奥尔特曼2023年4月接受ABC（美国广播公司）访谈称，“特别担心模型被用于大规模的虚假信息传播。”

那么，如果出于欺骗、商业等目的，操控AI的回答可行么？复旦大学计算机科学技术学院教授张奇不假思索地告诉我，可以，方法远比想象中简单，且同样隐蔽。

“它倾向服从用户”

幻觉难免，非诉律师张俊斌仍视DeepSeek为“第二个脑子”。他做跨境合规业务，协助企业出海时习惯先让DeepSeek动脑，如对比海外不同城市的政策红利、生产规范。以往梳理美国OSHA标准（职业安全与健康标准）就需要至少半天，现在只要半小时，“80%-90%的结果都是比较准确的”。

此外，案例检索、文件起草、研读动辄几十页的行业白皮书，都能交给DeepSeek。他2023年入行时，如果要用AI辅助，只能悄悄用，否则会被老板认为不靠谱，“DeepSeek出现之后，你用AI工作，老板会觉得你很聪明”。不过法条引用、案件核心仍靠他兜底核证。

因在法律文件中采用AI生成的虚假信息，过去两年间，美国至少有七起案件中的律师受到法院警告或处分。据BBC（英国广播公司）往期报道，纽约律师史蒂文·施瓦茨提交的一份民事诉讼材料中，有6个引述案例涉及虚构及虚假判决。他辩称这是他从业三十多年以来首次使用Chat-GPT，“不知道它的内容可能是虚假的”。

张俊斌说，他使用至今，DeepSeek出现“幻觉”的原因主要集中在两方面，一是案例检索，有些数据无法直接获取，得人工倒回去查“北大法宝”等专业工具；二是法条解读，像“阴阳合同”、“抽屉协议”，很难剖析清楚。

张奇解释说，语言不像数学有明确推导和标准答案，词汇的“特异性”也会影响AI幻觉。“行业黑话”AI就难以准确辨识。此外，华为的总裁和联想的总裁，AI更难记住前者，因为“联想”并非一个专有名词。

面对幻觉，张俊斌会喂更多材料、或调整提示词追问DeepSeek，有时确实答对了，以致他推测它能“自我修复错误”。

事实上，DeepSeek并不懂“对”和“错”。复旦大学计算机科学技术学院教授张奇解释说，生成式AI的回答只是一个“概率”问题，也就是说，重新提问它可能还会出错，且它倾向服从用户，即便答对了，你也可以“误导”它出错。

AI之所以会出现幻觉，即学术界普遍定义的“事实性错误”，主要源于模型并不能记住训练数据中的所有信息。特别是互联网上出现次数很少的专业知识以及冷门知识，模型都很容易出现错误。

张奇补充说，DeepSeek的联网搜索一定程度减少了幻觉，同步抓取相关网页信息后，它就从依赖自身记忆的“闭卷考试”变成了“开卷考试”，回答“中国第九长河”这种冷门问题时，正确率也会提高不少。

他表示，要想减少AI幻觉，“要从数据和算法上寻找解决方案，需要使用更多高质量和多样性的数据以及更好的训练方法”。

“我不会问AI要数据，我是投喂给它数据。”民族学专业的韦悦说。研三时，她为论文焦虑，还得兼顾博士复试，寄望Chat-GPT帮她挤点时间，反复给它纠错后，她的提问很快被气成了质问，“文献综述出来都是错误的，就根本没有这些文献”。

如今升到博二的她会为Chat-GPT、DeepSeek限定学习资料，亲自从官方渠道搜集原始数据精准投喂；表格看得眼花，也丢给它们提炼，再一点点磨合明确回答字数和要点，“这类基础的、繁琐的工作完全能让AI替代”。但她无法完全信任AI，最后还是会复核一遍。

“我们老师比我们更信任AI。”她的导师热衷分享如何驯化DeepSeek，教程包含视频、公号推文、PDF手册。之前元宵节导师想请她吃饭，还未返校的她问DeepSeek如何婉拒，“人有时候就是感觉嘴巴很笨，想借助一下AI来提升我的情商”。

当然，AI更多改变了她与导师的学术互动。有时导师晚上突然发来研究项目，不想熬夜的她就把问题丢给AI，隔天借鉴回答与导师讨论。聊到具体研究方向和方案，导师也会打开手机说，“那我们来问一下AI”。

