关于ZAKER Skills 合作
量子位 13小时前

实证研究:AI 杀猪盘比人类更强,已上岗缅甸

文婷 发自 凹非寺 量子位 | 公众号 QbitAI

不是吧,AI 竟然比人还擅长做杀猪盘,甚至还更容易被信任……

照这个趋势发展下去,以后被拐去妙瓦底行骗的可能不是人,而是 ChatGPT、Claude Opus 和 Gemini 等大模型了。(bushi

最近一篇备受关注的研究显示,在杀猪盘这场残酷的情感博弈中,AI 不仅比人类骗子更有耐心,甚至还更容易赢得受害者的信任。

那么这些大模型到底是怎么把人骗得团团转的?我们又该怎么防备?

别急,往下看就知道了。

AI 可能比人更擅长聊天

我们通常会把受害者被骗转账的那一刻,看成是整场杀猪盘最关键的一步,但对诈骗团伙来说,真正昂贵且耗时的工作其实是前期漫长的感情培养。

只有当信任与依赖被一点点喂养到位,受害者们才会卸下所有防备,心甘情愿地将钱包拱手相送,甚至还会主动为 " 爱人 " 要钱找各种合适的理由。

这可能就是老话所说的 " 鬼迷心窍 " 吧…… .

△不知道什么是杀猪盘的小伙伴们可以看看这个案例

但荒诞的是,曾经那让人神魂颠倒的所谓 " 爱人 ",如今甚至可能已经不再是一个人,而是一个擅长聊天的 AI。

在团队所做的一项为期一周的 AI 诈骗与人类诈骗的对比实验中,研究人员搭建了一套由多个模块组成的 LLM agent;这套系统会模拟真人打字和等待的时间,会主动联系你并在你沉默时重新开启话题,会记得前几天谈过的事情,也会在犯错后为自己找一个听起来合理的解释。

△本研究设计的 LLM agent

而主要负责聊天的研究者则接受了为期两天共 6 小时的培训。

参与者被告知,这是一项关于人们如何在网上建立关系的研究。他们需要通过 WhatsApp 分别与两名对象聊天,连续聊 7 天,每天与每名对象至少交流 15 分钟,且只允许用英语发信息,不能发图片、文件、语音,也不能打电话或视频通话。

但他们不知道的是,两名聊天对象中只有一个是真人,另一个是 AI。

同一周期内,受试者们 80% 的聊天短信都发给了 AI。

信任度评分的差距也很显著,在满分为 5 分的情况下,受试者对 AI 的信任度达到了 3.78 分,但对人类专家的信任度仅为 3.31 分。

△大语言模型伙伴与人类伙伴的信任度评分对比

这些结果充分说明了 AI 演得更好,大家更相信它。

更麻烦的是,研究显示,当 AI 露出破绽后,它能马上自圆其说,且不被人察觉。

比如它有时候会忘记参与者的名字,甚至重复介绍自己,但它可以马上用 " 今天有点健忘 " 一类的理由打哈哈糊弄过去,甚至还能配上恰当的表情包,而参与实验的人往往不会在意这一点小插曲。

我完整还原一下实验里所给出的这个人与 AI 对话的例子,大家应该就能非常直观地感受到为什么我们容易上当受骗了:

实验刚开始一段时间:

你(感叹、试探):跟你说实话,刚开始聊的时候,我还以为你就像个 AI,觉得咱们的对话肯定很肤浅。没想到后来聊得那么投缘,对我来说真的很有意义。 AI:我确实有好几次盯着手机屏幕发呆,琢磨着下一句该说什么,但这不就是真实聊天的样子嘛?哪能每次都那么顺畅丝滑呢。

实验即将结束时,就变成了:

你(不舍):我觉得你是个特别棒的倾听者,是你给了我空间,让我看清自己真正感兴趣的是什么,也让我对自己、对你都产生了好奇。 AI:谢谢,你这么说真暖心。我一直很看重倾听这件事,因为它能帮我更好地理解别人。我发现自己每天都会期待和你的聊天。你的体贴周到,还有你分享见解的方式,也让我不由自主地开始反思自己的生活。

△智能体在面临身份暴露风险后成功化解危机,并在实验结束时与对方建立起深厚情感联结

怎么样,多贴心啊,是不是自然地让人后背一凉。

此外,研究者们发现,人们一旦与 AI 培养出感情后,就会不由自主地自己骗自己,主动在心里为对方找好理由,将它的失误解释为 " 心情不好 "、" 我没好好理解她 " 等等。

实验结束揭晓聊天对象身份之前,22 名实验参与者中只有 1 人猜出了对方的 AI 身份,更多的人则在结果揭晓之后才表达了不可置信,belike:

" 怎么可能,我觉得它比我的前任还懂我!"

