2024年2月，香港一家跨国公司的财务人员接到一通视频会议邀请。屏幕那头，公司CFO正襟危坐，几位同事表情自然，讨论着一笔紧急转账。他按照指示操作，2500万美元随即消失。事后调查发现，那场会议里每一张脸、每一个声音，全部由AI伪造。你大概觉得这些人太天真。换成你，肯定不会上当。这恰恰是最危险的想法。 心理学家丹尼尔·卡尼曼（Daniel Kahneman）花了一辈子研究人类判断中的系统性错误。他发现，我们的大脑有两套运行模式：一套快而自动，一套慢而费力。日常生活中，那套快的几乎垄断了我们的决策。它靠什么判断信息是否可信？很大程度上靠感觉，读起来顺不顺，看起来像不像。 AI生成的内容恰好完美命中这个弱点。语法无懈可击，排版赏心悦目，论证看似严密。大脑的快速系统扫过一遍，盖章：可信。慢速系统本该出来复核，但它太懒了，多数时候直接放行。 当AI给你一个完整、连贯、细节丰富的回答，你不会去想它遗漏了什么、歪曲了什么。叙事越圆满，你越觉得可靠。可偏偏，编故事是AI最擅长的事。 我们常嘲笑父母辈转发养生谣言，觉得他们信息素养不够。但仔细想想，老一辈至少还保留着一种朴素的怀疑本能。而今天的年轻人在信息过剩中长大，习惯了随手搜索就能得到答案。搜索引擎给出的结果看起来客观中立，AI聊天机器人的回答更是条理清晰、温和有礼。这种包装制造了一种前所未有的信任惯性。研究显示，在社交媒体上消费新闻的人更容易受deepfake影响，而且这个效应和智商高低无关。 更隐蔽的威胁来自AI的幻觉问题。大语言模型在预训练中只学习了什么样的文本读起来像是对的，却从未学过什么是对的。它预测下一个词的概率，却不理解词语背后的事实。当前的技术架构决定了，AI宁可自信地胡说八道，也不会承认自己无知。而多数使用者完全没有意识到这一点。最可怕的场景是：被骗了却浑然不觉，还把错误信息内化成了自己的知识。 听到这里你可能想问：那我是不是应该怀疑一切？大可不必。怀疑一切和相信一切，最终殊途同归，都是放弃理性判断。哲学家卡尔·波普尔（Karl Popper）给过一个更精准的态度：别问一条信息能不能被证实，要问它能不能被推翻。这个态度落到每天刷手机、读新闻、用AI的日常里，可以变成一套相当实用的操作。 1.给自己建一份信源白名单。花点时间筛选出你信任的媒体、记者、学者和专业机构，把它们设为你的一级信源。白名单不必大，五到十个靠谱的来源就够你交叉验证了。养成这个习惯之后，那些来路不明的信息自动就降了级。 2.学会识别“一眼假”的特征。AI伪造的内容有几个共性：来源链条断裂（追不到具体的人、机构和时间地点），情绪浓度异常高（让你看完立刻愤怒或者立刻感动），细节丰富但缺乏可验证的锚点。一篇看似专业的科普文章，如果引用的论文你在Google Scholar上搜不到，大概率是AI编的。 3.用AI打假AI。你完全可以把一段可疑的文字丢给AI，让它帮你检查事实。这篇文章里引用的数据出处在哪里？这个案例是真实的吗？AI善于编造，但也善于拆解。让两个AI互相审问，效果远好过你独自判断。图片方面，Google的以图搜图功能可以帮你追溯一张图片的原始来源；Hive、AI or Not等在线工具能检测一张图是否由AI生成。这些工具未必百分之百准确，但作为初筛已经足够。 4.给自己装一个情绪断路器。虚假信息几乎总是裹着浓烈的情绪外衣。在你转发、相信、采取行动之前，先等一等。哪怕只是等10分钟。 5.最后也是最根本的一点：在你关心的领域里读几本扎实的书。有了基本概念和逻辑框架，新信息进来时你才有东西拿来交叉比对。知识网络越稠密，单条虚假信息击穿它的可能性就越小。我们正在进入一个伪造廉价而验证昂贵的时代。但你愿意为真实付出的耐心和努力，将成为最有价值的智识资产。你的大脑不会被AI取代，但需要你主动升级它的防火墙。
