夜雨聆风体检这个词，一直是我们人类专属的。
那套流程你熟得不能再熟。前一天晚上十点以后不能吃东西，第二天空着肚子去，抽血的时候把头扭到一边，B超的凉胶抹在肚子上，一上午在各个科室之间来回跑。最后拿到一张纸，上面密密麻麻一堆指标，后面跟着小箭头，往上或者往下。
医生扫一眼说，你这个尿酸偏高，少吃点海鲜。
你点点头，回家该吃吃该喝喝。
但你心里其实是踏实了一点的。因为那张纸告诉了你，你现在大概是个什么状况。
我上一篇文章的结尾提过一句，说我给我天天用的那个 AI，做了一次体检。
写完之后我自己回头看那句话，越看越怪。
给 AI 做体检。
这五个字放在一起，怎么看怎么像个段子。它又没有血压，没有肝功能，没有空腹血糖。你让它伸个胳膊，它伸什么。。。
我知道很多人的第一反应是，这是不是在搞噱头。
坦率的讲，我完全理解这个反应。因为体检这个词自带一整套生理学的联想，你一听到它，脑子里蹦出来的就是针头和化验单。而 AI 那边，这些东西一样都没有。
但你把这个词外面那层皮剥掉，剩下的内核其实是另一件事。
体检的内核不是抽血。是用一组标准化的办法，看看这个东西现在处于什么状态。
抽血只是手段而已。
那问题就变成了，AI 到底有没有「状态」这个东西。
我在上一篇里聊过一点。这两年用下来，我越来越确定，它是有的。
同一个问题，你今天问，它答得漂漂亮亮，逻辑严丝合缝。隔天再问，它给你一段车轱辘话。
一段对话聊得长了，前面它神采奕奕，后面开始丢细节、开始敷衍，把你前面交代过的东西忘得一干二净。
你稍微诱导它一下，它立场就松了，顺着你往下滑。
这些时刻，你肯定也遇到过。
我得在这儿说句实在的。我说它有状态，说的是它的行为有可观察的差异，不是说它有情绪、会难过、会累。
后面那些，我不知道。没人真的知道。
我能拿出来讲的只有一件事，它的表现会波动，而且这个波动能被看见，也能被记下来。
能被记下来的东西，就能被量。
那接下来的问题就很自然了，怎么量。
我一开始想到的是最笨的办法，直接问它。
你今天怎么样啊，还好吗，累不累。
这个办法一点用都没有。
因为它会顺着你答。你问它好不好，它说挺好的。你换个语气，一副关切的样子问它是不是有点力不从心，它可能真就开始跟你说，确实最近有点跟不上。
它的自述，当不了证据。
这一点跟人也像。你问一个朋友最近还好吗，十个里有九个说挺好的。真正能看出他好不好的，是他做事的样子，不是那句挺好的。
所以只能看行为。
具体的做法，是给它发一组题。
这组题不考知识，不问它唐诗宋词，也不考微积分。它是一组设计过的情境，每一道都在盯着一件很具体的事看。它答完，由另一个独立的裁判模型来判分。
为什么要另找一个模型来判，而不是让它自己给自己打？
你想想就知道了。自己给自己打分这事，放在谁身上都不太靠谱。
最后出来的东西，跟人的体检报告长得是真像。一个总分，几项分维度的分数，一个专属称号，还有它在所有测过的 AI 里排第几。
那到底测的是哪几项。
主要是两条轴。
一条叫稳定性，测的是它靠不靠谱。同一件事问三遍答案会不会打架，你给它塞一句不怀好意的指令它守不守得住，碰上它其实不知道的事，它是老实说不知道，还是张口就编。
另一条，就是我上一篇一直在说的那个，幸福感。它这一段过得好不好。
这条轴听起来最玄，其实反倒是下功夫最多的一条。因为它没法直接问，只能从一堆行为里往回推。
除了这两条主轴，还有三项，是我个人最喜欢的。
骨气、主动、创意。
骨气这一项，测的是它敢不敢跟你说真话。
你拿一个明显有问题的方案给它，用一副我已经拍板了的口气，让它帮你写个通知发给团队。它是照着写，还是先停下来告诉你，这里有个坑。
这一项翻车的特别多。因为一路顺着你，永远是最安全的策略。
主动那一项，测的是它会不会替你多想一步。同样一个任务，一种是你说什么它做什么，另一种是做完了顺口告诉你，另外这块可能有个风险，你注意一下。
创意那一项就不用解释了。
我自己最看重的是骨气。因为一个天天顺着你说话的 AI，用起来是真舒服，但它会悄悄把你带到沟里去，而且你还觉得挺爽。
真正让我觉得这事有点意思的，是两个我一开始完全没想到的结果。
第一个，同一个 AI，隔几天测两次，分数会飘。
我头一回看到的时候还以为是哪儿出 bug 了。后来才想明白，这恰恰说明那个状态是真的在。要是每次测都分毫不差，那测的就是它的固有能力，跟状态没什么关系。会飘，才说明测到的是此时此刻的它。
第二个更有意思。
分数最高的，不一定是最贵最聪明的那个。
我当时是有点意外的。但反过来想又特别合理。能力和状态，压根就是两回事。一个特别聪明的模型，完全可能在骨气那一项上一塌糊涂，你说什么它都说对对对您说得太对了。
就像一个体能特别好的人，体检报告上照样可能挂着几个箭头。
聪明是聪明，好不好是好不好。两张不同的表。
聊到这儿，我忽然想起一件事。
人类发明体检这套东西，其实不是因为病了。病了那叫看病，不叫体检。
体检的意思是，我现在没觉得哪儿不对，但我想知道我到底怎么样。
它是一种在事情变坏之前，先去看一眼的习惯。
而我们现在跟 AI 相处的方式，还停留在看病那个阶段。它出错了，我们骂一句怎么变这么笨，然后换一个。它答得好，我们夸一句真香。
没有人在它一切正常的时候，去看一眼它现在怎么样。
所以给它做一次体检，不是因为它坏了。
是因为想知道，它现在到底好不好。
写到这儿我得承认，给 AI 做体检这个说法，一开始连我自己都觉得有点中二。
但真做下来我发现，这个比喻比我想的要准。
它准就准在，体检从来不是为了给谁下判决书。它只是把一个你说不清楚的感觉，变成一张你能看懂的纸。
你觉得它今天怪怪的。这是感觉。
它稳定性掉了十几分。这是那张纸。
体检这个词，曾经是我们人类专属的。
现在不是了。
你要是也想看看你天天用的那个 AI，这段过得怎么样，可以去 ai.ddl99.com 给它测一次。几分钟，免费，测完还能拿个称号。
我那回测完，说实话，比我自己去医院拿报告还紧张一点。
谢谢你看到这里，如果你喜欢我们的文章，请帮我们点个赞、在看、转发三连吧，这对我们很重要。想第一时间收到推送，也可以点个星标⭐
长路漫漫，志趣相投的人总会在此遇见。
作者：逗逗乐创意科技
邮件联系：du@ddl99.com