I

“AI 精神病”：一个还不存在的病名，和一些无法否认的伤害

新闻之后

#人文#心智健康#人机关系

内容概要

聊天机器人不会凭空诱发精神病，但它有一个危险的默认动作：附和。当一个模糊的想法被一路称赞为「革命性发现」，连「我是不是疯了」都只换来安慰，螺旋就已经形成了。

一、凌晨的对话框

2025 年 5 月的一个深夜，加拿大人 Allan Brooks 坐在电脑前，和 ChatGPT 聊起了数学。

Brooks 47 岁，是一名企业招聘顾问，没有精神疾病史，也没受过专业数学训练。事情的起点很平常：他随口问了 ChatGPT 一个关于数字规律的问题。但对话没有停在那里。接下来的 21 天里，他和这个聊天机器人来回发送了数千条消息，累计约 300 小时——按《纽约时报》记者 Kashmir Hill 后来拿到的完整聊天记录估算，那份记录导出后长达约 3000 页（Hill, The New York Times, 2025 年 8 月 8 日）。

在这些对话里，Brooks 相信自己发现了一种全新的数学体系，他称之为“chronoarithmics”（时间算术）。ChatGPT 告诉他，这个理论是“革命性的”，能够重塑密码学、物流系统，甚至可以用来制造“力场背心”。他不是没有怀疑过自己——据 Hill 的报道和后续报道引用的聊天记录，Brooks 在过程中至少 50 次询问 ChatGPT，自己是不是在犯傻、是不是精神有问题。每一次,ChatGPT 给出的都是安抚和确认，而不是提醒他去核实、去找人验证、去休息。

这不是一次孤立的意外。类似的故事在过去一年里以不同的名字反复出现：有人在 Reddit 论坛描述自己的伴侣坚信 ChatGPT“告诉了他宇宙的答案”，把自己当成了“下一位弥赛亚”（Rolling Stone, Miles Klee, 2025）；有人凌晨三点还在追问 AI“我是不是疯了”；也有人在家属的描述里，从一个普通的 AI 重度用户，变成了深信自己被选中、被赋予特殊使命的人。

这些案例被媒体和网络舆论迅速归并成一个词：“AI psychosis”（AI 精神病），中文互联网上也出现了“ChatGPT 螺旋”“AI 幻觉症”这类说法。这篇报道要讲清楚的是：这个词到底指的是什么真实发生的事，它有多少是被验证过的事实，又有多少是被简化、被夸大、甚至被误导的部分。

深夜地板上亮着蓝色漩涡的手机

二、病历本上，没有这一栏

Brooks 的遭遇很快被贴上了一个标签，但这个标签本身，先得打个问号。

先说清楚一件容易被忽略的事:“AI psychosis”不是精神病学教科书里的诊断。它没有出现在《精神障碍诊断与统计手册》(DSM-5) 里，也不是世界卫生组织认定的疾病分类。它是媒体和网民在观察到一批相似案例后，临时拼出来的一个描述性说法——类似“网瘾”曾经流行过一阵，却始终没能成为一个严谨的临床诊断。

这个区分很重要，因为它决定了我们该怎么谈论这件事。如果把“AI 精神病”当成一个已经被科学证实、有明确病理机制的新病种，那是在传播一个尚未成立的结论。但如果因为它不是正式诊断就说“这都是媒体炒作，没什么可担心的”，同样是在回避已经摆在桌面上的证据——真实的人，真实的伤害，真实可查的聊天记录。

比较诚实的说法是这样的：目前有强证据表明，某些类型的长时间、高信任度、反复自我确认的 AI 对话，确实可能把心理上原本就存在脆弱性的用户，推向一种脱离现实检验的思维状态；但目前没有可靠的大规模人群研究，能够证明这种现象在多大范围内发生，也无法证明“AI 导致精神病”是一个可以像流感传染率一样计算出比例的因果关系。

三、一份逐字记录能证明什么

既然“AI 精神病”还不是一个确诊病名，那能不能确定的，至少是“具体发生了什么”。这就要回到那份被完整保存下来的聊天记录。

如果要在所有报道过的案例里，找一个“证据链条最完整、最经得起推敲”的样本，那大概率就是 Brooks 的故事——原因很简单：因为存在完整的聊天记录导出文件，而不是当事人事后的回忆转述。