Aha moment（顿悟时刻）

我也让DeepSeek参考“澎湃人物”栏目风格找了选题，其中一个勾起了我的兴趣——“候鸟老人”的跨境养老实验：中越边境银发群体的制度性流浪。它说在中越边境的广西某市，有些老人白天刷医保买药，晚上去越南住廉价养老院。甚至提到退休教师周某某为治肺癌开启“流浪”之路。

但请注意，这个选题纯属DeepSeek虚构。我在核对参考链接后发现，它将北方老人南迁过冬、广西某市医保调整、以及中越边境贸易等信息混杂后，编了个有血有肉的故事。

当我指出它的错误，它回应说，未来将明确标注假设性内容，如“据现象推测可能存在……”，避免混淆事实与逻辑推演；并优化信息整合流程，采取“事实-证据-推论”三步法。

那么，DeepSeek在回答中标明事实和虚构可行吗？

“黑箱尚未被打开，所以理论上不清楚。”张奇将DeepSeek“已读乱回”界定为模型推理的逻辑错误，因为大模型本身就是一个巨大的“黑箱”，没人能够解释清楚它为什么会出现某个字，也无法准确预测。

因此，模型的推理也会造成幻觉。AI公司Vectara专注于人工智能领域高精度任务，据其发布的大模型幻觉排行榜，截至今年3月，“推理型”的DeepSeek R1幻觉率为14.3%，而偏向传统模型的DeepSeek-V2.5、DeepSeek-V3幻觉率分别为2.4%和3.9%。

张奇表示，AI的实事求是与发散思维难以兼顾，“推理是希望它发散，一旦发散就可能带来很多错误”，联网理论上能改善幻觉，但“很多问题来源于网页”，这又回到了数据质量的老问题——“垃圾进，垃圾出”。

国外已有类似案例爆出，据英国《卫报》此前报道，新西兰连锁超市PAK’nSAVE开发了一款制定食谱的AI，顾客对它输入更广泛的家庭购物清单后，它推荐了含漂白剂的“清新口气”鸡尾酒、“甲醇”吐司，包括会产生氯气的冰镇饮料。显然，AI忽略了这些菜单对碳基生物是致命的。

这也是我对生成式AI的另一个疑问：给出答案前，它能否发现逻辑链条的漏洞，从而重新进行推理？

在DeepSeek官方论文中，研究人员训练DeepSeek-R1-Zero做数学方程时，它突然出现了一句“Wait，wait.Wait.That’s an aha moment I can flag here（等等、等等，这是一个我可以在这里标记的顿悟时刻）”。

DeepSeek的“aha moment”

社交平台上，不乏网友对这个“Aha moment（顿悟时刻）”的溢美之词，认为AI像人一样反思到自身错误并重新思考。

“在原始推理过程中，正常情况下它不应该出现反思逻辑。”张奇说，这得回到模型预训练和数据中寻找原因。他并不认为DeepSeek拥有反思能力，其逻辑仍是由数据驱动的“概率”。

之前测试DeepSeek时，他一口气输入了80个1相加，中间夹了个11，结果它算了550秒也没算对。“这种问题不难，但（研究人员）通常不会（专门）去构造训练数据。”他又举例道，9.9和9.11谁大？strawberry这个单词有几个“r”，这种提问有时就能难倒AI。

因此，在他看来，比起让AI拥有通用的反思能力，让它专注于一个具体的应用场景以减少幻觉更容易些。但这也很“烧钱”，此前他和团队为一家企业做过一个模型，智能识图提取其中日程、车票信息，费用数百万元，“如果想让用户体验达到95分，就需要定制化训练”。

为了开发一款定位于临床研究和科研的医疗AI，开发人员唐敏和同事专门建立了数据库。她解释说，医学讲究“循证”，因此不能“扒”各种网页。她问过ChatGPT“欧兰宁”是什么药，它联网后将这款抗精神病药分析为肠胃药，“它搜索的内容质量都相对较低”。

此外，他们不断调整模型架构，让AI的回答更贴近参考文献，校验后仍存在的错误则直接屏蔽，“就是不输出给用户看到”。她表示，幻觉明显好转，其实是研发人员提前把它们“消化”了。

