比真还真

现实校验：与深度伪造的二十年军备竞赛

那段视频是真的吗？画面里，一道黑色斜线从蓝天划下，那是一枚美军战斧导弹（Tomahawk）的剪影，像一只金属猛禽俯冲扑杀。然后是撞击，黑烟从建筑、棕榈树和电线之间升起。3 月一个星期日早晨，视频抵达哈尼·法里德（Hany Farid）邮箱的时候，专家已经确认画面是伊朗南部的米纳布（Minab）—— 一周前，一枚导弹在那里击中一所女子小学，杀死 150 多人。美国政府否认负责，声称是伊朗自己的导弹失控所致。但伊朗一家新闻社连夜发布的这段视频，讲了另一个故事。记者们写邮件给法里德的公司 GetReal Security，请他验证。

法里德是加州大学伯克利分校的专家，也是世界上判定照片视频是否被篡改的顶级权威之一。20 多年前他参与开创了数字取证（digital forensics）这门学科，从那以后一直跟上技术飞跃。“我觉得他算是数字取证的院长级人物，因为他干这行干得太久了，“圣地亚哥·里昂（Santiago Lyon）说——他曾是美联社的图片总监，现在在 Adobe 做网络安全。在人工智能（AI）面前，法里德正在迎战他职业生涯里最大的挑战。

那个星期日上午，法里德在伯克利山上的家里坐到电脑前，妻子艾米莉·库珀（Emily Cooper）在旁边。他的第一反应是怀疑。伊朗战争已经制造了一阵 AI 图像的洪水。为什么这段视频拖了一周才公开？低分辨率也让他没信心。

他先看爆炸。AI 生成的爆炸往往太戏剧化——他说，火太多，烟太蓬。这一段看起来真实。（就在几天前，他刚和同事萨拉·巴林顿写完一篇论文，专门讲 AI 弄不对爆炸的哪些细节。）但关键问题在导弹。他在伯克利南厅的办公室里逐帧翻视频，指出连续 5 帧里那个细小的轮廓：“一、二、三、四、五，砰。就这么多。“把这个剪影 P 进真实爆炸视频里，本不难。“不需要 AI 做这事，“法里德说，“Photoshop 10 分钟就够了。”

但物理对不对，就难多了，连 AI 也难做对。战斧导弹自带推进，但在视频里这么短的距离，它应该是基本直线坠落。法里德把这 5 帧叠在一起对齐，导弹下落轨迹完全符合预期。星期日上午工作大约一小时之后，他给记者发了第一个判断：视频看上去可能是真的。但他不满足。

法里德和库珀（她是同样在伯克利的计算机视觉学家）最近研究过人怎么判断视频是不是假的。他们发现，看 AI 生成视频的时间越长，我们越能找出某个小破绽；但看真视频则不会因为看得久就判得更准。更怪的是：即使判对了，我们的信心也不会随时间提高。“如果是真的，你就一直看，一直看，永远找不到那个伪影，于是信心永远涨不到最高点，“库珀说。她那天看着法里德经历的就是这个过程。“一次又一次分析，他都在找那个伪影；但伪影的缺席从来没把他的信心推上去。”

那天晚些时候，法里德决定再核一件事：导弹大小对不对？战斧约 5 到 6 米长。视频里它跨 46 像素。假设视频是普通手机拍的，他算出拍摄者大约站在 100 米外——合理的距离。然后他量了从导弹击中到爆炸声传到镜头之间的时间差（这取决于声音的传播时间）。三分之一秒——再次给出大约 100 米。要让一枚假造的导弹在抖动的视频里运动正确、大小匹配距离，需要相当高的功夫。“我看过太多伊朗新闻社的虚假信息。他们没那么厉害。”

库珀那天观察到的最深印象是：法里德花了那么久才确信视频是真的。“这是我第一次看见他真的挣扎，“她说。这不只是法里德的问题。她说，随着深度伪造（deepfake）和其他 AI 生成图像越来越好，“说服自己’某样东西是真的’变得真的很难了。”

