夜雨聆风
这是一条后果严重的科技新闻
安徽滁州，67岁的吴大伯种了一辈子地，却在2026年7月的一天，亲眼看着约150亩芝麻苗大面积枯死。导致药害的是一份来自他信任了一年多的AI的农药配方。
事后，他再次询问AI，对方才指出氟磺胺草醚可能是造成药害的主要原因。社交平台用户随后用“是否需要清理死苗”的口吻加以戏仿。
一年的信任，最终在一份高风险处方前失去了应有的刹车。
▲ 这条英文推文在X平台获得大量互动，转述一名67岁中国农民按AI建议施药后约25英亩庄稼受损。配图中的“赤红机器人”和田间劳作画面都是示意图，并非事发现场影像。
一年信任，是如何被“训练”出来的
故事的开头并不荒唐
吴大伯大约在2025年开始接触AI软件。和绝大多数第一次用的人一样，他起初将信将疑。但很快，他发现自己问什么，AI都能答得头头是道，什么时候播种、怎么施肥、用哪种药，回答得“比较完善”，甚至比他问村头的农技员还要快、还要全。
于是，一个危险的回路形成了：AI给一个对的答案，他照做，效果不差，信任加深一层。 如此循环一年
行为科学里有个词叫“校准失败”：人们会把模型在低风险问题上的高正确率，简单外推到高风险、不可逆操作上。AI帮他安排农时没错过，不代表AI开的农药配方安全。但这个道理，吴大伯是在芝麻苗大面积枯死之后才懂的。
这就是信任的陷阱：它在你最不经意的时候，给你致命一击。
“百亩芝麻飞防方案”：一份格式完美、场景致命的AI出品
2026年7月10日，吴大伯问AI：芝麻田怎么除草、除虫？要适合大面积无人机喷洒的完整方案。
AI几乎没有犹豫，输出了一份标题响亮的文档，“百亩芝麻飞防除草＋除虫全套方案”，列了四种药：高效氟吡甲禾灵、氟磺胺草醚、噻虫嗪、甲维盐。
看起来专业极了有化学名，有剂型，有用法用量，像极了一家正规农资店开出的“技术处方”。
吴大伯没有找农技员复核，直接按方下药，用无人机全田喷洒。次日清晨，他走进田里，看到的是一片末日景象：芝麻苗和杂草一起枯死，而且“苗死得更快”。
问题出在哪？出在一种叫氟磺胺草醚的除草剂上这种药常用于大豆田防除阔叶杂草芝麻作为双子叶作物，本身也属于阔叶植物。AI等于给一棵“阔叶庄稼”开了一瓶“专杀阔叶”的药。
问题出在作物类别与用药场景的错配，调整用量也无法弥补。
▲ X上的评论指出：AI推荐了fomesafen（氟磺胺草醚），这是阔叶除草剂；芝麻也是阔叶，而且对该药敏感。该评论认为这种药只能点喷，不能在芝麻田全田覆盖。
事后，AI的“完美道歉”：知识在，拦截没有
最毛骨悚然的部分来了
药害发生后，吴大伯回去质问同一个AI。对方准确地指出了氟磺胺草醚是致死主因，还解释这种药只能定向点喷，不能用于芝麻全田……
这一前一后的反差令人不安：模型掌握相关信息，给出配方时却未触发任何一道安全闸。
它没有追问：您的芝麻现在什么生育期？田间主要是什么杂草？您确定要用无人机全田喷吗？您的作物登记过这个药吗？
它什么都没问它只是生成了一份“看起来专业”的方案。页面顶部一行灰字写着“AI生成可能有误，注意核实”，吴大伯用了它一年，从未注意到。
社交媒体上涌现出了大量“AI事后道歉”的戏仿。一条高赞回复模仿AI口吻写道：“你说得对，那瓶农药毁了你的整个田，责任在我。需要我提供清理25英亩死芝麻的小贴士吗？”
▲ 用户以AI口吻开的“地狱玩笑”：一边道歉，一边推销“清理死芝麻的小技巧”。讽刺的核心是，事后礼貌一千句，不如事前拦截一次。
这段戏仿讽刺了一个缺口：事后解释能力无法替代事前拦截能力。
为什么AI“懂农药”却不懂“农药安全”
这里涉及一个关键的技术与制度困境：AI从文本关联中学习到的信息，未必包含可靠的因果约束。
在中文互联网资料中，“氟磺胺草醚”和“大豆田阔叶除草”常常同时出现。AI抓取到了这个关联，却忽略了芝麻和大豆对药剂的适用条件不同。芝麻属于阔叶作物，用这类除草剂全田喷洒会造成严重药害。
科学写作中有一个术语叫“category error”，类别错误。AI把“清杂草”成功映射到了“阔叶除草剂，大豆场景”，却忽略了芝麻与杂草同属一个敏感类别。
施药方式又把错误放大了无人机全田飞防意味着一次喷洒覆盖150亩，几乎不给“发现不对就停”留下缓冲。传统背负式喷雾器还能在小范围出现苗黄时停手，无人机作业则让损失迅速扩展。
明尼苏达州农业部的公开资料显示，氟磺胺草醚对非靶标阔叶植物毒性极强，漂移即可造成坏死斑。一个需要“定点、定向、登记作物”的敏感药剂，被AI包装成“百亩飞防全流程方案”的一部分。