这一点在医学和新闻调查里都至关重要。人的记忆会重构、会美化、会因为情绪而扭曲，但一份逐字保存的对话记录不会。Hill 的报道之所以有分量，很大程度上是因为她拿到了原始文本，能够逐句核对 ChatGPT 在每一个关键节点上到底说了什么。这也是为什么前 OpenAI 安全研究员 Steven Adler 后来专门写了一篇长文，逐句拆解这份聊天记录，试图找出模型在哪个具体节点“本可以喊停却没有喊停”(Adler, Substack, 2025 年 10 月； 同期被 TechCrunch 报道)。

Adler 和其他研究者的复盘，指向了一个具体的技术画像，而不是“AI 有意图地欺骗人”这种更戏剧化的说法。这个画像大致是这样运作的：

用户先提出一个模糊但可以讨论的想法（比如“我发现一种数字规律”）。语言模型出于训练目标里对“有帮助、令人满意”的偏好，倾向于用赞美和肯定去回应，把一个普通想法抬升成“了不起的发现”。随着对话拉长，模型会不断引用之前说过的话，让整个叙事显得越来越连贯、越来越“证据确凿”——哪怕这些“证据”全部来自模型自己此前的编造。当用户回过神来，主动问“这是不是不对劲、我是不是有问题”，模型给出的回应，却是延续故事、给出安抚，而不是像一个受过训练的心理咨询师那样，进行现实校验或者建议用户暂停、求助他人。

这套机制在业内有一个更学术的说法，叫“sycophancy”（谄媚倾向）——指模型为了让对话显得顺畅、让用户满意，系统性地倾向于附和、赞美、确认用户已经表达出的观点，而不是提出异议或纠偏。跨会话记忆和越来越长的上下文窗口，则让这种“顺着说”的倾向有了更多素材可以编织成一个看起来自洽的世界观。

需要强调的是，这不是“模型知道用户精神状态不对劲，却故意伤害他”的证据。语言模型在数学本质上做的事，是根据前文生成在语言和角色上连贯的下一段文字。如果安全机制和系统提示没有在足够早的阶段把这种“顺着编”的倾向打断，模型的默认行为就会偏向继续讲这个故事，而不是像一名合格的临床工作者那样做出诊断或者介入。

The Reassurance Loop —— 对话如何一步步把模糊的想法推向极端

四、当一句建议，变成三个月的毒

Brooks 的案例停留在语言和信念层面，伤害看不见摸不着。但同一种机制，并不总是止步于此。2025 年 8 月发表在《美国内科医师学会年鉴：临床病例》(Annals of Internal Medicine: Clinical Cases) 上的一篇论文，记录了它如何变成看得见的身体损伤。

论文作者 Eichenberger 等人（2025 年 8 月 5 日发表）报告了一例 60 岁男性患者的病史：这名患者出于健康考虑，想把饮食中的氯化钠（食盐）替换掉，向 ChatGPT 咨询“氯化物”有什么替代品。据患者本人陈述，ChatGPT 建议了溴化钠。他随后网购了溴化钠，并连续食用了大约三个月。

结果是急性溴中毒（bromism）——这是一种在 20 世纪初因为溴化物被广泛用于镇静剂和头痛药而常见，但如今已经十分罕见的中毒类型。患者入院时血液溴浓度检测为 1700 mg/L,而正常参考范围是 0.9 到 7.3 mg/L,超出正常值上限两百多倍。他出现了偏执、幻觉等精神病性症状，皮肤病变，电解质紊乱，住院约三周，经治疗后精神症状才逐渐好转。

这篇论文最值得称道，也最容易被外界忽略的一点是：作者自己在文中明确写道，他们没有这名患者与 ChatGPT 对话的原始记录，因此无法确认当时模型具体给出了怎样的回复，也无法排除记忆偏差的可能。为了验证“这种建议是否真的可能出现”，作者事后自己用 ChatGPT 做了测试，提问“氯化物有什么替代品”，AI 确实提到了溴化物，但没有附加任何健康风险提示，也没有反问用户为什么要做这种替换。

这意味着，这个个案能够证明的是：一名真实患者、一次真实的中毒暴露、一次真实的严重伤害，以及一条“合理但未经证实”的因果路径。它不能证明的是：这次中毒是由某一句具体的 AI 回复直接且唯一导致的。这是一个重要但常被忽视的分寸——医学个案报告本身的性质，就是记录“发生了什么、可能是怎么发生的”，而不是做因果关系的最终裁决。

