本书是由普林斯顿大学计算机科学教授阿尔文德・纳拉亚南与前脸书工程师萨亚什・卡普尔合著，两位作者均入选《时代》周刊 “全球 AI 领域最具影响力 100 人”。本书以 “AI 万金油”（源自 19 世纪江湖骗术 “蛇油”）为隐喻，批判当前 AI 技术生态中过度炒作、虚假宣传与盲目应用的现象，呼吁公众回归技术理性。我粗看了一下，有点老登的感觉，英伟达突破 5 万亿美元，黄仁勋画出 “AI 生态” 的大饼，从 6G 网络到量子技术，英伟达希望成为未来世界技术的基座，大家是否记得当年互联网初期炒域名和网名，新技术的出现肯定伴随泡沫，但也会成就新的英雄。在美股纷纷创新高的今天，大公司也在裁员，当年黄仁勋 呼吁传统车企要改变思路，电动车已经不是简单的运输工具，是新的物种，可奔驰大佬不当回事，现在追悔莫及。作者认为 AI 竞赛本质是商业利益驱动，非技术革命；提出 “智能革命的终极命题不是‘AI 多强大’，而是‘我们想成为怎样的人’。” 有些鸡汤，只要认真回顾 30 年来的世界变化，无论是战场上的无人机，还是已经无所不在的 AI，技术已经在改变世界。2025 年 #360

万金油的英文名叫 “Snake Oil”，指的就是 19 世纪末美国江湖游医兜售的那种 “包治百病” 的蛇油。这本书的作者阿尔文德・纳拉亚南是普林斯顿大学的计算机科学教授，他和学生萨亚什・卡普尔收集了约 50 个 AI 应用的真实案例，专门讲 AI 是怎么 “翻车” 的。书里有个案例特别震撼：美国联合健康集团要求员工必须服从 AI 决策，多次反对可能被解雇。结果呢？超过 90% 的 AI 决策都是错误的。还有好事达保险，用 AI 调整汽车保险费率，结果 AI 发现 62 岁以上老年人更少货比三家、更换保险的意愿低，于是系统性地给他们定更高的保费 —— 这就是 “精准割韭菜”。这本书最大的价值不是告诉你 AI 有多糟糕，而是告诉你 AI 的边界在哪里 —— 什么时候能用、什么时候不能用、怎样用才安全。当有人跟你说 “我们的 AI 能做某某事” 时，你要学会追问：AI 的目标函数是什么？是为了公平还是利润？数据从哪来？有没有可能走捷径？在 AI 狂热的时代，这本书能帮你保持清醒。

在 ChatGPT 掀起的 AI 狂潮中，普林斯顿大学教授阿尔文德・纳拉亚南与前脸书工程师萨亚什・卡普尔合著的《AI 万金油：商业幻想与科技狂潮》，像一剂冷静的清醒剂 —— 它撕开了 “万能 AI” 的神话外衣，用手术刀般的精准剖析，带读者看见技术光环下的真实沟壑。作为《时代》周刊 “全球 AI 领域最具影响力 100 人” 得主，两位作者以学术界与产业界的双重视角，将 “AI 万金油”（AI Snake Oil）这一源自 19 世纪江湖骗局的概念，投射到当下过热的技术生态中：那些宣称 “包治百病” 的 AI 技术，实则可能是披着创新外衣的商业幻想。一、技术祛魅：当 “万能 AI” 回归工具本质全书最锋利的洞察，莫过于戳破了 “AI 同质化” 的认知误区。作者以 “交通工具” 为喻：当大众笼统谈论 “AI 很强大” 时，其实就像有人在说 “汽车能飞”—— 忽略了生成式 AI（如 ChatGPT）、预测式 AI（如犯罪风险预测工具）与内容审核 AI（如平台过滤系统）的本质差异。生成式 AI：高效却危险的 “数字电锯”  这类 AI 擅长快速生产文本、图像等内容，像 DALL-E 生成画作、GPT-4 撰写报告，确实重塑了创意与办公场景。但作者警告，它更像 “没有安全装置的电锯”：Bard 曾在宣传视频中错误宣称 “詹姆斯・韦伯望远镜拍摄了首张系外行星照片”；某招聘 AI 生成的职位描述因算法偏见，自动排除了女性候选人。其 “创造力” 本质是对训练数据的统计重组，却常被包装成 “智能创作” 的神话。预测式 AI：伪科学的 “算命先生”  这是书中批判最猛烈的领域。