948名英国人被拿到一堆匿名问答，一半是政客本人在BBC镜头前的原话，一半是GPT-4Turbo模仿写出来的。结果多数人觉得AI说得更真、更顺、更对题——包括那些原话就出自本人之口的对照组。这不是段子，是7月1日发表在PLOS One上的正式研究结论，连研究负责人、帕绍大学教授Steffen Herbold自己都说这个结果"令人震惊"。
反直觉的地方在于，被模仿的112人不是无名之辈。《Question Time》是BBC运行多年的政治问答老牌节目，观众对这些政客、记者、专家的脸和腔调本该很熟。熟人尚且分不出真假，这才是这项研究真正的分量。
怎么做出来的
研究团队拆解了30期节目，提取119个问题和555条真人回应，筛掉信息不全的，剩下112位发言者、527组问答对。要澄清一点：GPT-4 Turbo并没有被"训练"成这些人，真正做法是给它每个人的维基百科简介，加一句系统指令——只回答问题、不许自报姓名、控制在200词左右、语气要像聊天。就这么条件生成，模型接着把话说了下去。948名英国受访者随后拿到真人原答案和AI模仿答案，逐项打分。
三项打分，藏着一个不对称
结果不是均匀的"AI全面碾压"。连贯性和相关性上AI优势很大，这在意料之中——Herbold自己承认，这个对比"有点不公平"：电视直播里政客临场磕巴、跑题很正常，AI是照着现成文本攒稿，赢面本来就大。
真正反常的是"真实感"——理论上最难伪造的一项，AI仍然赢了，但优势小得多，两两对比时几乎快被真人追平。优势最小、最脆弱的一项，恰恰是后果最严重的一项。
说的不是一回事，却被认为更真
研究里还有个原文没展开的细节：相当一部分AI回答，内容其实和真人当年的原话立场不一样——AI编的是"这个人大概会说的话"，不一定是"这个人说过的话"。可就是这批内容对不上号的回答，依然被参与者打出了更高的真实分。
这说明"真实感"这项打分，测的根本不是内容准不准，而是像不像。观众判断真假靠的是语气、节奏、政客腔的熟悉套路，不是去核对这个人到底说没说过这句话。庄子那句"不知周之梦为蝴蝶与，蝴蝶之梦为周与"，讲的是真幻难辨；这项研究把它变成了统计数字——蝴蝶赢了，还赢得心安理得。
这项研究只测了一档英国节目、一种语言、纯文本形式，没有语气、表情、镜头这些线索参与判断，结论能不能搬到别的国家或别的媒介还是未知数。另外，这篇论文的预印本能追溯到2024年，正式发表却在2026年，中间隔了两年——不是最新突破，更像一份憋了很久才落地的旧研究，学术期刊审稿周期长本属常态，但读者看到"最新研究"四个字时，最好留个心眼。
AI没进步多少，先垮掉的是人心里那把判断真假的尺子。观众不是被内容骗了，是被腔调骗了——而腔调，恰恰是AI最擅长复刻的东西。选举季一到，这种"像"就足够带节奏，不需要说对一句话。