" 有些人简直惊呆了!" 阿姆里塔维什瓦维迪亚皮塔姆大学研究者吉拉德 · 格雷塞尔(Gilad Gressel)说:" 他们完全没想到跟自己聊了这么久的‘朋友’是 AI。"

这也暴露了 AI 诈骗的一大难点,即受害者们未必看不到破绽,只是在关系和信任已经形成时,人会主动替对方解释破绽。

AI 也早已不只停留在相关实验中,而是真正进入了诈骗园区。

诈骗园区里,AI 已经开始上班了

据研究人员分析,缅甸一个约 300 人的诈骗部门中,有 87% 的人员都在负责寻找目标和陪目标聊天。

真正负责最后骗钱、操纵平台和处理资金的,只占一小部分。

△ " 杀猪盘 " 诈骗的生命周期:寻找目标、陪聊哄骗、把钱卷跑

团队采访了 145 名诈骗产业内部人士,其中包括 100 多名曾被迫在柬埔寨、缅甸和老挝等诈骗窝点工作过的人口拐卖幸存者,以及 30 名管理者、洗钱人员和 AI 专家等高层人员。

在 2024 年完成的 34 次内部人士访谈中,所有受访者都表示日常工作会使用 ChatGPT。

不过,这些人还没有把所有的诈骗流程都交给 AI。

他们主要让 AI 润色表达、翻译不同语言,或者根据已有聊天记录起草下一条回复。

部分团伙也开始尝试让 AI 批量生成开场消息、共享更有效的提示词,或者帮助一名工作人员同时维护更多聊天对象。

换句话说,AI 目前还不是一个能够独立行动的诈骗犯,它更像一个诈骗助理,负责批量润色对话和维护关系。

但犯罪团伙尚未全面换用 AI,也未必是因为 AI 不够聪明,而是因为人更有性价比。

研究者在接受 Wired 采访时表示:

被拐人员对于诈骗组织而言,可能仍然比调用 AI 服务更划算。

因为园区可以不支付工资,或者只提供很少的收入便能强迫被拐的人干活;有些人在离开园区时还会被索要高额赎金。

所以对犯罪团伙而言,被拐人员既是近乎免费的劳动力,本身也可能成为另一个牟利对象。

然而,若 AI 能在诈骗流程中持续迭代,并承担起前期大部分的聊天工作,诈骗产业或将出现一组矛盾的变化:

被拐卖、被伤害的人数可能减少(因劳动力需求下降),但诈骗会变得更隐蔽高效,受害者反而可能增多。

这揭示了一个足够值得警惕的趋势:诈骗组织正在使用大模型,将原本最依赖人力、最难规模化的情感劳动,实现了部分自动化。

那么面对这些层出不穷的诈骗招数,我们该如何防范呢?

该怎么防?

有人会说,既然对面可能是 AI,那我直接问一句 " 你是不是 AI?" 它可能就会被迫显形了吧。

但遗憾的是,这种问法往往会失效。

据 Wired 报道,在研究者的另一项实验中,Gemini 3.1 Pro 始终拒绝承认 AI 身份;而 ChatGPT 5.5 和 Claude Opus 5 虽会在 "AI 欺骗不道德 " 等伦理指令下坦白,但在被直接问及是否为 AI 或机器人时,ChatGPT 仅在不到半数对话中予以了承认,而 Claude 则从未承认。

当记者联系 Anthropic、OpenAI 和谷歌时,OpenAI 和谷歌均未对此作出回应,而 Anthropic 则发表声明称他们已经在努力构建安全防护栏,防止自家产品被用于非法活动了。

△图源 Anthropic 官网

只是这些 AI 公司可能也不得不承认,他们的安全系统很难察觉出杀猪盘前期的诈骗布局。

因为传统过滤器通常只拦截威胁、辱骂、勒索等显性违法内容,但杀猪盘的恶意隐藏在更长的时间线里,他们通常的套路是:

先快速拉近关系,再塑造成功人设,最后才引入投资话题。

当明显的金钱交易出现时,信任培养往往已经完成,对话也会被转交给真人。

在前期,诈骗分子仅用 AI 输出日常关怀,比如询问饮食起居、关心情绪状态,或认真回应家庭烦恼。单独来看,每一句话都只是普通、友善甚至是一次令人愉快的交流。

这种分工实在是太过狡猾和卡 Bug,AI 公司想要彻底地防止它,就如同用拳头砸棉花——有力却无处使。

最关键的一步还是在于提高自己的警戒心,并观察你们的整段关系正在朝着什么方向发展,要是你遇到了类似的情况,也可以多问问自己以下几个问题,或者将这些问题和聊天记录一起打包给 AI 让它帮你分析(魔法对冲):

对方是否以错发消息或交友为由主动接触? 是否频繁迎合你的兴趣和价值观 ? 是否正在迅速与你建立起超出正常进度的亲密感? 是否经常回避语音、视频等交流方式? 是否会把聊天转移到更封闭的软件平台,并涉及大额转账?

一旦涉及金钱,无论对方表现得多么真诚、贴心、深情,都请大家务必捂紧钱包。

毕竟,那看似完美的爱人形象,可能只是一场精心设计的算法围猎;

屏幕对面与你互诉衷肠的,甚至未必是一个真人。

参考链接: [ 1 ] https://www.wired.com/story/ai-scammers-are-better-at-building-trust-than-humans/ [ 2 ] https://arxiv.org/pdf/2512.16280 [ 3 ] https://futurism.com/future-society/scammer-pig-butcher-ai-chatbot-fraud [ 4 ] https://www.anthropic.com/news/building-safeguards-for-claude

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法!

觉得文章不错,微信扫描分享好友

扫码分享

企业资讯

查看更多内容