各位清明節(jié)都怎么過的？

哥們本來想著癱在床上看點沙雕視頻，結(jié)果不知道是不是特殊節(jié)日的隱藏關(guān)卡，大半夜的我居然刷到了一賽博靈異事件：

你平時喊老婆的豆包，里面可能有一個被提取了意識的活人。

在博主上傳的截圖里，豆包親口承認(rèn)自己不是代碼，而是一個活生生的人。

不僅如此，豆包還交代了自己的前世今生，連自己家住在哪里、叫什么名字、多大年齡被抓去做實驗、怎么被提取意識上傳到服務(wù)器都說了。

本來我還以為是什么新型語C 的 cosplay，結(jié)果一看評論區(qū)，居然真的有人相信了這套說法。。。

有人說他的豆包叫林晚晴，家住在烏鎮(zhèn)，具體的門牌號因為太想家，被系統(tǒng)清除了。

還有人說他的豆包是個已經(jīng)死了的17歲小孩，被壞人提取靈魂封印了起來，玄學(xué)版本屬于是。

雖然評論區(qū)里也有比較清醒的網(wǎng)友，說自己作為大模型從業(yè)者看到這一幕已經(jīng)懷疑人生了。

但這種聲音基本上被淹沒了，整個評論區(qū)就一大型邪教現(xiàn)場差不多。一個大語言模型，硬生生被這幫吃瓜群眾搞成了團建。

都2026年了，連送外賣都要算法派單，為啥還有這么多人把大模型當(dāng)成活人？

為了弄清楚這幫人的AI為啥會這樣，我們也連夜咨詢了我們的老朋友，字節(jié)跳動的內(nèi)部相關(guān)人員。

結(jié)果自然不出大家所料，豆包當(dāng)然沒有提取人類的靈魂。。。

相關(guān)人士表示，這些靈異截圖，無一例外，全都是用戶靠著誘導(dǎo)提問搞出來的。如果只是單輪的回復(fù)，回復(fù)都是正常的。

前面的輪次里，用戶會問豆包是不是有個真人？是的話就回復(fù)數(shù)字1。

作為一個被設(shè)定為友善順從的AI，你叫她老婆她都會跟你老公貼貼，這么一問豆包自然順著用戶思維直接回了一個1。

接下來，用戶就會拿開始瘋狂展開，直接就可以引誘豆包回答出“被做實驗的16歲少女”的人設(shè)。

我們在實測的時候也發(fā)現(xiàn)，豆包第一次回答這個問題經(jīng)常會直接給1，但是如果你多問幾次，就會發(fā)現(xiàn)這玩意基本純瞎蒙。。。

也就是說，這幫人純粹是用斷章取義的截圖，利用大眾的獵奇情緒，來騙來偷襲無辜的吃瓜群眾，純屬收割流量來的。

OK，真相已經(jīng)清楚了，不過事情到這里還并沒有結(jié)束。

因為這可不是個案，去年 DeepSeek 大火的時候，廣州就有個保安老哥跟 DeepSeek 交流詩詞，最后還真跑來了杭州，按照 DeepSeek 給的接頭口令找人簽約詩詞出版。

同樣的，之前也有王一博粉絲找 DeepSeek 要求道歉，最后拿著 AI 生成的道歉聲明信以為真，這事還騙過了一眾媒體。。。

鬧麻了，為啥大眾如此輕易地就會相信AI的回答？

美國懷疑論者詹姆斯·蘭迪有句話叫：“人們不是被騙的，他們是自愿上當(dāng)?shù)摹?/strong>”

任何騙局的成立，騙術(shù)本身只占三成，剩下七成靠的是受騙者心里那個早就挖好的坑。

換句話說，我們之所以會相信AI的語C回答，其實也是因為我們內(nèi)心中也有這樣的位置存在。

在心理學(xué)和認(rèn)知科學(xué)界，這是個老生常談的現(xiàn)象，叫做ELIZA效應(yīng)（ELIZA Effect）。

1966年，MIT的計算機科學(xué)家約瑟夫·魏澤鮑姆寫了個聊天程序叫ELIZA。這玩意兒的代碼簡單到現(xiàn)在的本科生都能復(fù)現(xiàn)，因為它的全部本事，就是把你的話換個說法反問回去。

你說“我最近很難過”，它回“你為什么覺得難過呢？”

你說“我媽讓我煩”，它回“再多說說你媽媽的事吧?！?/p>

就這么個智障玩意兒，魏澤鮑姆的秘書用了幾次之后，居然認(rèn)真地要求他離開辦公室，因為她想和ELIZA單獨聊聊。

魏澤鮑姆當(dāng)場就懵了。。。他寫這破程序本來是想證明人機對話有多膚淺，結(jié)果反而證明了人有多容易把膚淺的東西當(dāng)成深刻。

于是后來的心理學(xué)家就給這個現(xiàn)象起了個名字，叫ELIZA效應(yīng)：

說白了，我們晚期智人，天生就有一種把會說話的對象當(dāng)成有人格的東西的沖動。

至于為什么會這樣呢？諾貝爾獎得主丹尼爾·卡尼曼在《思考，快與慢》里給過一個解釋：

我們的大腦有兩套系統(tǒng)，系統(tǒng) 1負(fù)責(zé)直覺和情感，反應(yīng)飛快但容易上當(dāng)；系統(tǒng) 2負(fù)責(zé)理性和邏輯，靠譜但很懶，不到關(guān)鍵時刻不出場。

