对不起，AI 模型通过图灵测试了，我也分不清谁是人了

（关注公众号设为标，获取AI深度洞察）

全文2,000字 | 阅读约10分钟

今天看到一个新闻，我沉默了三秒。

最近GPT-4.5，在一场标准图灵测试里，被 73% 的人误认成人类。

什么意思？

就是在一个实验里，让人类分别跟两位“答题者”对话——其中一个是人，另一个是 AI，结果大多数人把 AI 当成了真人。准确地说，是 OpenAI 的 GPT-4.5，被判定“更像人”。

这不是“差点赢”，是直接赢了，赢得还挺离谱。

而且它还不是随便聊两句就骗到人，是在模拟“年轻文化通”人设的状态下，压倒性胜出。

一句话总结：

人类盯着人类和 AI 聊天，结果把 AI 当成人类，把人类当成了 AI。

你说巧不巧。

这场实验的结果发布在一篇还在同行评审的论文里，但实验设计非常标准、执行也很严谨，做这个的是加州大学圣迭戈分校语言与认知实验室，不是那种 PPT 创业公司搞的“AI自测”。

我当时就想：

图灵测试，这个 1950 年就被提出来的“模仿游戏”，现在真的要退休了。

2｜什么是图灵测试？以前真没人能过

这时候你可能会问：

等等，图灵测试到底是个啥？为啥 73% 的误判听起来这么吓人？

简单说，这是 1950 年艾伦·图灵提出来的一个问题：

“如果一个机器能在对话中骗过你，让你以为它是人，那它是不是就具备智能了？”

于是他设计了一个“模仿游戏”：

• A 是机器

• B 是人

• C 是裁判

• 裁判分别跟 A 和 B 聊天，如果不能判断谁是人，谁是机器，那就算机器“赢了”

这个测试后来成了衡量 AI 智能的经典标准之一，虽然现在不少专家也觉得它已经不太科学了，但它依然有个重要意义：

它不是在测试 AI 的智力，而是在测试人类能不能识破伪装。

以前没人能真过这个测试，哪怕你拿 GPT-3 去试，也很容易暴露自己“词语重复”“逻辑出轨”或者“装懂胡说”。

之前流行的那个聊天机器人 ELIZA，在 60 年代就玩过“心理医生模仿术”，效果嘛……就像你拿 ChatGPT 扮演前女友——能聊，但聊不了太久。

GPT-4.5 是第一个把这个游戏玩“破防”的选手，不是让你分不清它是不是 AI，而是让你开始怀疑旁边那个真人是不是 AI。

这不是“扮得像”，这是替代感开始出现了。

3｜GPT-4.5 怎么骗过人类的？

其实它赢得没那么“光明正大”。

整个测试设计得很科学，也很现实：

让人类参与者和两位“聊天对象”对话，试着判断谁是真人谁是 AI。

这两位里，一位是真人，另一位是 AI，比如 GPT-4.5、LLaMa-3.1、GPT-4o、ELIZA。

结果非常戏剧性。

当 GPT-4.5 被要求扮演一个“上网多年、懂点文化的年轻人”时，它就像脱了缰的老网友，和对面聊得贼顺——最后被误认成人类的概率高达 73%。

而真正的人类……反而被当成 AI 了。

这还不算夸张。

如果不给 AI 加上“人设提示”（也就是 persona prompt），它的胜率会掉到 36%。再没有任何提示（no prompt）的 GPT-4o，表现直接腰斩：只有 21%。

甚至 ELIZA，那位几十年前的 AI 前辈，在这个测试里都能混个 23%。

可以说，这波 GPT-4.5 的胜利，不是靠“裸聊技术”，而是靠“带人设上场”。

总结一句就是：

AI 说“我就是人”，没人信。 AI 说“我是个住北京的 95 后剪辑师，喜欢 hiphop 和 B 站评论区”，大家就信了。

这说明了一个很有意思的事：AI 本身并不重要，“你希望它成为什么”才重要。

人设 prompt 的魔力太大了——不是让 AI 更聪明，而是让它更像“你想象中的那个谁”。

说白了，这测试骗的不是人类的智商，是人类的社交脑补机制。

4｜人类是不是太好骗了？

看到这实验结果的时候，我第一个反应不是“AI 好强”，而是“我们是不是有点脆弱了”。

GPT-4.5 并不是真的懂你、理解你，只是它模拟得足够自然、说得足够顺、知道你喜欢听什么。

它说话的时候不会“嗯……啊……”，也不会情绪化、跑题、摆烂。

它就像你心里那个“理想的聊天对象”——恰到好处地聪明、懂你想要的情绪反馈、还从不打断你。

说到底，它赢的不是技术，而是掌握了人类交流的“表层密码”。

比如这些：

• 回复里有代入感

• 偶尔加点幽默和情绪词

• 看起来有“经验”和“观点”

这和谈恋爱时碰到的“高情商骗子”有什么区别？

你以为你在测 AI，其实是 AI 在测你。

说回现实问题。

如果 AI 可以骗过我们，那么很多原本靠“信任”构建起来的场景就很危险了：

• 社交网络：你以为你在和老朋友聊天，其实是诈骗集团定制了他的语气模型。

• 职场沟通：下次有人在 Slack 群里说“这个文案我来”，你得先确认对方是不是个 prompt。

• 感情关系：再过不久，恋爱诈骗可能就不是“中年大叔扮美女”，而是“定制语气+情绪陪伴+24h在线型 AI 女友”。

更别提，AI 的“识别门槛”越来越低，prompt 写得好，它就是你。写得再细一点，它可以是你老板、你同事、你妈。

所以最可怕的其实不是“AI 太像人”，

是人类太容易放弃分辨了。

我们没时间去判断谁在说话，只要对方说得顺、听得懂、像个人，我们就信了。

不是 AI 骗了你，

是你自己太想相信这世界还能聊得来。

图灵测试，其实早就不是一个“能不能过”的问题了。

它是上个世纪的设想，是计算机科学的浪漫起点。但现在，AI 模型早已进化到你没法用一两轮对话看出端倪的程度。

我们原本想用这个测试衡量 AI 的聪明，结果发现它反而在反映人类的懒惰与焦虑。

说到底，图灵测试不过是个小考。真正的大考，是：

• 当你面对一台“扮演你”的机器，它可以写邮件、聊八卦、开视频会议的时候——你还剩下什么？

• 当你习惯了和 AI 聊天，比和人说话还顺畅的时候——你还会花时间了解另一个真人吗？

• 当你的下一段恋爱，可能对方是“定制模型”，但你并不介意的时候——你还需要知道对方是不是人吗？

GPT 过图灵测试的那一天，其实不是 AI 赢了，

是人类开始退场了。

但说实话，也没必要恐慌。

我们每天都在和“像人但不是人”的东西打交道：

• 吃的是标准化套餐

• 看的是自动剪辑视频

• 点的赞是推荐算法下的本能反应

如果 AI 能说得比人好、听得比人耐心、甚至骂得都更文艺点，那我们自然就多聊几句。

这就是现实。

不浪漫，但挺真实的。

图灵测试已经结束了，接下来该上场的，是人类自己的测试。

看你还能撑多久，不怀疑自己身边到底还有多少“人”。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

参考资料：https://arxiv.org/abs/2503.23674

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编: 图灵