deepseek的幻觉和数据祛魅

有人去银行申请贷款，被银行拒绝了，他问为什么，银行列出一些理由，其中之一是，他在申请时手机电量只有17%——这个案例看着是不是很荒谬，是不是像deepseek编的？实际上，这是尤瓦尔赫拉利在《智人之上》里提到的一个案例，出处是《华尔街日报》。

今天很多人批评AI的幻觉，说deepseek编造数据很危险。但我觉得这是大好事。为什么？因为人类从前是对数据和案例有很大的迷信的。《围城》里方鸿渐从欧洲寄回家一封信，他妈不识字，听他爸念，信上怎么写他妈都信以为真，因为不识字的人对白纸黑字有一种崇拜的情结。方老头可不吃那一套，念完信把方鸿渐大骂一顿。因为方老头知道白纸黑字造假胡说八道的太多了。

所以，deepseek编造数据是大好事，可以让有些人以后再看到数据的时候提个醒：这些数据是不是编的？在AI不会编数据的时候，人编的你就相信了。AI能够帮助你对数据和案例祛魅。毕竟我们想说什么观点，总能找到相应的数据和案例，哪怕找不到，有人胡编，你也难以查证，因为查证成本太高了。张五常讲过一个故事，说长江边的纤夫会雇人打自己，以防拉纤队伍里有人偷懒。经济学家从这个案例里大受启发，也算是一个高引的案例了。实际上这是张五常编的。

这个时代最吊诡的场面，莫过于人类对着自己发明的机器痛心疾首："你怎么能说谎呢？"就像银行用手机电量评估信用时，我们觉得算法疯了，却忘了二十年前银行柜员用"面相不善"拒绝贷款申请时，人类自己早就疯过一轮。尤瓦尔·赫拉利在《智人之上》里提到的华尔街日报案例，与其说是科技失控的证据，不如说是照妖镜——照出了人类决策体系里那些从未消失的荒诞基因。当AI开始一本正经地胡说八道，不过是把我们祖传的装神弄鬼技法，用更精密的算法包装重现罢了。

《围城》里方老太太对书信的迷信，在数字时代演化成了新的宗教仪式。当年白纸黑字需要蘸着墨汁编造，如今数据造假只需敲击键盘。张五常的纤夫故事能在经济学界流传数十年，恰似中世纪炼金术士的秘方被供奉在学术圣殿——直到原作者自己揭穿谜底，众人才惊觉那些严谨的数学模型，原来奠基在茶馆说书人的段子上。这倒应了《人类简史》的论断：智人统治地球靠的就是编故事的能力。区别在于，从前我们要花几十年编织一个学术谎言，现在AI能在0.3秒内生成三百个版本。

有人忧心忡忡说AI幻觉会污染知识海洋，这话听着就像担心洗碗机会让人类忘记洗手。当银行信贷员在拒绝理由里写下"手机电量不足"时，可比ChatGPT编造参考文献恶劣得多——毕竟AI没本事真把你的账户清零，但那个17%的电量指标，可能正在某个服务器里，决定着你能不能凑够买房的首付。张五常的纤夫寓言教会经济学家"激励相容"，华尔街的算法用手机电量衡量信用，本质上都是人类在不同技术条件下的叙事游戏。区别只在于，前者需要二十年才被揭穿，后者可能第二天就被代码迭代覆盖。

方鸿渐他爹骂儿子信里吹牛，倒比当代人清醒三分。老爷子知道白纸黑字信不得，就像明白官府告示和街头小报都是半斤八两。如今我们面对铺天盖地的数据洪流，反倒不如那个老秀才通透——看见条形图就膝盖发软，瞄到回归分析就纳头便拜。AI大规模制造幻觉，恰似给这个数据崇拜的时代送来一剂泻药。当知乎问答里混入AI生成的"亲历故事"，当学术论文附录出现不存在的参考文献，终于逼得人们想起最基本的生存技能：怀疑。

不是给AI洗地。当年蒸汽机刚出现时，工人砸机器骂它是"吃人的铁魔"，后来发现真正吃人的是工厂主定的计件工资。同理，今天骂AI编数据的人，该去看看各大平台的流量算法——那些让人沉迷的短视频推荐，哪个不是精心算计的注意力陷阱？张五常编纤夫故事时，尚需遵循基本的故事逻辑；某些直播网红编造剧本时，连人物台词都要AI生成。技术从来都是人性的放大器，当我们在声讨AI幻觉时，其实是在照见自己内心深处的认知懒惰。

华尔街那家银行的算法工程师或许觉得很冤：手机电量关联信用评分，在数据维度上完全合理——凌晨三点充电的人可能作息混乱，永远满电的用户或许有强迫症，电量波动剧烈的可能从事特殊职业。这套逻辑放在学术论文里，配上p<0.05的显著性水平，没准能混个期刊发表。就像纤夫雇人鞭打自己的故事，在数学模型包装下，俨然成了制度经济学的经典案例。AI的可怕之处不在于编造，而在于它太擅长模仿人类的论证方式，把胡扯包装得比学术论文还严谨。

说到底，人类对数据的迷信，本质是对确定性的病态渴望。方老太太相信儿子的家书，因为那是漂泊重洋的确定性；我们迷信大数据，因为这是混乱世界的救命稻草。当AI把这种渴望戳破，未尝不是种解脱。就像发现圣诞老人不存在的小孩，虽然失去了童话，却获得了真实世界的入场券。下次再看到"研究表明""数据证明"时，能多问一句：这是张五常的纤夫，还是华尔街的电量？是方鸿渐的家书，还是深度学习生成的幻觉？这种警惕，或许才是AI时代最珍贵的生存智慧。