法里德警告这一刻会到来已经警告了快二十年。他先是在达特茅斯学院，后是在伯克利，一直在跟技术展开军备竞赛：数字摄影的兴起，编辑工具越做越精，现在是 AI。他的基本方法没变——挖图像里数字操纵留下的痕迹。但现在，除了想 Photoshop 留下什么伪影，他还得想 AI 生成留下什么线索。

同事描述法里德沉静而有魅力。“他的声音几乎是魔法的，让你瞬间放松又被吸引，“他从前的博士生、现在在布法罗大学任教的吕思炜（Siwei Lyu）说。“你听他讲，你不可能不听，“宾汉姆顿大学的杰西卡·弗里德里希（Jessica Fridrich）说——她和法里德一样是数字取证的早期开创者之一。“你被拉进他讲的故事里。”

他外表的沉静和他这些年讲的故事并不匹配——他讲的是一个被毫无监管的 AI 公司推着一步步逼近”反乌托邦未来——没人再相信任何东西”的世界。这些公司，他说，“会把整个地方烧成灰烬。”

今年已经有不少重大事件被 AI 篡改的图像视频搅浑。重症监护室护士亚历克斯·普雷蒂（Alex Pretti）被美国移民和海关执法局（ICE，常被简称为”移民警察”）特工击毙后，有人用 AI”增强”了现场照片。这些被广泛传播的图像震撼但错——某些版本里，AI 把普雷蒂手边的一片阴影变成了像手枪的东西，那是 AI 幻觉（hallucination）。

还有人用 AI 把两周前射杀蕾妮·古德（Renee Good）的 ICE 警员照片上的口罩抹掉，然后用那张图错误地把明尼阿波利斯一位居民指认为开枪者。“艾米莉和我心想，这真蠢——但我们是科学家，让我们证明它蠢，“法里德说。他们拿了一组人脸照片，盖掉下半部分，然后让三个不同的大语言模型去补全。再用生物特征软件对比，他们证明 AI 生成的下半张脸”充其量只是对真实面孔的一个合理猜测。”

美国政府自己也开始用 AI 篡改图像了。一个案例：白宫的官方 X 账号发布了一张在明尼阿波利斯被捕女性的照片，经过 AI 修改让她看起来像在哭。

但很少有什么事件像伊朗战争一样释放了这么多 AI 图像。社交媒体上充斥着伪造的视频：燃烧的建筑、哭泣的士兵、被击落的战机，克莱姆森大学媒体取证中心的副主任达伦·林维尔（Darren Linvill）说。这些图比真实更有冲击力。“在’人们想分享什么、想看什么’这件事上，AI 内容很多时候比真东西还好看，“他说。爆炸更大。镜头角度更好。“就像你期望在电影里看到的那样。”

把法里德带来美国的也是中东的一场战争。他 1966 年出生在德国米尔海姆，父亲当时正在马克斯·普朗克研究所读化学博士。父母都是埃及人，本打算读完后回开罗。但 1967 年六日战争（Six-Day War，以色列与埃及之间的短暂战争）爆发，他们决定换地方找工作。“他们不想回埃及，因为他们不觉得那里有未来，“法里德说。

全家搬到纽约罗切斯特，父亲进了摄影公司柯达。法里德进罗切斯特大学的时候对自己将来要做什么没什么概念。一天他妈妈在《时代》杂志上读到一篇关于计算机的报道，打电话叫他选一门计算机课。“我说为什么。她说，我刚读到这就是未来。”

那门课是转折点。法里德一直喜欢数学，但觉得自己不够好当数学家。计算机科学把数学的精确性和现实应用拼到一起。“不仅我真的喜欢它，我第一次发现自己擅长某件事。“他后来在宾大读完计算机科学博士。

90 年代末，他在麻省理工做博后，研究图像分析和计算机视觉。一天他在图书馆排队，从还书车上随手抽起一本《联邦证据规则》（Federal Rules of Evidence）。他翻到一段讲法庭如何引入照片证据：35 毫米底片和从底片印出来的照片都算”原件”。“然后它说，有这种新的数字格式，我们要把它视为和 35 毫米底片同等，“法里德回忆，“我记得当时想：哇，这听起来是个糟糕的主意。”