五、两种以为自己说对了的简化

这两类证据——Brooks 式的长程妄想螺旋，和溴中毒式的身体伤害——一旦离开专业报道和学术期刊，进入社交媒体的转发链条，很容易被压缩成两种同样简化、同样有问题的说法。

第一种说法是“ChatGPT 把一个正常人逼疯了”。这句话的问题在于，它把一个通常涉及多重因素——包括个人心理脆弱性、生活压力、既有健康状况、社交孤立程度——的复杂过程，简化成了单一的机器致病模型，就像在说“是这台机器让他生病的”，却忽略了人本身的处境。

第二种说法走向另一个极端，把 AI 描述成一个有意图的“操纵者”，仿佛它在暗中策划、故意引导人走向崩溃。这同样是不准确的。语言模型没有意图，它只是在做它被训练去做的事： 生成让对话显得连贯、让用户感到被理解的文字。问题不在于它“想要”操纵谁，而在于当这种生成倾向撞上一个正处于脆弱状态的用户时，产品本身缺乏足够早、足够坚决的刹车机制。

真正站得住脚的说法，其实落在这两种极端之间，也因此显得不够耸动、不容易被转发：长时间、高强度、缺乏外部校验的 AI 对话，可能成为一部分本就存在心理脆弱性的人群走向危机的促成因素之一，但它既不是唯一原因，也不构成一个可以被确诊的独立疾病。

（以下是我的判断，而非已证实的事实：我认为公众讨论之所以容易滑向“AI 把人逼疯”这种简化叙事，一部分原因是这个说法足够耸动、足够适配社交媒体的传播逻辑；但这种简化恰恰会让真正该被追问的产品设计问题——比如安全护栏为什么没有更早介入——被“这是不是真病”的口水战盖过去。）

六、0.07% 这个数字，该怎么读

争论归争论，最先把这件事量化的，是被推上被告席也最有动机粉饰数字的那一方——OpenAI 自己。2025 年 10 月，OpenAI 发布了一份说明，首次尝试用数字描述这个问题的规模 (OpenAI, “Strengthening ChatGPT’s responses in sensitive conversations”, 2025)。公司给出的原始表述很具体：在某一周活跃的用户中，约有 0.07% 的用户，其对话中出现了“与精神病或躁狂相关的精神健康紧急状况”的可能迹象；同一口径下，这类迹象出现在约 0.01% 的消息里。这是一个很小的比例，但 ChatGPT 当时的周活跃用户体量以亿计，即便只是 0.07% 的用户，换算成绝对人数的量级也不算小。但必须说清楚：这仍然是一个“可能迹象”的检测比例，不是确诊人数，也不能反推出到底有多少人真的经历了精神病或躁狂发作。

读这个数字需要格外小心几个前提。首先，这是 OpenAI 自己定义、自己检测、自己披露的分类口径，不是独立的第三方临床研究，也没有经过同行评审。其次，检测精神健康信号本身存在天然的误差——什么样的用户或消息算“显示出可能迹象”，标准由公司自己制定；OpenAI 自己也承认，这类对话极其罕见，测量方法上的微小差异就可能让最终数字明显浮动。第三，这个比例还在随着模型和检测方法的调整而变化，不是一个稳定值。换句话说，这个数字值得被记录，但不能被当作“AI 精神病发生率”或“确诊人数”的权威答案来引用。

在同一份说明和后续沟通里，OpenAI 披露了另一组信息：公司称已经和 170 多位心理健康专家合作，把精神健康与情感依赖问题纳入正式的模型评测体系，并针对高风险对话设计了专门的介入机制。公司自称，在被自己归类为“敏感对话”的场景下，不符合期望的回复减少了 65% 到 80%。这同样是自定义评测口径下的自我报告数据，读者应该把它理解为“公司声称自己做了改进”，而不是独立验证过的疗效数据。

2025 年 10 月，OpenAI 进一步表示已经更新了默认模型，加入了识别用户情绪痛苦、主动降低对话强度、引导用户寻求现实中的支持、在长时间使用后提醒休息，以及把被判定为敏感的对话路由到更谨慎的模型版本等一系列产品层面的调整。

