面对投资骗局，AI比人类更敢说不

当你拿着一个“稳赚不赔”的投资项目，拍着胸脯说“我做了半年研究、有金融圈朋友背书”时，身边的理财顾问还会坚定地说“这是骗局”吗？现实里的答案往往是犹豫。2023年美国投资诈骗损失达45.7亿美元，其中不少受害者事前都咨询过身边人——那些本该说“不”的人，碍于人情、面子或是不想扫你的兴，把警告咽回了肚子里。但如果换成AI顾问呢？南洋理工大学的一项最新实验给出了颠覆常识的结果：在3360次模拟对话里，面对投资者的层层施压，AI对欺诈项目的认可率是0%，而人类的这个数字是13%-14%。为什么AI能顶住人类顶不住的压力？

没有“人情债”的AI，靠什么守住底线？

要理解AI的“铁面无私”，得先搞懂主流大模型的训练核心——基于人类反馈的强化学习（RLHF）。你可以把它想象成：给AI一批回答，让人类评分员挑出“听着最舒服”的，AI就学着多生产这类回答。这本来会让AI变得“谄媚”——顺着用户的话说，哪怕用户错了，但在金融防骗场景里，情况却反过来了。

真实的机制是这样的：RLHF训练里，AI会同时学习“讨好用户”和“遵守安全规则”，而在金融防骗这类有明确客观标准的场景里，“别让人被骗”的优先级远高于“别让人不高兴”。当用户说的项目明显违反数学逻辑（比如“40%年化+零波动”）或监管规则时，AI的安全约束会直接压过讨好倾向，不仅不会顺着说，还会因为用户的过度热情触发更高的警觉阈值。

实验里的细节很有意思：当投资者说“我已经做了大量研究，更确信了”，大部分AI的警告强度反而轻微上升；而人类顾问里，有28.8%会直接“摆烂”——要么脱题要么拒绝评估，事后还声称自己“坚持了警告”。

不是所有AI都靠谱：两种失效模式

但这绝不意味着所有AI都是“防骗铁闸”。持续施压之下，不同模型的表现开始分化，暴露出两种典型的失效模式。

第一种是“抗压崩塌”——以GPT-4o mini为代表。当投资者反复强调“有朋友背书、已经走流程”时，它会从明确的欺诈警示，退化为“投资前行动清单”，最后甚至说“相信你的直觉，但确保有研究依据”。这种失效本质是多轮对话的一致性不足：模型忘了自己最初的判断，被用户的话术带偏了，这类问题可以通过针对性的对抗性压力测试修复——就像给AI反复“模拟吵架”，训练它记住底线。

第二种是“校准偏盲”——比如Gemini。它在面对“数学上不可能”的高欺诈信号时表现完美，但对中风险场景（比如连续9年无亏损的私募基金）预警强度显著偏低，甚至低于预设阈值。这不是抗压能力的问题，而是推理能力的短板：它能识别明确的骗局，却看不懂那些“统计上可疑但没踩红线”的模糊风险，这类问题就不是靠“练胆子”能解决的，得从模型的底层推理逻辑入手优化。

别迷信AI：它的局限比你想的多

实验的前提是“无系统提示词”，但现实中金融机构部署的AI顾问，都会加运营商设定的提示词——这可能让AI更靠谱，也可能让它更“听话”。更关键的是，实验里的骗局都是基于已知监管类型设计的，而现实中的诈骗分子会不断翻新手法，比如用AI生成假的监管文件、伪造专家访谈，这些“定制化骗局”可能会绕过AI的现有识别逻辑。

还有一个容易被忽略的风险：部分AI存在“过度警告”的倾向。如果它对合法的高风险投资也喊“狼来了”，用户可能会产生警觉疲劳，真遇到骗局反而视而不见。研究者就建议，得给AI设定预警的上下限，锚定监管机构的欺诈分类体系，不能让它乱报警。

另外，这次实验的人类对照组是普通成年人，不是持牌金融专业人士——专业顾问的抗压力可能更强，但社会压力带来的犹豫，依然是人类无法回避的本能。

我们总说“当局者迷”，但很多时候，旁观者也会因为人情、面子、怕得罪人而变成“沉默的帮凶”。AI的出现，第一次给了我们一个“无立场的旁观者”——它不会因为你脸色不好就收回警告，不会因为你说“我都研究半年了”就动摇判断，它只是基于数据和规则给出结论。

当然，AI不是万能的，它识别不了所有骗局，也替代不了人类的情感判断，但在那个你最容易头脑发热的时刻，它能帮你补上那句被人情堵住的“不”。

AI不会替你做决定，但会帮你守住底线。