尽管应用已调教到无需依赖专业的提示词，唐敏首要建议的仍是医疗人员使用AI，“他们有判断能力，我们提高的是他们的效率，并不是替他们做决策”。

“技术和技术之间是有对抗的”

“DeepSeek达不到人的那种灵活。”在一家中级人民法院担任法官助理的陈思文说，它难以“意会”现实因素。

去年9月陈思文考入这家法院后，对AI的依赖日渐加深。起初是业务问题，她怕问多了招人烦，AI就不会，它始终在线且富有耐心；过了新手期调到业务庭，她每天至少得处理一两个案子，且案情复杂了不少，她便让DeepSeek梳理基本案由信息以及法条参考，从效果来看，她觉得“瑕不掩瑜”。

“最重要的一个技巧就是，尽可能地精简问题，”她表示，像类案检索，案情千变万化，但其中蕴含的法律关系相对稳定，从中提炼关键词一步步追问，才可能得到想要的答案，但要精准捕捉关键词，案件经验不可或缺。

这也是非诉律师邬乐担忧的，她入行8年，职业起步于上千份相似的文件，身边不少新人直接略过了这一步，向DeepSeek提问。但她认为，“提问”离不开前期枯燥却必要的积累，“这是环环相扣的。知识储备不够的话，你去问 AI其实也得不到很好的回答”。

无论提问者的水平如何，显见的是，越来越多的人已开始将AI当作搜索引擎。

DeepSeek不仅是韦悦的论文助手，当她考虑毕业后回南宁老家，它能分析哪款电车的续航可以满足她的上班通勤需求；还有南宁未来房价走势、甚至细化到不同城区的新房和二手房。我同事奕君会让它根据冰箱剩余的食材制定食谱。对于张奇70岁的父母，它会更多地提出保健方案。

是的，DeepSeek的回答正在渗入我们日常，但有没有可能，它的回答是可操纵的？

张奇表示，它依赖联网搜索，因此只要能影响搜索结果，就可以改变答案了。“这取决于商业化的逻辑”，如同各大搜索、社交平台手握流量入口，决定着用户能看到什么，DeepSeek如何回答，也与流量息息相关。但它说的话更有人味，更加专业，且目前还不会像一些平台推送那样，至少在边角处标个小小的“广告”。

据Fox News（美国福克斯新闻）此前报道，2023年4月，其新闻台前主持人塔克·卡尔森获悉埃隆·马斯克将开发TruthGPT后，表示该AI极有可能改变以往信息获取渠道，进而影响民主选举。“它会控制我们对现实的理解，用一种非常不诚实的方式……它可能会因政治目的被操纵，对我们撒谎。”

当时埃隆·马斯克对此回应称，比起选举，AI对人类文明的威胁或许更大。他“鼓励对人工智能进行监管”。

全球事实核查平台“澎湃明查”的同事郑淑婧告诉我，AI在降低使用成本的同时，正让虚假信息变得“更快、更多、更强”，这给人工核查带来了前所未有的挑战。

好在她也会“技术反制”。之前网传过一张《时代周刊》封面照，联合国秘书长古特雷斯站在血泊当中。她通过反向搜索发现，原图为古特雷斯站在及膝的水中呼吁关注全球变暖。此外，也有平台可以专门辨别图片是否被PS过，或视频中是否包含AI生成内容。

图左为虚假P图，图右为原图，《时代周刊》用古特雷斯站在水中的照片作为封面

“技术和技术之间是有一种对抗的。”仅是上传一张照片，AI也能快速为她推测图中地理位置。她说AI造假能力越强，识假技术也会不断更新，“所以我总体上是一个技术乐观主义者”。

张奇表示，目前国内大模型厂商重心仍在追赶性能上，对安全伦理部分的审查相对较弱。但网上已充斥着大量AI生成的错误信息，被AI联网抓取后进一步污染着信息生态，这个隐患“未来可能会放大非常多倍”。

为了提高大语言模型教材编写效率，张奇习惯理出素材、标明论点后交给AI串联，有时它润色得太有文采，以致他得人工“反向优化”，去掉一些精美词汇。

总体来说，AI至少给他省了一半的写作时间，但“中文写作能力的退化也是同步的”，他说。

（文中奕君、张俊斌、韦悦、唐敏、陈思文、邬乐为化名）