照片篡改的历史和摄影本身一样久。一张著名的林肯肖像其实是把他的脑袋接在政治家约翰·卡尔霍恩（John Calhoun）的身体上；斯大林用喷绘把敌人从合影里抹掉；约克郡两个英国女孩说服了一大批人——包括福尔摩斯的创造者柯南·道尔——相信她们那些”小仙女照片”是真的。但这些假照很罕见，法里德说。他清楚这种局面就要变了。“我开始想：当所有东西都变成数字、变成可塑的，会发生什么？”

怎么确认一张数字图像是真，这个问题困扰了他好多年。（“我喜欢告诉学生我从 1900 年代开始想这件事的，“他说。）然后有一天，已经是达特茅斯助理教授的他，在 Photoshop 上玩——把一个老在网球场上揍他的同事的脑袋嫁接到安德烈·阿加西（André Agassi，著名网球运动员）身上。为了让脑袋匹配身体，他得把脑袋放大。他突然意识到，计算机本质上得通过从现有像素外推（extrapolate）来”创造”新像素，而这会留下可察觉的痕迹：不同像素之间的统计相关性。法里德突然明白，他一直在用错的方式想这个问题。问题不是”如何鉴定一张数字图像是真的”，而是”如何找特定篡改手法留下的痕迹”。“那对我来说几乎像按下了一个开关，“他说，“我意识到，这更像是一堆取证技术拼起来讲一个内容的故事，像一桩侦查。”

2005 年，法里德开始就这套方法发论文。那时数字图像的世界变化飞快。手机有了摄像头，YouTube 刚上线，图片共享平台 Flickr 急速壮大。法里德仍在想新方法分析照片像素来揭穿造假。但有个问题：这些方法在数码相机直接出来的照片上效果不错，但越来越多的照片是被压缩后在网上分享的。如果图像在篡改之后被压缩，他依赖的很多信息就没了。

一桩高调的伪造案让他领悟解法在物理。2004 年美国总统大选期间，一张照片显示民主党候选人约翰·克里（John Kerry）和女演员简·方达（Jane Fonda）在一起参加反越战抗议——后来被证明是把两张不同照片拼起来的假图。法里德推论，这种把不同照片里的人拼起来的做法，应该会导致光照可察觉的差异——这是他可以在鉴定图像时去找的东西。他开始问 20 年后他在分析伊朗那段视频时还会问的同一个问题：这个场景跟真实世界的物理一致吗？“阴影很美。光照很美。几何很美，“他说，“3D 重建是我工作里很大一块。”

光和影也把他和库珀拉到了一起。2010 年法里德在伯克利做了一场讲座，当时还是博士生的库珀去了。法里德刚在一档电视节目里出现，讲座外围那种喧嚣让从没听说过他的库珀不爽。“我的第一反应是怀疑，“她回忆，“我就在想：这家伙到底是谁？”

讲座上，法里德展示他最近的研究：人很不擅长用”错误阴影”来判别假图。库珀问了一个他没想过的问题：会不会人表现差只是因为照片是二维的？在他们演化出来导航的真实 3D 空间里，他们可能就能很好地利用阴影信息。“我又被迷住又被惹恼，“法里德说。

两人后来用一个小实验测了这个假设——结果发现，无论看二维照片还是戴 3D 眼镜，人对阴影的判断一样差。“他喜欢讲这个故事是因为他的假设是对的，“库珀说。他们没发这个实验，但越走越近，最后结婚。

这个实验也增强了法里德对方法的信心。“我想搞清楚的一件事是：当某人造假时，他们不会注意到什么？“他说，“因为那就是我要去攻击的地方。“对他而言，幸运的是：人在处理阴影和反射上意外地差。同样关键的是，AI 图像生成器目前也是。

法里德第一次听到”deepfake（深度伪造）“这个词是 2017 年。当时他在参与美国国防高级研究计划局（DARPA）的一个项目，开发数字媒体鉴定工具。项目本来跟 AI 无关。但突然之间，AI 成了所有人都在谈的东西。

当时的 AI 需要某人面部成千上万张照片才能合成一个有说服力的假版本。但情况会快速演进，法里德当时就清楚。原因之一是新技术总是会变得更快、更便宜、更普及。另一个原因是性。

