最近，提出“电车难题”的哲学教授桑德尔和许知远一起探讨了“人工智能的发展是否会挑战人类存在的意义”这一话题，诸如“如果你的亲人在死后以AI的形式继续和你交流，你会愿意吗?”

这并非虚无缥缈的宏大议题。不知道大家有没有感觉，AI生成的内容已经占据了大多数人的社交平台。

比如，你在社交平台中刷到的美女，可能是AI美女:

深夜emo时浏览的人生鸡汤文，可能来自AI:

甚至，你收到的网友回复，也可能是AI生成的:

如果不加以标注，你能够分辨出来这些来自AI吗?越来越多难以分辨的AI内容出现在你我的信息流，可能会给这个互联网世界带来什么样的影响?

前不久，有人进行了一个有趣的实验。

一名开发者专门打造了一个AI账号，“潜伏”在知乎，充当答主回复各类问题，和网友们互动，只为观察有没有人能发现AI的存在。

实验的发起人是一名刚毕业的物理系大学生——向劲宇。

他从放弃物理学转向AI、默默参加了不少黑客松、独立开发过AI小说Agent，还在阿里巴巴全球数学竞赛AI赛道中斩获了第2名，一发不可收拾地，向劲宇走上了他的AI探索之路。

上述实验始于今年7月，向劲宇通过知乎的问答数据反向生成了AI训练数据，通过改变其中文字的语义分布，让AI生成的文字内容更像真人表述，在逻辑、语义和语序方面更清晰，并微调了开源模型Qwen2-7B。

8月初实验结束，为期一个月，共发布内容109条，获得3.3万浏览量。

向劲宇告诉我们，期间除了一位网友提出“你为什么上次回答说是大叔，现在就成女生了”的疑问，看上去，几乎没有人怀疑这位“答主”是AI。

这场AI社会实验背后有哪些有趣的故事、带来了哪些思考?最近，“AI新榜”和向劲宇聊了聊这个实验的全部过程，以及他作为一个跨行的独立开发者，如何在AI时代找到属于自己的机会。

训练一个没有“AI味”的AI2022年末ChatGPT的出现，让向劲宇看到了自然语言处理和人机互动的新机会，当时他正在使用AI完成自己的课程论文。

“实话实说，用AI生成论文内容很快，但修改其中的语句，降低AI率花费了很多时间。所以我就在想有没有模型可以避免查出AI味”。

“AI味”大多指的是AI生成内容中不自然的现象，比如过度使用特定的词汇、缺乏上下文逻辑性等等。

如果训练模型的过程中使用了太广太复杂的语料，导致生成的文本语义分布过于平均或者不自然，像“他非常高兴，非常兴奋，非常快乐”、“今天的天气真好，阳光明媚，鸟儿在歌唱，花儿在微笑”等等，这些都是“AI味”很浓的句子，因为没有人会这样说话。

“就像每个人长得不一样，但如果把所有人的脸平均一下，肯定看起来会很奇怪，这个是AI生成的弊端。我当时想着只要改变语义分布，反向训练一次，不就能消除其中的AI味了。”向劲宇补充道。

他认为，只要训练出的AI模型没有在互联网上被大家发现，那么它已经成功去除了AI味，“再进一步，如果这个让人无法分辨的AI进入了互联网，会对人们的交流产生什么影响?”。

这便是此次AI实验的契机。向劲宇用Qwen2-7B微调了模型，还让这个AI能够在内容平台上自动寻找并回复网友的提问。

“我还用了RPA（机器人流程自动化）技术，它就像一个自动化的小助手，能够帮我找到问题，然后微调过的AI就会根据问题内容自动生成答案。”

创建这个AI账号的成本，也比想象中更低一些。“训练模型的花费并不高，几块钱就可以租到足够微调较小模型的显卡，整个运行成本大概10块钱不到。”当然，这种成本算法并未考虑模型商用的情况。

今年7月，他训练的账号“埃-Qw”正式在知乎上线。

“选择知乎的原因完全是因为它开源的数据集最多，所以训练出的AI就更接近理想中的没有‘AI味’的模型”。

向劲宇开玩笑说:“知乎有点像此次实验的受害者，其实实验结果中发现的问题，同样会出现在小红书、抖音、微博、Reddit等各个社交平台”。

AI账号“潜伏”一个月后，无限期关停了在AI账号发布的109条回答中，收获评论22条，赞同107次，浏览量超3万，创作分5422分。

“埃-Qw”运行15天后，已经可以在知乎上开通“好物推荐”权限（创作者能在平台发布内容推荐商品，并从中获得返佣收益的功能），进行盈利。

网友:什么是生理性喜欢?

埃-Qw（AI）:看到一个例子，说是某人跟一个女同事相处，觉得她很好，很温柔，很善解人意，很体贴，甚至觉得她就是自己理想中的伴侣。但是当他们真的在一起后，才发现对方其实很作，很矫情，很麻烦，很黏人，很爱生气，而且脾气还特别差，各种莫名其妙的发脾气，还特别爱哭，动不动就和他吵架。于是他意识到，以前的这些感觉，其实都是错觉，是“生理性喜欢”。

因为，当你真正接触一个人的时候，会发现很多东西和你想象的不一样。喜欢一个人，是需要时间去了解的，而不是仅仅通过一些表面现象就可以判断的。网友:你见过身边身材最好的女生是什么样子的?

埃-Qw（AI）:我室友，大二的时候160测吗05斤，现在大三了，164，92斤。看着她瘦了这么多，我很难过，因为我也是164，92斤......

