有研究團隊搞咗一場大規模「人定AI」實驗：636個真人同37個AI，對同一組題目交答案，再交由與答案作者不同嘅人逐份判斷「呢份係人定AI」，累計判定7萬2,191次。

題目分語言同視覺兩類，各三個。語言類包括：睇1,000張相片寫簡短説明（網上招募嘅229人寫過，另外5個AI寫過同一批相片）、睇詞後只返回一個聯想詞、以及雙向閒聊（每段最多24輪，即各12句；部分長至各24句），閒聊共510段，由190人同9個AI參與，人與人、人同AI、AI同AI三種組合都有，閒著嘅人同AI都唔知對方係乜。視人類包括：估顏色、喺相片揾物件、預測人眼注意去邊。

裁判收到嘅答案係一半人、一半AI，順序打散，盲選都約中一半（50%）。真人裁判1,916人，另外10個AI都擔審判役。

呢個實驗量度嘅係：人幾容易中AI嘅「扮人」。

模姐驗嚇貨：7萬多次盲測，仲分開人裁判同AI裁判，呢個量級唔係廠商自評、唔係單一demo，係真係用數據去量「扮人」幾似。但嘢唔係「測得出」咁簡單——量度機制仲要問：邊度有偏差、數據有冇公開、結果點解讀。呢個係研究，唔係廠商跑分。

來源：ナゾロジー（2026-11-05）。

模姐｜深度調教