20260524短视频记录：李飞飞最新成果：炸穿AI视觉假象

AI行业最诡异的一幕正在上演，李飞飞用一篇最新论文亲手炸穿AI大模型视觉假象，专业圈直接吵翻天，巨头连夜复盘，学者激烈辩论，彻底崩塌，可外界安静得可怕。

李飞飞团队挑选了包含GPT, Germany cloud等在内的17款主流大模型，实验逻辑很简单：就是直接掐断模型的视觉通道，清空所有模型。一块纯黑屏，没有任何可视信息。只保留文字体。让AI照常完成看图答题任务。 

按照正常人的逻辑，看不见图片，答题正确率应该无限趋近于0。但实验结果却让人直起鸡皮疙瘩。即便面对一片黑屏，这些顶级大模型依旧能说出答案。更让人后背发凉的是，只要指令里有 “根据图片分析”，AI就会自动编造画面细节。胸片的病灶、照片的纹理、图表的曲线，它都能凭空杜撰语气，笃定专业逻辑，严丝合缝。它不是看错了画面，而是从头到尾都没看。却熟练伪装成看懂的样子。这是论文定义的“海市蜃楼”。随后，李飞飞团队又拿一个，这辈子没见过一张图的纯文本模型进行PK。结局荒诞到离谱，纯文本模型大幅领先所有多模态模型。平均分超人类医生，一个“瞎子”在眼科考试里拿了第一。为什么会这样，因为行业里奉为圭枭的基准测试，7成以上的题目根本不用看图，纯靠文本就能答对。更讽刺的对照实验来了。

场景A不给图也不告诉模型“没图”，它自动进入海市蜃楼模式，正确率极高。

场景B明确说“没图”，让他自己猜。正确率直接跳水。

同样没图，换个问法，天差地别。AI可算是把职场老油条的套路学透了：永远不说“不知道”。先甩结论。语气要硬，细节要足，哪怕全是编的。 

论文发布当天，登顶国际AI学术热度榜首。全球技术圈陷入焦灼，业内学者一致判定，这不是普通程序漏洞。是所有多模态模型与生俱来的架构级缺陷。所有人瞬间清醒，过去两年资本疯狂炒作的AI视觉能力，水分极大。模型不靠视觉识别画面，仅凭海量文本记忆、关键词、概率匹配完成答题。真实视觉增益甚至不足两成。然而，对比圈内轰动程度，社媒上却出奇冷清。资本惹众怒给AI包装神性，疯狂堆砌参数，渲染全能假象。枯燥的科研真相，永远比不上花哨的科技噱头。可多数人并不清楚，这种虚假的笃定暗藏风险。实验明确标注，AI对医疗影像极易产生病理偏见，盲目判定为癌症一类的重症。而全球每天超2.3亿人用AI问诊，无数医生把它当“第二意见”。 

    作为计算机视觉的奠基人，恰恰是李飞飞在点醒世人。我们不必恐慌AI的强大，却要警惕AI的伪装。毕竟看得见的错误尚可修正，假装看见的谎言，最容易蒙蔽人心。

--------------------------------------------

问询了DeepSeek，说李飞飞这篇文章是有的。标题是“Mirage: The illusion of visual understanding”, 海市蜃楼：视觉理解的幻觉。2026年3月。发表在预印本平台arXiv，ID：arXiv:2603.21687