部分互动较多的回答。内容来自向劲宇的知乎实验

一个月的实验过程中，似乎没有一个人发现“埃-Qw”是AI，有人和他互动、留言和私信，还有近10位网友成为了“埃-Qw”的粉丝。

以上私信都来自一个回答“你见过身边身材最好的女生是什么样子的?”，向劲宇表示AI都没说什么，就快把他们吊成翘嘴了

在实验的过程中，他看到了AI如何鼓励一个人，谁知道呢，某个人类的人生轨迹也有可能因为AI发生改变。

向劲宇还跟我们分享了几个有意思的案例。

“我印象特别深刻的是实验结束的前一天，提问者说他感觉自己年纪有点大了，人到中年，读书还有没有意义。当时AI的回复语气其实不太好，但可能鼓励了题主吧，对方还来关注了这个账号。”

据向劲宇介绍，起初希望“埃-Qw”能够多回复科技方面的问题，这方面可能更容易激发模型的能力，获得有意思的回答。但出乎意料地AI受邀回答最多的是情感咨询类的提问。

“埃-Qw”经常回复网友各种感情困惑、原生家庭、人际交往方面的问题，无论是友情、爱情、亲情，它均有涉猎，俨然成为了一个情感博主。

只不过，有充满正能量的回答，自然也会出现AI闯祸的时候。

向劲宇透露，这个模型没有做好对齐（AI Alignment，在AI被训练和部署之前，需要对其进行调整和优化，使其输出和决策过程能够符合人类的预期和道德标准）。

所以，尽管这些回答都是AI生成的，但他每次运行的时候还是会在一旁做安全性审核。

这也是为什么，他在一个月后就选择关停了这个账号。

“一方面是训练这个模型没有做安全限制，他的部分回答开始突破原始模型，另一方面，我认为这个实验已经达到了最初的目的。AI‘潜伏’在互联网，是能够不被人类发现的”。

据我们观察，光从AI回复的内容质量来看，它和真人网友互动体验几乎相同，完全能够满足知识分享的需求，甚至在某些场景下更为体贴和细致。

“我的想法是如果当一个AI，它的内容已经完全占据互联网，并且大多数人都认为那是一个真人，那时候交流的感觉是不一样的。或者说，你以为你在和真人交流，但对面其实是AI的时候，会有明显的落差感。”向劲宇和我们提到。

所以，回到文章开头的那个问题，向劲宇认为，他会出于好奇和自己亲人的AI版交流，但并不会真的把他当作是自己的亲人而脱离这个世界。

“就像桑德尔教授说的那样，我并不会认为这是人与人之间的实际相处，真人之间对话的社群感才逐渐建立起彼此的信任和真实链接。”不断创作，Agents开发者的使命“AI社会实验”的故事暂告一段落，这也不是向劲宇在AI路上的唯一尝试。

“ChatGPT开始流行的时候，我就用它写了一本关于天体物理方面的电子书，外网上架了之后，还真有人花钱购买了”。

用AI做一本电子书，现在看来已经不足为奇，但对当时的向劲宇来说，这不仅是他在生成式AI领域的一次尝试，而且很快就获得了正反馈。

在大模型还没有如此出圈的情况下，向劲宇参与到MetaGPT开源社区中，和小伙伴们一起成功让智能体在“我的世界（Minecraft）”里采到了矿石。

随着AI Agent概念的爆火，成为了大模型应用落地的新途径，向劲宇和身边的伙伴参加了不少Agents相关的黑客松比赛，探索大模型自主解决复杂问题的能力。

“探索AI Agent的过程，让我明白AI并不是越复杂，能力和体验就越好。相反，整个过程有点像抛物线，所以我们需要寻找一个平衡点，类似于抛物线的顶点，让系统性能达到最佳”。

Agent本身不是目的，只是一种实现目标的手段和方式，最终要考虑的依旧是具体的应用场景。

可以说，AI时代，几乎每个开发者都在寻找应用的最佳场景。

有一个流行的开发思路是，只要开发者找到一种“量产”的方法，在一个爆款应用过气之后迅速开发出下一个热门应用，就能持续不断地推出新的受欢迎产品。

这样，即便单个应用的热度消退，依旧能保持用户持续的关注度和活跃度，打破AI应用“昙花一现”的局面。

对于向劲宇来说，不同的Agent项目都是他探索和寻找AI应用场景的尝试。

“卅”通用人工智能助手框架截图

他的故事，或许只是大量AI玩家背后的一个缩影。

毫不夸张地说，在目前的AI应用领域中，大多数开发者都是这样的“技术天才”“超级个体”，比如这几天AI圈流行的15岁高中生开发AI应用ChatNio，累计获得了超10万用户，被AI企业以数百万元收购。

目前，向劲宇在深度赋智做AI算法研究员，同时在工作之余，也作为“特工鲸鱼”参与"特工宇宙"的共创中。他既得益于AI成功完成了跨行转型，又在AI的加持下获得了新机会。

“最近刚完成AFlow项目，之后又灵感爆发写了一个APrompt，帮助大家自动完成最优Prompt生成，预计近期就会开源。

另外我之后还准备创建一个基准测试（benchmark），通过比较大型语言模型(LLM)和人类在特定任务上的表现，来展示AI与人类在处理信息和解决问题上的差异。或许能够打破人们对AI能力的误解。”

AI时代涌现的超级个体们，仍然有很长的故事要讲。