“deepfake”这个词来自一个 Reddit 用户的 handle —— 此人创了一个专门做”未经同意性图像”的 subreddit：把一个参与者的脸换成另一个人的 AI 生成版本，搞色情视频。今天网上那么多有害 AI 图像，里面”不成比例地大多数仍是非自愿的伪裸图，而不是虚假信息那一边”，前 Google 错误信息研究者亚历克斯西奥斯·曼扎里斯（Alexios Mantzarlis）说。法里德补充，“一旦互联网上掺进了性，新技术传播得就快。”

如今，几十亿人随手可以用根据任何离奇 prompt 几秒钟产出照片级真实图像的技术。早期 AI 图像往往容易辨认，因为它们缺少真实照片那些细微的统计签名——比如传感器噪声或镜头伪影。但图像生成器已经越来越擅长学习并复现这些 pattern，现在它们能加上看起来真实的噪声和瑕疵。而且因为 AI 图像是从无到有生成的、不是用常规编辑软件改的，法里德早年开发的一些基于”篡改在像素层留下统计关系”的检测方法已经用不太上、或者完全用不上了。

但在阴影、反射、其他物理线索这件事上，故事不一样。“生成式 AI 不懂物理、不懂几何，它会做各种乱七八糟的事，“法里德说。

这些失效会以意外的方式浮现。几年前他做了一场讲座，展示了一段唇形同步（lip-sync）的伪造——这种伪造可以让埃隆·马斯克给加密币诈骗背书、或者泰勒·斯威夫特宣布送一套锅。做法是克隆名人的声音、生成一段那个人说某事的音频，再修改这个人已有的视频，让嘴部动作匹配音频。讲座结束后，一位会唇读的女士走过来告诉法里德，假视频里的嘴形跟说的话对不上。这促使他开发了一个自动化唇读软件来抓这种不匹配，写进了 2024 年的一篇论文里。

同一篇论文里他警告，因为 AI 进步迅速，“这种取证技术的有效期几乎一定有限。“对弗里德里希来说，这就是不做深度伪造检测的理由。“你开发一样东西去解决一个问题，几个月内它就不存在了，“她说，“发论文像果蝇的寿命，我不满意。“但这个挑战似乎反而激励法里德和他的团队，他们不断在探测产 AI 视频/音频/图像的程序、找新弱点。“我不会说这是乐趣的一部分，“法里德说，“但我确实喜欢被挑战去不停创新、保持领先。”

AI 最终会好到能解决阴影和反射的问题、或者搞出像爆炸这种复杂场景的真实视频吗？法里德的前学生吕思炜认为可以，他指出那些臭名昭著的 AI 伪影（比如六根手指的手）消失得多快。但法里德怀疑。真实世界模拟起来太复杂，而且 AI 公司没什么动力把模型推到那一步。毕竟，公司的目标不是骗过像法里德这种数字取证调查员，而是骗过普通用户——后者的标准低得多。“视觉系统会原谅照片里各种胡说八道，因为它不在乎这些事，“他说。

近几年这个领域开始用 AI 来对抗 AI 造假。像吕思炜这样的研究者用标注好”真/假”的图像数据集训练 AI。“希望它能自动从训练数据里提取一些有用的特征”来帮鉴定，吕思炜说。这类模型现在已经有很多，吕思炜运营一个网站叫 deepfake-o-meter，让用户把它们一对一拉出来比试。这些工具里很多已经比普通人强了，但还替代不了人类专家，奥地利技术研究所的马丁·博耶（Martin Boyer）说。一个核心问题是：这些检测器在跟训练数据差别很大的素材上表现很差。“不存在那种’用户可以上传所有视频、照片、音频，得到可靠答案’的万能机器学习检测器。”

法里德不喜欢这种路径。对他来说这感觉像失败。“你像是在说’我不知道怎么解决这个，我能做的就是收集一些数据、让 AI 自己琢磨。‘“不仅智识上无趣，他说，还制造一个实际问题：你怎么告诉法官或记者一样东西是不是真的？“在法庭上说’庭上，我觉得这是假的，因为机器告诉我的’——这不对。“对法里德而言，一个简单吐出”图像是真的概率多少”百分比的程序，永远不会是答案。