从司法系统的 “犯罪风险预测” 到医疗领域的 “疾病发展预判”，这类 AI 试图通过数据建模 “预言人类行为”，但现实是：某美国法庭使用的犯罪风险评估工具准确率仅略高于随机猜测；挪威科技大学对 400 篇 AI 顶刊论文的可重复性检验显示，没有一篇完全满足科学标准。作者尖锐指出：“人类行为的复杂性，让预测式 AI 从根本上就成了‘伪科学’。” 内容审核 AI：文化盲视的 “过滤筛子”  平台依赖这类 AI 识别违规内容，却常陷入 “文化误判”：某东南亚短视频因包含当地传统舞蹈动作，被 AI 误判为 “低俗内容” 下架；讽刺性文章因关键词触发敏感词库，被直接删除而无法申诉。其根源在于 AI 难以理解语境与文化背景，却被赋予了 “内容裁判” 的绝对权力。二、炒作机制：谁在编织 “AI 万能” 的幻梦？书中用大量篇幅拆解了 “AI 万金油” 现象的生成逻辑，堪称一部 “技术炒作解剖学”。学术与产业的合谋  AI 研究的高成本依赖企业资助，导致学者与企业形成 “利益共同体”：某 AI 顶会论文宣称 “模型准确率达 97%”，实则数据存在严重作弊；企业为吸引投资，故意隐瞒 AI 系统的错误率 —— 正如作者所言：“当学术论文成了‘广告文案’，科学精神早已荡然无存。” 媒体与公众的推波助澜  新闻标题常以 “AI 通过律师资格考试”“AI 将取代放射科医生” 制造恐慌与期待，却忽略职业考试仅测试知识记忆，而医生的工作还包含临床判断、医患沟通等 AI 无法替代的维度。公众对技术的陌生感，让 “AI 无所不能” 的叙事轻易占据认知高地。监管的滞后性  在司法、医疗等敏感领域，AI 应用缺乏统一标准：某银行使用 AI 评估贷款申请者，却因训练数据偏见导致少数族裔通过率骤降；某医院引入 AI 辅助诊断，却未建立 “人类复核” 机制，导致误诊事件频发。作者警告：“当 AI 进入关乎生命与权利的领域，‘先上车后补票’的监管逻辑，正在将社会推向风险边缘。” 三、破局之道：在狂热中锚定人类价值尽管全书充满批判，却并非否定 AI 的价值。作者强调：“技术本身无罪，有罪的是将其神化的使用方式。” 他们提出的 “人机共生三原则”，为普通人提供了穿越技术迷雾的指南针：工具化认知：不把 AI 当 “伙伴”，而当 “可编程的螺丝刀”  书中以 “填空式提示词模板” 为例 —— 与其迷信 “AI 懂我”，不如像编程般明确指令：“扮演___（角色），完成___（任务），避免___（错误）”。这种 “理性操控” 思维，能让 AI 回归 “增强人类能力” 的工具本质。批判性验证：对 AI 输出保持 “有罪推定”  生成式 AI 的 “幻觉”（虚构事实）、预测式 AI 的 “偏见”（数据歧视），要求使用者必须交叉验证结果。作者建议建立 “AI 可信度 checklist”：来源是否可追溯？数据是否多元？是否有人类专家复核？系统性治理：让 AI 发展 “嵌入社会契约”  书中呼吁从三方面发力：企业公开 AI 训练数据与算法逻辑（打破黑箱）；政府建立跨领域监管框架（如医疗 AI 需通过伦理审查）；公众参与技术标准制定（避免少数企业垄断话语权）。正如作者所言：“AI 的未来不在代码里，而在我们如何定义‘好的技术’—— 它应当服务于人的尊严，而非替代人的价值。” 结语：祛魅之后，是更清醒的共生《AI 万金油》最动人的，是它在批判之余始终保持的人文温度。它没有否定 AI 的革命性潜力 —— 毕竟生成式 AI 确实让设计师效率提升 300%，预测式 AI 在气象预警中准确率达 85%—— 但它更提醒我们：技术狂潮中，最稀缺的不是 “驾驭 AI 的能力”，而是 “不被 AI 驾驭的理性”。这本书尤其适合三类读者：技术从业者需警惕 “技术崇拜”，政策制定者需平衡创新与风险，普通用户则能学会在 “AI 无所不能” 的宣传中保持清醒。当我们终于看清：AI 不是 “万能神药”，而是需要谨慎使用的 “双刃剑”，或许才能真正开启 “人机共生” 的良性未来。毕竟，智能革命的终极命题从来不是 “AI 有多强大”，而是 “我们想成为怎样的人”。🔍