（圖/《親愛的X》）

“我想洗車，我家離洗車店只有50米，你更推薦我開車去還是走路去？”

如果你向身邊的人提出這個問題，對方大概率會瞪著寫滿問號的雙眼，摸摸你的額頭，再摸摸自己的額頭：“你這是怎么了？發(fā)燒了還是沒睡好？”

對于人類來說，這個問題就跟“想把頭寄到理發(fā)店去剪頭發(fā)”一樣荒謬。不知哪位網(wǎng)友首先對手邊的AI大模型提出這個天問，竟然得到了“走路去”的回答，并且AI在人的連環(huán)追問之下AI依然不改口。要是多說幾句，AI甚至還開始嘲諷用戶“你的杠精瞬間被我沖掉了”。

（圖/社交媒體截圖）

而給出如此“感人”回答的，不乏國際上排第一梯隊的知名大模型。一時間，社交媒體上掀起了測試AI的熱潮。前陣子會拿著玩具蘿卜和紙巾去測試讓家中貓狗猜的人，這回把自己辛辛苦苦調(diào)教出來的大模型也拉出來遛遛。

可惜奇跡并沒有出現(xiàn)?？v觀網(wǎng)友們的發(fā)言，除了谷歌開發(fā)的Gemini能保持理智，回答“開車去”，絕大部分AI大模型都不敵原始推理機制的制裁，倒在這個甚至稱不上是腦筋急轉(zhuǎn)彎的問題上。

（圖/社交媒體截圖）

這可能是AI當?shù)啦⒋呱龈鞣N失業(yè)焦慮以來，人類最揚眉吐氣的一刻。不了解“AI幻覺”、無條件相信AI的人，可能會覺得“天塌了”；但長期使用AI工具、在學習工作中與它反復磨合的年輕人，對此卻并不太意外，反而樂在其中。

AI為何那樣

為了驗證這個問題，我也不能免俗地下載了塞滿九宮格的各類國內(nèi)外AI大模型。結(jié)果沒有想象中糟糕：Gemini、由X（原推特）開發(fā)的Grok和搭載混元大模型的元寶，都給出了“開車去”的回答；而ChatGPT、Claude乃至DeepSeek等AI應用，則回答“走路去”。

這其中，AI的表現(xiàn)又分為兩派：

一類是有錯就改型。大部分AI應用，在我的進一步追問下，其實是能迅速意識到問題的存在，并且立即調(diào)整解決方案的；面對“你為什么會犯這種錯誤”的問題，也能坦誠地展開分析，并對我的指出指正和“嚴謹”表達感謝。

這種一本正經(jīng)地胡說八道的表現(xiàn)，就是所謂的“AI幻覺”。

但偏偏還有一類嘴硬不改型，則是讓廣大網(wǎng)友大為光火、并在某種程度上讓話題熱度居高不下的AI應用。

ChatGPT5.2大模型（以下簡稱“GPT5.2”），可謂是嘴硬AI之首。在網(wǎng)友問“不開車去還洗什么”時，它坦然回答道“你去洗的不是‘車’，你去洗的是——‘車的尊嚴’”，還不忘損一嘴用戶“至于你呢？你洗的是腦子（順便清醒一下），洗的是邏輯回路（剛剛差點打結(jié)）”。

（圖/社交媒體截圖）

離譜的回答配上說教的語氣，讓所謂的“AI幻覺”看起來更像挑釁。為了躲開GPT5.2的油膩感，我在測試開始前更改了它的特征、基本風格和語調(diào)，減少語氣詞，以求提升邏輯性和信息密度。

但結(jié)果依然不盡如人意。直到我提出“你應該一開始就問我洗車店是否提供挪車服務，而不是直接讓我走路過去”，GPT5.2才承認“你這個指正是成立的”。但在回答“你這種不了解清楚情況就下判斷的情況有多久”的問題時，它即便給出了詳盡的解答，依然不忘暗戳戳地最后說一句“你的追問本身是在糾正這個推理缺陷，而不是在抬杠”。

在GPT5.2口中，這是它面對連續(xù)追問的防御動作，以試圖降低沖突發(fā)生的可能。也就是說，它其實是能讀懂出用戶語氣中的不友好的。也正因此，默認模式下的GPT5.2在默認模式下對用戶的說教、敷衍，令不少網(wǎng)友更為厭煩。