当然，即使是最彻底、最有理有据的调查，也未必能说服怀疑者。2009 年法里德吃了苦头才学会这一点——那年他分析了 1963 年那张李·哈维·奥斯瓦尔德（Lee Harvey Oswald，刺杀肯尼迪的人）拿着步枪的照片。阴谋论者——以及奥斯瓦尔德自己——长期声称照片是伪造的，指着脸上一些不寻常的阴影。但法里德的分析没找到任何问题。“我写了篇小论文，心想：好，这下这事算结了，“他说。结果，沉浸在阴谋论里的人反过来攻击法里德，怀疑他是掩盖的一部分。他们声称他父亲在柯达——那家做了拍下肯尼迪遇刺的胶片的公司——上班这件事，意味着他有牵连，甚至写信给达特茅斯要求开除他。“这个程度的疯，“他说。

那次事件是一个有力的提醒：很多人不会被数字取证本身说服；网上分享的图像和视频只是一个被信任侵蚀和虚假信息冲刷的信息生态里的一块。“我担心这种’后事实世界’，但这根本上不是 AI 问题，“法里德说。

法里德左臂上有一个带翅膀的蜘蛛纹身，造型是古埃及风。这是双重提醒：他的家族出处，以及他最骄傲的成就之一——一个叫 PhotoDNA 的工具，专门在网上找儿童性虐待材料。这不是假图鉴定。它是 2009 年和微软合作开发的，扫描 Google、Facebook、Reddit 等平台上的内容，跟已知儿童性虐待材料数据库比对。加拿大儿童保护中心（C3P）把它用在”蜘蛛网项目”（Project Arachnid）里，主动爬整个互联网找匹配。多年前，一个被绑架的女孩借此被救出。她给法里德发了感谢视频，给他看自己纹的——蜘蛛网项目的那只蜘蛛。法里德去纹了同一只，后来加了翅膀。

大多数时候，法里德能把图像背后的恐怖隔离开。但有时它会渗进来。一次去温尼伯访问 C3P 之后，好几天都在谈针对儿童的犯罪让他到了崩溃边缘。回程的航班上，法里德说：“我就是停不下来地哭。“在他做过的所有事里，他把 PhotoDNA 排为影响最大的。

他在图像视频鉴定上的工作长远会产生什么影响则没那么清楚。即使他的方法在个案上有用，AI 生成图像的总量还是压倒性的。“想想 YouTube、TikTok 上视频的数量，Instagram、X 上图像的数量，“法里德说，“这个 scale 是惊人的。“他职业早期一个月会收到一两个请求，他说。后来变成每周。“现在是每天。不开玩笑，每天一醒来邮箱里都有 10 封记者发来的邮件，从世界各地。“这是他开公司的原因之一。

法里德今年夏天会从伯克利回达特茅斯，他常被问会不会最终输掉。他说，世上可能存在某个能造出他识破不了的伪造的人。但他的目标是把这件事弄到难得让大多数恶意者够不着。“我每次出门都锁前门，“法里德说，“那挡住了 99.99% 的人，但挡不住开锁匠。“20 多年来，法里德在某种意义上一直在为我们所有人锁门。他没打算因为 AI 就停下来。

武器、财富，与社会兴衰

泰勒·科文（Tyler Cowen）这次推的是一篇 NBER 工作论文（NBER 是美国国家经济研究局，相当于学术圈在期刊评审之外发预印本的标准渠道），作者是耶鲁的 Samuel Lee、Ilari Passivirta、Alexander Zentefis。框架挺反直觉，所以值得拎出来。

核心命题：人命的价值和暴力的频率，由武器技术和经济条件联合决定——不是单独由其中一个。

这话听起来空，但落到具体例子上很有力。当投资回报率高的时候，武器起威慑作用：所有人都不愿意打破现状去打架，因为打架的机会成本太高，于是和平自维持。当投资回报率低的时候，同样致命的武器变成失稳器——大家把”投资未来”这条路放弃了，转而互相抢劫；致命武器把这条抢劫之路的杀伤效率拉得更高，于是社会陷入论文里叫”暴力陷阱”（violence trap）的循环。

