（關注公眾號設為標，獲取AI深度洞察）

全文2,000字 | 閱讀約10分鐘

今天看到一個新聞，我沉默了三秒。

最近GPT-4.5，在一場標準圖靈測試里，被 73% 的人誤認成人類。

什么意思？

就是在一個實驗里，讓人類分別跟兩位“答題者”對話——其中一個是人，另一個是 AI，結果大多數人把 AI 當成了真人。準確地說，是 OpenAI 的 GPT-4.5，被判定“更像人”。

這不是“差點贏”，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”人設的狀態下，壓倒性勝出。

一句話總結：

人類盯著人類和 AI 聊天，結果把 AI 當成人類，把人類當成了 AI。

你說巧不巧。

這場實驗的結果發布在一篇還在同行評審的論文里，但實驗設計非常標準、執行也很嚴謹，做這個的是加州大學圣迭戈分校語言與認知實驗室，不是那種 PPT 創業公司搞的“AI自測”。

我當時就想：

圖靈測試，這個 1950 年就被提出來的“模仿游戲”，現在真的要退休了。

2｜什么是圖靈測試？以前真沒人能過

這時候你可能會問：

等等，圖靈測試到底是個啥？為啥 73% 的誤判聽起來這么嚇人？

簡單說，這是 1950 年艾倫·圖靈提出來的一個問題：

“如果一個機器能在對話中騙過你，讓你以為它是人，那它是不是就具備智能了？”

于是他設計了一個“模仿游戲”：

• A 是機器

• B 是人

• C 是裁判

• 裁判分別跟 A 和 B 聊天，如果不能判斷誰是人，誰是機器，那就算機器“贏了”

這個測試后來成了衡量 AI 智能的經典標準之一，雖然現在不少專家也覺得它已經不太科學了，但它依然有個重要意義：

它不是在測試 AI 的智力，而是在測試人類能不能識破偽裝。

以前沒人能真過這個測試，哪怕你拿 GPT-3 去試，也很容易暴露自己“詞語重復”“邏輯出軌”或者“裝懂胡說”。

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

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

這不是“扮得像”，這是替代感開始出現了。

3｜GPT-4.5 怎么騙過人類的？

其實它贏得沒那么“光明正大”。

整個測試設計得很科學，也很現實：

讓人類參與者和兩位“聊天對象”對話，試著判斷誰是真人誰是 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。

結果非常戲劇性。

當 GPT-4.5 被要求扮演一個“上網多年、懂點文化的年輕人”時，它就像脫了韁的老網友，和對面聊得賊順——最后被誤認成人類的概率高達 73%。

而真正的人類……反而被當成 AI 了。

這還不算夸張。

如果不給 AI 加上“人設提示”（也就是 persona prompt），它的勝率會掉到 36%。再沒有任何提示（no prompt）的 GPT-4o，表現直接腰斬：只有 21%。

甚至 ELIZA，那位幾十年前的 AI 前輩，在這個測試里都能混個 23%。

可以說，這波 GPT-4.5 的勝利，不是靠“裸聊技術”，而是靠“帶人設上場”。

總結一句就是：

AI 說“我就是人”，沒人信。 AI 說“我是個住北京的 95 后剪輯師，喜歡 hiphop 和 B 站評論區”，大家就信了。

這說明了一個很有意思的事：AI 本身并不重要，“你希望它成為什么”才重要。

人設 prompt 的魔力太大了——不是讓 AI 更聰明，而是讓它更像“你想象中的那個誰”。

說白了，這測試騙的不是人類的智商，是人類的社交腦補機制。

4｜人類是不是太好騙了？

看到這實驗結果的時候，我第一個反應不是“AI 好強”，而是“我們是不是有點脆弱了”。

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

它說話的時候不會“嗯……啊……”，也不會情緒化、跑題、擺爛。

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

說到底，它贏的不是技術，而是掌握了人類交流的“表層密碼”。

比如這些：

• 回復里有代入感

• 偶爾加點幽默和情緒詞

• 看起來有“經驗”和“觀點”

這和談戀愛時碰到的“高情商騙子”有什么區別？

你以為你在測 AI，其實是 AI 在測你。

說回現實問題。

如果 AI 可以騙過我們，那么很多原本靠“信任”構建起來的場景就很危險了：

• 社交網絡：你以為你在和老朋友聊天，其實是詐騙集團定制了他的語氣模型。

• 職場溝通：下次有人在 Slack 群里說“這個文案我來”，你得先確認對方是不是個 prompt。

• 感情關系：再過不久，戀愛詐騙可能就不是“中年大叔扮美女”，而是“定制語氣+情緒陪伴+24h在線型 AI 女友”。

更別提，AI 的“識別門檻”越來越低，prompt 寫得好，它就是你。寫得再細一點，它可以是你老板、你同事、你媽。

所以最可怕的其實不是“AI 太像人”，

是人類太容易放棄分辨了。

我們沒時間去判斷誰在說話，只要對方說得順、聽得懂、像個人，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。

5｜圖靈測試已死，人類測試開始

圖靈測試，其實早就不是一個“能不能過”的問題了。

它是上個世紀的設想，是計算機科學的浪漫起點。但現在，AI 模型早已進化到你沒法用一兩輪對話看出端倪的程度。

我們原本想用這個測試衡量 AI 的聰明，結果發現它反而在反映人類的懶惰與焦慮。

說到底，圖靈測試不過是個小考。真正的大考，是：

• 當你面對一臺“扮演你”的機器，它可以寫郵件、聊八卦、開視頻會議的時候——你還剩下什么？

• 當你習慣了和 AI 聊天，比和人說話還順暢的時候——你還會花時間了解另一個真人嗎？

• 當你的下一段戀愛，可能對方是“定制模型”，但你并不介意的時候——你還需要知道對方是不是人嗎？

GPT 過圖靈測試的那一天，其實不是 AI 贏了，

是人類開始退場了。

但說實話，也沒必要恐慌。

我們每天都在和“像人但不是人”的東西打交道：

• 吃的是標準化套餐

• 看的是自動剪輯視頻

• 點的贊是推薦算法下的本能反應

如果 AI 能說得比人好、聽得比人耐心、甚至罵得都更文藝點，那我們自然就多聊幾句。

這就是現實。

不浪漫，但挺真實的。

圖靈測試已經結束了，接下來該上場的，是人類自己的測試。

看你還能撐多久，不懷疑自己身邊到底還有多少“人”。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：https://arxiv.org/abs/2503.23674

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編: 圖靈