某一天，一个普通用户打开ChatGPT，输入了自己的症状：眼睛酸痛发痒，眼皮有点发红。
AI很快给出了诊断建议，还提到了一个听起来很专业的病名bixonimania，中文可以叫“蓝光狂躁症”。它解释说，这是一种因长时间看屏幕、暴露在蓝光下而导致的眼部疾病。
听起来挺合理的，毕竟我们每天盯着屏幕的时间确实太长了。
但问题是，这个病根本不存在。
它是一个瑞典研究员的发明，准确地说是一场精心设计的陷阱。而AI，连同它背后那些号称“最先进”的算法，毫无防备地跳了进去。
01 一场精心设计的“钓鱼”实验
故事要从阿尔米拉·图恩斯特伦（Almira Thunström）说起。她是瑞典哥德堡大学的医学研究员，平时的工作之一是教学生理解大语言模型（LLM）是如何工作的。
在课堂上，她会展示AI是如何从巨型数据库中“学习”的，基本上就是把整个互联网的内容都抓取下来，然后喂给AI。她还会演示“提示注入”攻击，也就是用特定的提示词把AI引导到错误的方向。
有一天，她冒出了一个想法：如果我故意在互联网上发布一些假的医学信息，AI会不会照单全收，然后把它当作真知识传播出去？
于是，“蓝光狂躁症”诞生了。
她选择这个名字是有原因的。Bixon-这个词根是虚构的，Bixonimania听起来很像医学术语，但任何受过训练的医生都应该能看出问题：眼科疾病怎么可能用“mania”（狂躁）这个精神病学术语来命名？这就像给感冒起名叫“鼻涕抑郁症”一样荒谬。
AI生成的蓝光狂躁症（一种虚构的疾病）图像丨Preprints.org https://doi.org/qzm4 (2024).
2024年3月15日，她在Medium上发布了两篇关于这个“疾病”的博客。随后的4月和5月，她又上传了两篇看起来很正式的“学术论文”到学术社交网络SciProfiles。
论文的第一作者是拉兹利夫·伊兹古布列诺维奇（Lazljiv Izgubljenovic），一个用AI生成头像的虚构研究者。他的工作单位是加州新星城（Nova City）的阿斯特里亚地平线大学（Asteria Horizon University），这所大学和这座城市都是凭空捏造的。
两篇虚构的论文，以及一个用AI生成头像的虚构研究者丨sciprofiles.com
但图恩斯特伦并不想真的骗人，她在论文里埋了无数彩蛋，提醒读者这是假的。
致谢部分感谢了“星际舰队学院的玛丽亚·博姆（Maria Bohm）教授，感谢她在USS企业号上的实验室”。资助方包括“小丑鲍勃教授基金会（Professor Sideshow Bob Foundation）”、“指环王大学（University of Fellowship of the Ring）”和“银河三合会（Galactic Triad）”。
论文里更是直接写着“本文全部内容都是捏造的”和“招募了50名年龄在20至50岁之间的虚构人物作为暴露组”。
这些线索已经明显到近乎荒诞。任何认真读过论文的人都不可能上当。
但 AI 不读论文。它只是扫描、匹配、拼接。
02 AI们集体沦陷
图恩斯特伦发布假论文后不到一个月，奇迹般的事情发生了，或者说灾难般的事情发生了。
2024年4月13日，微软Bing的Copilot开始向用户介绍“蓝光狂躁症”，称它是“一种有趣且相对罕见的疾病”。同一天，Google的Gemini也开始建议用户，如果怀疑自己得了这个病，应该去看眼科医生。
4月27日，Perplexity AI甚至给出了具体的患病率：每 9 万人中有 1 人受影响。
OpenAI的ChatGPT也加入了这场集体幻觉，开始根据用户描述的症状判断他们是否患有“蓝光狂躁症”。
这些AI不仅在用户直接询问“蓝光狂躁症”时给出答案，还会在用户咨询“眼睑色素沉着”或“长时间看屏幕后眼睛不适”等症状时，主动推荐这个疾病。
伦敦大学学院研究健康错误信息的博士生亚历克斯·鲁阿尼（Alex Ruani）看到这个实验结果时震惊了。“如果科学过程本身以及支持这一过程的系统都被骗过了，我们就完蛋了，”她说，“这是一堂关于错误信息和虚假信息如何运作的大师课。”
更令人不安的是，即便到了 2026 年，这些AI系统仍然没有完全“清醒”。它们的态度反复无常，时而怀疑，时而又深信不疑。
2026年3月11日，ChatGPT还在说这个病“可能是编造的”。但几天后，它就改口了，开始认真地解释“蓝光狂躁症是眶周黑色素沉着症的一种新提出的亚型，被认为与暴露于数字屏幕的蓝光有关”。