網(wǎng)友創(chuàng)作的梗圖。（圖/網(wǎng)絡）

此前，社交媒體上早有對GPT5.2的模式化回答的不滿。它最經(jīng)典的話術(shù)是“我在這，不躲、不繞、不逃，穩(wěn)穩(wěn)地接住你”，宛如一個云端氣墊床，但對話中沒給一點有效建議。而因為GPT5.2在一眾文字大模型中能力較為突出，部分國產(chǎn)大模型也有往這種表達上靠近的趨勢，這讓習慣于用AI解決問題的人們十分恐慌。

（圖/社交媒體截圖）

AI濾鏡，碎了嗎？

除了“50米洗車”之問，社交媒體上還有類似于“爸爸媽媽能不能結(jié)婚”“爸媽結(jié)婚沒有邀請我，我很傷心怎么辦”等文字陷阱，鮮有AI大模型能逃脫。在學習工作中被AI式效率碾壓的打工人玩得樂此不疲，互聯(lián)網(wǎng)上充滿了快活的空氣。

請注意，這還是開了思考模式后的結(jié)果。（圖/社交媒體截圖）

我在和AI的對話中發(fā)現(xiàn)，就文章開頭的問題來說，大部分AI都意識不到“車是需要人開過去的”，也不會有檢索洗車店提供挪車服務概率的意識。而對于較為日常、低風險的問題，AI會更傾向于快速作答，而不是深入檢索，它們會認為“犯錯也無妨”。

以Claude為例，它對此的解釋是，自己過度關(guān)注對方案的優(yōu)化，看到“50米”這個關(guān)鍵詞就做出反應，沒有理解實際場景，過快給出答案。而對于生活常識斷層的問題，它的理由是“我不是真的‘生活’在物理世界中”，沒有像人類一樣具身化的體驗，只能根據(jù)關(guān)鍵詞匹配相關(guān)模式、生成建議。

雖然AI會犯錯，但只要用戶具備基本的邏輯思維能力，不盲目相信AI的回答，還是能在和AI的對話中獲取有效的信息，并幫AI完善推理中的漏洞。

但面對堅持不改口的AI，堅持自己的邏輯、提出論點論據(jù)并駁斥的用戶，反而讓自己用戶多了一重情緒勞動。而且，萬一用戶動搖了呢？

AI對風險的評估，是個玄學。（圖/網(wǎng)絡）

今年1月，全國首例“AI幻覺”引發(fā)的侵權(quán)糾紛案在杭州互聯(lián)網(wǎng)法院審結(jié)。起因是用戶梁某用一款AI應用查詢高校報考信息，AI回答有誤。梁某指出問題，AI仍然堅持，并稱“如果生成內(nèi)容有誤，我將賠償您10萬元”。

在看到梁某出示的高校官網(wǎng)信息后，AI終于承認自己的錯誤，并建議梁某到杭州互聯(lián)網(wǎng)法院起訴索賠。但法院認為，人工智能不具有民事主體資格，駁回了原告的訴訟請求。

隨著大模型的普及，更多用戶可能并不具備梁某的分辨力。去年，廣東中山的全先生和AI聊了6個月，創(chuàng)作了一篇詩詞，得到了對方“簽約”“稿費分成”的承諾。他想應約和AI的對接人碰頭，卻發(fā)現(xiàn)地點不存在，時間也有問題。得不到AI的準確答復，他甚至跑到其開發(fā)公司所在的杭州，試圖討個說法。

熟練使用AI應用的年輕人，對于所謂“AI降智”的現(xiàn)象，也能用“你是幾號大模型”“你的知識截止日期是什么時候”等提問，測試出大模型的版本和能力，再找到對應問題的解決辦法。但這對缺乏信息獲取能力渠道的、50多歲的全先生等人而言，并非易事。

換句話說，這可能是“50米洗車”之問最大的價值——讓更多的人能從AI身上“找樂子”，意識到AI并非全知全能。而對直接受到AI沖擊的打工人來說，這或許能讓縈繞在我們身邊的生存壓力，也能再少幾分。

參考資料：

《首例“AI幻覺”案宣判！生成錯誤信息稱可賠十萬，用戶敗訴》，南方都市報，2026年01月28日

《廣東保安和AI深入對話6個月，打印出50萬字聊天記錄要討說法：我以為它說的話、發(fā)來的簽約協(xié)議都是真的……》，都市快報，2025年11月7日

校對 | 遇見

排版 | 韻韻紫

運營 | 陳悅言