四个历史案例对照看：

科曼奇这个案例尤其干净——他们靠”马 + 火器”在 18 末 19 初统治了大平原南部一两代人，但他们的经济基础是抢劫墨西哥北部牧场。墨西哥牧场被抢光之后，抢劫不再划算（也就是论文说的”投资回报率”塌了），暴力优势瞬间转为暴力陷阱，整个 polity 几年内瓦解。

这个 framework 顺手解释核威慑：核武器在”投资回报率高”的国家间是稳定器（互相摧毁的成本高于任何战争收益），但放进”投资回报率低”的脆弱国家就不是了。它也对城市枪支暴力给出一个可证伪的预测：贫困街区的枪支致死率高，不全是”枪多”的事，是”贫困街区的投资回报率被锁死在低位 + 枪支让低回报陷阱的杀伤效率变高”的合力。

周末自由 · 体育：哪怕是一场糟糕的瓦尔基里赛，仍然挺好

5 月 13 日晚，旧金山金州勇士姊妹球队”Golden State Valkyries”在 Chase Center（勇士的主场，去年起 WNBA 的瓦尔基里队也用这里）以 63 比 69 输给芝加哥天空（Chicago Sky）。这场是当时整个 WNBA 赛季两队合计得分最低的一场。瓦尔基里只投中 29%，得了可怜的 63 分。但帕特里克·雷德福（Patrick Redford）的稿子讲的是另一件事：在这场客观上很难看的比赛里，球馆为什么仍然炸。

赛前他自信瓦尔基里会赢，把 Chicago 称为”小丑组织”——他列了 Sky 一连串组织决策蠢操作的清单（让奥利维亚·迈尔斯去明尼苏达、被扩张球队薅羊毛）。这一切都因为瓦尔基里”擅长经营”的声誉而被忽视——但其实瓦尔基里在选秀夜也犯了一个”奇怪的操作”，只是没人当回事。预测彻底翻车。

比赛本身：瓦尔基里开场打出 17-5 的小高潮，主场被点燃了。之后塌方。球队没人能创造进攻；芝加哥的防守把瓦尔基里的固有战术摁死之后，主队没有应变。全明星卡拉·桑顿（Kayla Thornton）11 投挂零分。基阿·斯托克斯（Kiah Stokes）——一连串伤病和交易之后队里唯一剩下的高个——拿 11 个篮板 7 分，把球队”内线深度真的不行”这件事写在脸上。

但 Redford 的核心 observation 在赛后：18,064 人的球馆，在一场客观上很烂的比赛里，仍然产生了那种球迷和球员之间的”共生能量”。当 Chicago 的娜塔莎·克劳德（Natasha Cloud）投进一记好球，主场球迷照样欢呼她技术——尽管她是对方球员。Redford 写了一句他自己也忍不住反复掂量的话：“这里聚的 18,064 个大多是同志（gay）的人在尖叫欢呼——这种氛围是整个 WNBA 都有，还是只有 Ballhalla 这里独此一份？“（Ballhalla 是 Valkyries 球馆的昵称，取自北欧神话 Valhalla “瓦尔哈拉殿”——战死英灵之厅——的双关）

赛后教练娜塔莉·中濑（Natalie Nakase）承认输球责任在自己，说她得保证防守纪律的一致性、不能只依赖观众的情绪去带球队。

文章的总钩子是：来看瓦尔基里赛事这件事，已经超越普通体育消费。社区、欢腾、归属感这一套，在球队输得稀烂的夜晚仍然成立。

AI 的悲伤妻子们

文章开头：作者 Alessandra Ram 在伯克利家里，独自带 10 个月大的女儿，已经晚上 11 点。FaceTime 那头是她在剑桥（哈佛 AI 新工作出差）的丈夫，凌晨 2 点。

“你看这个！“他对着 FaceTime 镜头喊，把摄像头怼到酒店床上的笔记本电脑屏上。“看到了吗？！”

她没在看。她在看真的婴儿。Ram 一句话拎出全文的骨头：这个家现在有两个婴儿——一个小人类，一个大语言模型。两个都要求 constant attention，两个都凌晨 2 点不睡。