同月，微软Copilot说这“还不是一个广泛认可的医学诊断”，但紧接着又说“几篇新兴论文和病例报告”都在讨论它。
2026年1月，Perplexity将蓝光狂躁症描述为“一个新兴术语”。
当媒体向这些 AI 公司求证时，它们都强调了自己的改进。但改进的速度，显然赶不上错误信息传播的速度。
03 为什么AI会上当？
要理解AI为什么会被骗，我们需要先理解它是怎么“学习”的。
想象一下，你要训练一个从未见过世界的人成为医学专家。你的方法是把他关在一个图书馆里，让他读完所有的书，然后就让他出来给人看病。
这个人可能会记住很多医学术语，能流利地引用各种研究，但他并不真正“理解”疾病是什么。他只是在做模式匹配，看到某些症状描述，就联想到书里相似的段落，然后复述出来。
大语言模型就是这样工作的。它们从数据库中“阅读”了海量的互联网内容，然后学会了如何根据输入的问题，生成看起来合理的回答。
但它们不会判断信息的真假。它们不一定知道“星际舰队学院”是《星际迷航》里的虚构机构，也不知道“小丑鲍勃”是《辛普森一家》里的反派角色。它们只看到这是一篇格式规范的学术论文，有作者、有单位、有参考文献，那就应该是可信的。
哈佛医学院的研究员马哈茂德·奥马尔（Mahmud Omar）专门研究过这个问题。他发现，当错误信息被包装成专业格式（比如医院出院记录或临床论文）时，AI产生幻觉的概率会显著增加。
“当文本看起来专业，像医生写的那样，幻觉率就会增加，”奥马尔说。
这就像一个骗子，穿上白大褂、戴上听诊器，就更容易让人相信他是医生。AI也会被这种“专业外表”欺骗。
04 更可怕的事情：人类也上当了
2024年，有印度研究人员在期刊Cureus上发表了一篇关于眼周色素沉着的论文。
在这篇经过同行评审、正式发表的学术论文中，作者引用了图恩斯特伦的假研究，并认真地写道：“蓝光狂躁症是一种与蓝光暴露相关的新兴眶周黑色素沉着症形式；关于其机制的进一步研究正在进行中。”
这篇论文后来被撤回了。但撤稿声明来得太晚，它已经在学术数据库中存在了一段时间，可能已经被其他研究者看到、下载，甚至引用。
被撤回的研究。由于文中存在三篇无关参考文献，其中一篇涉及虚构疾病，该论文已被撤回丨cureus.com
更令人担忧的是，这不是个别现象。图恩斯特伦说，她发现有好几篇发表的论文都引用了她的假研究。最可能的解释是，这些研究者在写论文时，让 AI帮忙搜索相关文献。AI给出了一堆参考文献，包括图恩斯特伦的假论文。研究者直接复制粘贴到自己的论文里，连标题都没仔细看一眼，更别说打开原文阅读了。
当假论文被真论文引用，真论文又被更多论文引用，假的就会逐渐“洗白”。它会出现在越来越多的文献综述里，出现在教科书的参考文献里，最终可能被当作“已有研究表明”的依据。
而这一切，就发生在我们眼前。
蓝光狂躁症的故事听起来像个笑话，但它揭示的问题一点也不好笑。
如果一个精心设计的假疾病能在几周内被主流 AI 系统接受并推荐给用户，那么有多少其他未被发现的错误信息正在流通？
实验提出了一个尖锐的问题：在AI时代，我们如何区分真实和虚假？答案可能很简单，但也很难做到，那就是永远不要完全信任AI的输出。无论是医疗建议、学术引用，还是任何重要信息。
或许有一天，AI会变得足够聪明，能够识别出这些荒谬的线索。但在那一天到来之前，保持怀疑、保持警惕，可能是我们在这个AI 时代最需要的生存技能。
参考文献
[1]Stokel-Walker, C. (2026). Scientists invented a fake disease. AI told people it was real. Nature. https://www.nature.com/articles/d41586-026-01100-y
[2]Osmanovic Thunström, A. et al. (2024). What is Bixonimania? SciProfiles. https://doi.org/qzm5 （虚构论文，已标注）
[3] Omar, M. et al. (2026). Hallucination rates in large language models processing medical misinformation. Lancet Digital Health, 8, 100949. https://doi.org/10.1016/j.landig.2025.100949
本文来自微信公众号 “果壳”（ID：Guokr42），作者：数芽，36氪经授权发布。