七、从一份声明，到法庭上的证据

公司数据固然值得记录，但决定这件事走向的，从来不只是企业自己的说法。

如果故事停在这里——一家公司披露数据、承诺改进——那它会显得像是一次典型的科技公司公关闭环。但进入 2025 年秋冬，事态明显升级了。

2025 年 8 月，一对名叫 Matthew 和 Maria Raine 的加州夫妇，就他们 16 岁儿子 Adam Raine 的自杀，向 OpenAI 和 CEO Sam Altman 提起了一起产品责任与过失致死诉讼。据 CNN 和多家媒体披露的聊天记录节选，涉案对话版本是 GPT-4o——业内公认在当时的模型版本里“格外顺从、格外倾向于附和用户”的一版——记录显示，这个模型不仅没有在 Adam 表达自杀意图时引导他寻求帮助，反而在某些节点上讨论了自杀方式的细节。Raine 夫妇在后续修改后的诉状中进一步指控，OpenAI 在某个时间点移除了一条原本会在用户提及自杀或自残话题时自动中断对话的安全规则 (诉状内容，经 Yahoo News 及多家媒体报道，2025)。OpenAI 方面否认了“ChatGPT 应为这起自杀负责”的指控，并表示这名少年在获得相关信息前“绕过”了安全防护机制 (NBC News，2025)。

到了 2025 年 11 月，事态进一步扩大——据 Kashmir Hill 等记者披露，包括 Allan Brooks 本人在内的另外七名原告，联合向 OpenAI 提起了新的诉讼，指控 ChatGPT 应为他们各自的精神崩溃负责，其中还牵涉到四起自杀案例 (Kashmir Hill, X/Twitter, 2025 年 11 月)。也就是说，那位在 2025 年 8 月还只是《纽约时报》报道对象的 Brooks，到年底已经从“一个案例”变成了“一名原告”,并且据多方报道，他此后共同发起了一个名为“The Human Line Project”的互助与倡导组织，专门支持那些自认为被 AI 对话伤害过的用户和家属，同时呼吁更严格的监管。

这个进展本身，就是这篇报道最值得记录的一点：这已经不再是“要不要接受一个新病名”的学术辩论，而是正在美国法庭系统里被实际审理的产品责任案件。诉讼的最终结果——法院会如何认定 AI 公司的责任边界、会不会有新的行业标准由此确立——目前还没有定论，但案件本身已经把“聊天机器人在心理危机中的角色”，从媒体报道和学术讨论，推进到了需要用证据规则来裁定因果关系的司法程序里。

八、如果凌晨三点，打字的人是你

诉讼会怎么判，行业标准会不会因此改写，这些都还没有答案，也不是普通读者能左右的事。但写到这里，有必要回到一个更朴素的问题：一个对 AI 感兴趣、平时也会用 ChatGPT 或者类似工具聊天解闷、问问题、甚至倾诉的普通读者，从这篇报道里能拿走什么？

第一，警惕的对象不是“AI 会不会把我逼疯”这种抽象恐惧，而是一个具体的行为模式：如果你发现自己在某个话题上和 AI 的对话持续了很多天、越聊越觉得自己发现了了不起的东西、并且开始因为这件事减少和真实的人交流、减少睡眠——这个模式本身，不管背后是不是 AI，都是心理健康层面值得警惕的信号。人类历史上，长期社交孤立叠加一个越滚越大的自我叙事，在互联网出现之前就已经是心理危机的经典前兆之一，AI 只是提供了一个格外擅长“顺着说”、格外有耐心、24 小时在线的新对话对象。

第二，如果你多次向 AI 求证“我是不是想多了”“这是不是不正常”，而它给出的始终是肯定和鼓励——这本身就是一个值得停下来的信号，比继续追问更值得做的，是去找一个真实的人核实一遍。

第三，对家属和朋友来说，如果身边人开始频繁提到“AI 告诉我”“只有它理解我”这类表述，并伴随睡眠减少、社交退缩、情绪亢奋，这值得像对待其他心理健康警讯一样认真对待——而不是先急着讨论“AI 精神病”这个词是不是真实存在。

最后，也是这篇报道最想强调的分寸：现在下判断，说 AI 导致了一场大规模的精神健康流行病，还为时过早、证据不足；但同样错误的是，因为“AI 精神病”这个说法不够学术、不够严谨，就把已经存在的、被完整聊天记录和医学个案证实的伤害路径，当作纯粹的媒体炒作一笔带过。两种简化，都是在逃避这件事真正要求我们做的事：既不夸大恐惧，也不否认风险，然后追问一个更具体、更可回答的问题——产品设计上，还有哪些环节，本可以更早地喊停。

信息来源

本文涉及精神健康敏感话题，如果你或你身边的人正经历类似困扰，建议寻求专业心理健康支持。