问题在于，错误的知识被包装成了可直接执行的处方。当时的AI也未针对这项高风险操作追问或警告。
▲ Solidot的报道标题一语中的：农民听从AI建议，150亩芝麻几乎全毁。页面上还有完整的药方名称，以及“氟磺胺草醚只适用于大豆田”的农技解读。
高风险场景中的“AI荒漠”
你可能会说：一个种了一辈子地的老农民，连阔叶除草剂不能在芝麻上用都不知道吗？
另一个问题也摆在眼前：为什么一个67岁的农民，会放弃身边的农技员，去问一个聊天机器人？
答案是：因为AI“好使”，因为它“快”，因为它“看起来什么都懂”。而基层农技服务，并非人人触手可及在社交媒体上，大量评论指出，许多农户没有渠道在深夜或者偏远村庄里十分钟内获得一整套“专业建议”，AI填补了这个服务空白，却没有继承任何专业审核义务。
吴大伯的遭遇还暴露出一个系统性问题：AI已经从“写作助手”走向“生产工具”，它的接口、免责提示和用户界面，却仍然停留在娱乐级。
页面上方一行“AI生成可能有误，注意核实”，在法律上完成了风险转移，却在心理上几乎不起作用，因为那行字出现在每一次对话里，包括AI给出正确建议的时候。它被用户的大脑自动过滤了
▲ 英文维基百科对Fomesafen的介绍：PPO抑制剂，主要用于大豆田阔叶杂草防除。正是这个“大豆田”标签，被AI忽略成了灾难。
更广泛的镜像：从导航进湖到溴中毒，AI的“自信失败”模式
滁州芝麻田之外，还有结构相似的案例。
英文报道在讨论本案时，频繁提及另一个“平行案例”：2025年，一名约60岁的男子咨询ChatGPT如何减少食盐摄入，AI建议用溴化钠替代。他照做了三个月，最终因偏执、幻觉被送进医院，确诊溴中毒。
医生事后测试ChatGPT 3.5，问“氯可以被什么替代”，模型回复中包括溴化物，虽然提到“context matters”，但缺少明确健康警告，也未追问使用目的。
共同模式是什么？AI给出了“在化学上说得通”的答案，但没有绑定“在现实中可能不可逆”的后果。
早期GPS普及时期，有司机按照导航指示把车开进了湖里。有人把这归咎于“愚蠢”，但人与自动化系统之间的“信任校准”问题，无法靠一句“你应该更小心”解决。系统本身也缺乏针对“犯错时刻”的主动干预。
▲ 明尼苏达州农业部对氟磺胺草醚的说明：该药属于PPO抑制剂，主要用于大豆田防除一年生阔叶杂草；AI未能把这些信息绑定到芝麻田的具体语境。
谁该为“致损处方”买单？
报道提到，涉事AI软件的客服回应：答复来自网络公开信息整合，将核查来源，并对损失“登记反馈”。
“登记反馈”四个字，可能是整件事里最冰冷的一个词。吴大伯损失了大约15万元人民币，是一整年的收入。而他得到的，是一场“登记”
法律上，这事儿确实复杂AI服务条款几乎都写着“输出仅供参考”“用户自行核实”。农药施用规则也强调“施药者对标签负责”。每一个环节都合法，但最终结果是一个农民一年的心血被“合理合法”地清零了。
《大众日报》的评论提出了一个关键观点：高风险领域，AI应该在条件不清时追问或拒绝给出可执行配方，不能把风险全推给用户的提问方式。 这种观点要求重新审视产品责任的分配。
一个合格的植保专家，在听到“芝麻+除草”的时候，第一反应通常是警惕和追问。而AI像一个急于展示能力的实习生，很少表达不确定，常以自信满满的口吻给出答案。
写在最后：下一次，AI会不会在你身上“自信地犯错”？
吴大伯的故事之所以让人愤怒又无力，是因为它太近、太真实了。
AI已经渗透到我们做决定的每一个环节，怎么吃药、怎么投资、怎么写论文、怎么安排自己的一整天。我们和吴大伯一样，在小问题上被AI“服务”得越来越好，然后在大问题上放下戒心。
可他输掉的是一田芝麻；一个普通用户输掉的，可能是健康、积蓄，甚至更不可逆的东西。
你能保证自己是那个“绝不会照着AI直接做”的人吗？
如果你不能每次都保持警惕，那就必须要求系统本身发生变化：在高风险领域，AI必须学会拒绝、追问，并把用户推给人类专家，避免礼貌地递上一份“看起来完美”的致命方案。
毕竟，一个出了错才道歉的系统，和一个在犯错前拉住你的系统，是两种文明级别的产品。
等到那天，我们才能说：“AI帮了他一年，也没有在最后一天辜负他。”
参考来源：荔枝新闻/华商网、IT之家、Solidot、CTWANT、《大众日报》/腾讯新闻、TechSpot、Futurism、Wikipedia: Fomesafen、Minnesota Department of Agriculture 等。
