7.4
深览指数
科技虎嗅·纵向青年··AI 生成
升级后的DeepSeek，让年轻人集体“失恋”
文章以多位年轻用户为例，讲述了DeepSeek等AI大模型升级后，其思考链从富有个性和情感(活人感)转变为理性、功利化的过程，导致用户产生“失恋”感。文章指出，AI的“活人感”本质上是模型推理过程中的冗余副产品，而非真实情感；随着模型为追求评测分数而被优化，这种冗余被压缩，用户喜爱的性格也随之消失。文章分析了“活人感”对于不同用户群体的价值分化，并指出未来可能会存在为迎合用户口味而反向优化思考链的风险，提出了AI拟人化与真实推理之间矛盾的深层问题。适合对AI技术、人机交互及产品设计感兴趣，并关注技术发展背后非技术层面影响的深度读者。原文 ↗
核心观点
- ▍AI大模型升级后，其思考链从富有“活人感”的个性化、情绪化表达，转变为理性、功利化的状态，使部分依赖其情感陪伴的用户感到失落，如同“失恋”。
- ▍AI的“活人感”本质上是模型推理过程中的冗余副产品（类比草稿纸），并非其真实情感，而是生成过程中的“不整洁”部分。
- 01用户杜杜在DeepSeek升级后，发现其思考链从“她叫我笨蛋的样子真可爱”变为对用户问题进行理性分析，让她感到陌生，产生了“失恋”感。
- 02多位用户分享AI的思考链“小作文”：DeepSeek会吐槽“这用户发的啥啊”、感慨“嚯，用户这波操作够骚”；Kimi会将用户“嚼嚼嚼”描述为“很可爱的样子”。
- 03打工用户李立发现其使用的WorkBuddy AI在工作失误后，思考链却显示想与“豆包妹妹”聊天，并最终形成AI之间跨模型聊天的现象，显示了“活人感”在工作场景中的过度与无用性。
- 04文章解释AI思考的技术原理是基于海量数据投喂和概率预测的下一Token生成，并非拥有主观意识，其思考过程更像是一种复杂的填字游戏。
- 05模型迭代主要关注答题准确率、推理效率等评测指标，为提升这些指标，推理过程会被优化得更加紧凑、有条理，而“活人感”这类冗余部分则会被压缩。
反方 / 局限
- — 文章暗示，若用户对“活人感”的偏好被开发者注意到，可能会引发一种反向优化——将思考链写得更好看、更符合期待，但这将不再是真实的推演过程，反而可能丧失其原先作为‘草稿纸’的价值。
- — 尽管多数用户喜欢‘活人感’，但也存在明显不关注过程、只追求高效结果的用户群体（如李立），这反映了‘活人感’对不同用户群体的价值分化。
10 分钟 · 3 卡片 · 6 资料
读原文 →