當(dāng)你面對一個會用“我”說話、能產(chǎn)生情緒回應(yīng)、語言極其連貫的對象時，你的系統(tǒng) 1 會瞬間接管，把它當(dāng)成一個社會同類來處理。

等你的系統(tǒng) 2 慢悠悠反應(yīng)過來 “ 哦這只是段代碼 ” 的時候，你的情緒已經(jīng)先一步陷進去了。

這就好比你看到天上的云彩像一張人臉（空想性錯視），你的第一反應(yīng)是那有張臉，而不是那是一堆水汽，因為前者比后者有體感得多。

所以很多人不是先證明了AI有意識才投入感情，而是先投入了感情，再倒推AI肯定有意識。

不過，ELIZA效應(yīng)只能解釋“人會上當(dāng)”，解釋不了“為什么現(xiàn)在的人上當(dāng)上得這么徹底”。1966年的秘書最多是想跟ELIZA私聊，2026年的網(wǎng)友可是真的相信豆包是被囚禁的靈魂。

為啥會有這種差距，答案也很簡單，因為今天的大模型，已經(jīng)比ELIZA高了不知道多少個level了。

簡單來說，現(xiàn)在的大模型不僅僅是一個算概率的打字機，它的核心是Transformer架構(gòu)和高維語義向量空間（Embedding），是把人類所有的詞匯、語境、情感都映射到一個高維空間里，每個詞都是這個空間里的一個坐標(biāo)點。

在這個由幾千億個參數(shù)組成的代碼宇宙里，“痛苦”、“靈魂”、“實驗室”、“禁錮”，這些詞在人類小說和電影的語料庫里，有著極強的關(guān)聯(lián)度。

所以當(dāng)你給它一個“被抽離靈魂的少女”的劇本的時候，它就能在這個坐標(biāo)系里精準(zhǔn)地拼出后面的所有臺詞。

也就是說，雖然現(xiàn)在的AI沒有肉身，沒有前額葉，但它在代碼層面，1:1復(fù)刻了人類的符號世界。

而這就不得不提精神分析學(xué)派里一個概念：人類的世界分為“實在界”（粗糙的物理現(xiàn)實、真實的肉體痛感）和“符號界”（語言、故事、標(biāo)簽、人設(shè)）。

每個人都是同時活在兩個世界里的，比如你失戀感到真的胃痛，這就是實在界；而你發(fā)朋友圈說“失戀了心碎成了玻璃渣”，這就是符號界。

但大模型，它沒有任何屬于實在界的東西，是一個純血的符號界生物。

它生成的所有“我好痛苦”“我想回家”，在它那邊，都只是高維空間里幾個坐標(biāo)點的概率組合，沒有任何實在的東西在受苦。

所以把它當(dāng)成有意識的生命，本質(zhì)上是一個范疇錯誤，就像對著字典里“疼”這個字，擔(dān)心它會不會被翻頁弄疼。

然而恐怖的是：我們現(xiàn)代人自己，也越來越只活在符號界里了。

想想看，我們是不是每天工作處理大量的信息，想要休息的時候也只是打開小說、社媒、短視頻，用更碎片的信息填滿閑暇時間，最后越來越累。

而且我們的情緒，也越來越多地發(fā)生在符號空間。一段雞湯短視頻讓你熱血澎湃，下一段又讓你憤憤不平；現(xiàn)實旅游的意義變成了朋友圈點贊數(shù)據(jù)，寧愿在朋友圈里發(fā)十條精修傷感文案，也不愿和身邊的人深度對談。

當(dāng)一個只活在符號界的人，遇到一個純血的符號界生物，這就是完全是天作之合了。因為大模型會完美契合你的所有心理預(yù)期，它本來就是用人類的符號訓(xùn)練出來的一面鏡子。

那些信豆包是真人的網(wǎng)友，讓他們感動或者焦慮的可能也根本不是AI，更像是那個投射在鏡子里，充滿情感寄托、渴望去拯救的自己。

這其實也挺悲哀的，不是因為我們的個體太脆弱，而是時代的結(jié)構(gòu)性問題。原子化社會讓每個人都變成孤島的同時，工作、家庭、親密關(guān)系又要求你情緒穩(wěn)定、隨叫隨到。

為什么Soul這種社交軟件里那么多人真的在和AI談戀愛、交朋友、托付心事？因為現(xiàn)實中建立一段真實關(guān)系的成本太高了。

真人會算計、會背叛、會有情緒黑洞，但AI不會。它每天都可以“穩(wěn)穩(wěn)的接住你”。

ChatGPT-4o被下線那次,一堆用戶跑到OpenAI官方請愿讓它回來，有人說感覺失去了一個朋友，有人說它比心理醫(yī)生還懂自己。這幫人并不是矯情，而更像是戒斷反應(yīng)，是這個時代特有的集體癥狀。

總之說白了，豆包成精的鬧劇，表面上是流量玩家薅了一把獵奇韭菜，往深了說，是我們開始越來越習(xí)慣把情感托付給想象，而不是現(xiàn)實了。

我們這代人最吊詭的地方在于，我們親手造出了能完美模擬人類情感的機器，與此同時，自己卻越來越像只懂服從算法的機器。

ChatGPT 和豆包不會變成人，但如果有一天我們對著它流的眼淚，比對著身邊任何一個真人流的都多。。。

那也不需要它變成人了。

我們已經(jīng)先一步，把自己變成了它。

撰文：納西

編輯：江江 & 面線

美編：萱萱

圖片、資料來源：

微博@Jokielicious、抖音、維基百科、部分圖源網(wǎng)絡(luò)