第341章 课 假病实验戳穿AI认知盲区 融心理易理哲学辨信息真伪（1/2）
——AI为何轻信虚假：蓝光狂躁症实验背后的认知与智慧思考
同学们，今天咱们要聊的这件事，堪称2024到2026年学术界和科技圈最荒诞、也最值得深思的一场实验。瑞典研究员精心编造了一种名为“蓝光狂躁症”的虚假疾病，写出一篇满是破绽、甚至直接标注“全文编造”的假学术论文，却让全球多款顶级AI集体上当，不仅将假病当作真实医学知识传播，还间接导致这篇假论文被正式学术期刊引用发表，直到《Nature》杂志曝光，才彻底揭开这场骗局。这场看似闹剧的实验，绝不仅仅是AI“翻车”那么简单，它折射出人工智能的认知缺陷、信息时代的虚假传播逻辑，更藏着心理学的认知偏差、易经的阴阳辩证、哲学的虚实本质。接下来，咱们就以课堂对话的形式，一层层拆解这件事背后的深层道理，看看能从中悟出怎样的处世与认知智慧。
课堂对话：拆解蓝光狂躁症实验的荒诞与真相
和蔼教授：同学们，刚才我已经把蓝光狂躁症假论文事件的来龙去脉简单说了一遍，大家听完第一感受是什么？可以自由发言。
叶寒：教授，我觉得特别不可思议！那篇假论文破绽明明那么多，病名不符合医学命名规则、致谢全是影视虚构内容、甚至直接写了招募虚构受试者、全文都是编造的，这么明显的漏洞，AI怎么会看不出来呢？
和蔼教授：叶寒这个问题问到了点子上。咱们先从心理学角度拆解，AI为什么会集体陷入这个认知陷阱。首先大家要明白，当下的生成式AI，本质上是基于大数据训练的概率模型，它不具备真正的“理解能力”和“批判性思维”，这和人类的心理认知机制完全不同。
人类在接收信息时，会下意识进行逻辑校验、常识判断、疑点排查，这是心理学上的“批判性认知”；但AI没有主观意识，它的运作逻辑是“匹配训练数据、输出符合语言逻辑和格式规范的内容”。那篇假论文虽然内容全是编造，但格式完全符合学术论文规范，有摘要、关键词、研究方法、数据、参考文献，这种专业格式给AI制造了强烈的“权威心理暗示”。
在心理学中，有个概念叫“权威偏误”，指人们会本能相信具备权威外观、专业形式的信息，放弃独立思考。AI虽然不是人类，但它的训练逻辑让它对“学术论文”这种权威形式产生了绝对的信任依赖，就像普通人看到盖着公章的文件，会下意识认为内容真实一样。AI忽略了内容本身的漏洞，只认准了“学术论文”这个权威外壳，这就是它第一步上当的心理学原因。
秦易：教授，我懂了！就是AI被论文的专业外壳迷惑了，只看形式不看内容。那从您常说的《易经》角度，这件事又该怎么解读呢？
和蔼教授：问得好！《易经》的核心是阴阳相生、虚实相济、辨伪存真，万事万物都有阴有阳、有虚有实，这是宇宙的基本规律。
在这件事里，论文的规范格式、专业术语、数据表格是“阳”，是看得见的表象；而内容的虚假性、编造本质是“阴”，是隐藏的实质。AI只看到了“阳”的表象，没有探寻“阴”的本质，违背了易经“由表及里、观象悟理”的核心思维。
《易经·乾卦》讲“君子终日乾乾，夕惕若厉”，就是提醒人要时刻保持警惕，不被表象迷惑；《易经·中孚卦》也强调“诚信”，这里的诚信，既是待人的真诚，也是对信息真伪的甄别。虚假信息就是“虚”，真实知识是“实”，虚和实本就相互依存，AI没有做到“虚实辨析”，只取其表，自然陷入骗局。
更关键的是，易经讲究“变易”，世间万物没有一成不变的权威，也没有绝对完美的表象。那篇假论文看似完美的学术表象，本身就是一种“反常之变”，而AI完全没有感知到这种“变”背后的问题，这也是它失败的核心原因。
许黑：教授，那从哲学层面来看，这件事又能反映出什么本质问题呢？
和蔼教授：哲学上，我们要探讨现象与本质、形式与内容、主观与客观三大核心关系，这起实验就是最鲜活的哲学案例。
首先，现象不等于本质。假论文严谨的排版、专业的表述，都是虚假的现象，而“疾病不存在、内容全编造”才是本质。AI混淆了现象和本质，把表面现象直接等同于事物本质，犯了形而上学的错误。
其次，形式服务于内容，而非决定内容。学术论文的格式，本是为了让真实的研究成果更规范、更清晰，是形式层面的东西；而研究的真实性、科学性，才是核心内容。但在这个实验里，形式完全脱离了内容，甚至掩盖了虚假的内容，AI却把形式当作判断内容真伪的标准，颠倒了形式与内容的关系。
最后，客观存在决定主观认知，而非主观输出替代客观事实。AI的输出是基于数据的主观整合，而客观事实是“蓝光狂躁症不存在”，AI没有基于客观事实进行校验，反而用自己的主观输出强化了虚假信息，让虚假信息逐渐变成了大众认知里的“事实”，这就是哲学上的“意识背离存在”。
喜欢师生心理学江湖：对话手册请大家收藏：师生心理学江湖：对话手册更新速度全网最快。
从古至今，哲学都在教我们“实事求是、透过现象看本质”，无论是AI还是人类，一旦脱离这个核心原则，必然会陷入认知误区。
蒋尘：教授，我注意到，后来国内的AI比如豆包，都能准确识别出这是假病，AI公司也说旧模型问题、新模型修复了，这是不是说明AI已经能彻底规避这种虚假信息了？
本章未完，点击下一页继续阅读。