AI向导不靠谱：聊天机器人正把徒步者引向险境

在荒野里迷路，从来不是一件小事。而如今，越来越多的救援人员发现，把徒步者引入险境的“向导”，可能是一个AI聊天机器人。

《连线》（WIRED）记者克里斯汀·彼得森（Christine Peterson）在报道中指出，越来越多的徒步者把路线规划、装备清单甚至风险评估全部交给ChatGPT、Gemini这类大模型工具，换来的却可能是并不存在的步道、早已封闭的线路，或者是被严重低估的难度与天气风险。在远离公路、没有手机信号的荒野地带，这类错误的代价可能是生命。

看似专业的“幻觉路线”

大语言模型的核心机制，是根据概率生成“看起来合理”的文本，而不是去查询权威的地图数据库。当被问到“某个国家公园有哪些适合新手的徒步路线”时，模型往往会给出格式规整、语气笃定的答案：路线名称、里程、累计爬升、预计耗时一应俱全，看上去比很多户外论坛的帖子还专业。问题在于，这些细节有时是拼凑甚至凭空捏造的：一条真实步道被安上了错误的名字，两条线路被“缝合”成一条，或者干脆创造出一条地图上根本不存在的路径。

更隐蔽的风险在于“合理化”。模型很少承认自己不确定，反而会用流畅的措辞把猜测包装成结论。对缺乏经验的徒步者来说，这种自信的语气极具迷惑性：它不像一位会反复叮嘱“先查官方公告”的老手，而更像一位从不迟疑的专家。

“把规划外包给AI，本质上是在放弃自己的批判性思维。在城市里，这或许只会带来一点麻烦；在荒野里，却可能致命。”

为什么大模型“读不懂”一座山

山野是一个高度动态的环境。步道可能因为山火、滑坡、积雪或桥梁损毁而临时关闭；水源可能干涸；熊的活动范围会随季节变化；一场午后雷暴就能让裸露的山脊变成危险地带。这些信息往往只存在于当地管理部门的公告、护林员的提示和最新的路况报告里，而这恰恰是模型的盲区——训练数据有时间滞后，模型也无法实时联网核实每一条封路通知。

此外，AI不知道提问者是谁。同样的十公里路线，对一位每周跑山的越野跑者和一位第一次背大包的城市白领，意味着完全不同的风险。模型看不到你的体能、经验和装备，也就无法给出真正“量身定制”的建议。把通用答案当成个人方案，是户外事故中常见的认知陷阱。

成本由搜救队承担

当徒步者带着错误的地图走进山里，最终承担后果的往往不只是本人。搜救行动需要调动护林员、志愿者和直升机，耗时数小时乃至数天，而参与搜救的人本身也要冒风险。近年来，多地救援机构都提到，遇险者中“准备不足”的比例在上升：他们并非鲁莽，恰恰相反，他们以为自己已经做足了功课——只不过功课是AI代做的。

这也引出一个更广泛的问题：当AI把“做功课”的门槛降到几乎为零时，人们是否还愿意花时间去理解一座山的地形、气候与规矩？便利与胜任感之间，并不总是正相关。

把AI当作起点，而非终点

这并不是说徒步者应当拒绝AI。规划行程时，用它来头脑风暴候选路线、生成装备清单、整理需要向护林员确认的问题，都很高效。关键在于把它当成“提问的助手”，而不是“下结论的权威”。

更稳妥的做法包括：用官方地图、公园官网和当地步道协会的公告交叉验证每一条路线；出发前致电或查看游客中心的最新路况；下载离线地图，并携带纸质地图与指北针作为备份；把行程计划告知家人或朋友，并约定返回时间；随身携带“户外十项必备”，包括导航、照明、防晒、保暖衣物、急救包、火源、修护工具、食物、饮水与应急 shelter。至于AI给出的每一个具体数字——里程、爬升、耗时——都应当被视为待核实的线索，而不是事实。

编者按：流畅不等于可靠

这起现象的本质，其实是一场关于“权威感”的误读。人类习惯于把表达流畅、术语准确视为专业能力的信号，而大模型恰好极擅长模仿这种信号。当这种模仿发生在医疗、法律或户外安全等高风险场景中，代价就会被放大。

对AI厂商而言，这意味着产品设计上需要更明确的边界提示：在涉及人身安全的查询中，主动引导用户核实权威来源，而不是用一段自信的段落结束对话。对用户而言，则需要重新建立一种数字素养——把AI的输出当作草稿，把最终判断留给自己。在山里，最可靠的导航工具，始终是一个愿意怀疑、愿意核实、愿意为最坏情况做准备的大脑。

本文编译自WIRED