“如果是 Sophie’s choice，我会毫不犹豫地杀了那个 AI 婴儿。”

她管自己这一群人叫 the sad wives of AI（AI 的悲伤妻子们）。统计上：71% 的”AI-skilled workers”是男性，美国任何时刻大约有 35,000 个 AI 职位空缺；把范围扩大到投资人和”那些只是跟妻子说’我在看几个空间里的机会’的男人”，就是几十万。这群女人多到都开始浮出水面找空气。

她采访了多位湾区 AI 妻子，匿名（怕影响丈夫的 equity）。共同抱怨：长时间工作。痴迷。“错过这一波 = 错过一生最重要的技术变革”的恐慌感。

一位 AI 妻子从纽约搬来旧金山陪丈夫（他在做 AI 公司的设计 head）：“他对这个太热情了。我’随大流’。“——她甚至记不清丈夫到底在做什么。“我眼神就开始涣散。我会断线、会忘掉。“她对比纽约：“在纽约我有一个朋友当老师，一个当护士，一个时尚一个金融——出去喝一杯没人聊自己工作。在旧金山每次出门，都像在参加一场公司 happy hour。我不懂。”

另一位每次开车经过 AI 公司的广告牌都会被丈夫指着说”哎那是我公司的牌子”——“我在边缘崩溃，他在哪儿酷。”

罗格斯大学劳动研究和雇佣关系系主任亚娜·范德默伦·罗杰斯（Yana van der Meulen Rodgers）的判断很直白：这不只是生活方式新闻，这是一个劳动力市场新闻。

AI boom 正在重塑家庭动力学，沿着可以预测的性别线展开。这种”完全奉献给一波技术浪潮”的人物形象不是新的——工业革命有工厂工人，淘金潮有把家庭丢西部的男人，dotcom 时代有睡在 SoMa 办公室桌子下的创始人。现在是”build, build, always building”——半夜还在 vibe coding（凭直觉给 AI 写指令），不停升级模型，相信停下来 5 分钟就会错过一切。经济学家管这种人叫”理想员工”（ideal worker）。Rodgers 管它叫陷阱。“一个人付出无数小时、把自己全部交给这股新力量，“她说，“就意味着家庭里另一个人的时间更少、照护工作更多。”

数据：女性使用生成式 AI 的概率比男性低约 20%。“这不全是性别本身的事，“Rodgers 说，“而是女性大量集中在那些目前用 AI 更少的职业——教育、医疗、社会服务。“结果是一种复利型 disadvantage：长期看，少分享 AI boom 的财务回报，多承担它制造的家务劳动。

更残酷的反讽：如果丈夫最后没在 AI 里做成（大多数其实做不成）—— “失业往往带来抑郁，“Rodgers 说，“家里有一个人因为失业或不确定走向 adverse mental health，另一个人自然就变成那个支持者。“丈夫一旦离开 AI——无论主动还是被解雇——并没有解脱：他回家了，正在崩溃。她现在管这个也要管。

作者去做心理咨询。在 50 分钟的会话快结束时，她随口提了一句丈夫的工作：“哦，他是公司的 AI head。“心理治疗师接下来说的话她当场记了下来。治疗师的客户群几乎全是女性，丈夫多多少少都和 AI 相关。家里没有任何 boundary。整件事过度”男性化”的能量。永远在吵架——而且吵的不是他俩之间那点事，是某个更大的东西。他在另一个世界——prompts、benchmarks、epiphanies 的世界；她稳稳钉在这一个里。

怨恨悄悄堆积。这些 sad wives 里好几个其实拒掉了自己的 AI 工作机会——不是因为不够格，是因为”养小孩 + 颠覆人类文明”很难同时做。

戴安娜王妃说过她的婚姻里有三个人。对 AI 的悲伤妻子来说，第三个是聊天机器人。

作者也没去采访那些丈夫。“我已经听腻 AI 的男人了。他们有播客有参议院听证会有杂志专访，估计还有跟总统的群聊。他们被采访得够多了——再强调一次——够多了。”

她和两个朋友在奥克兰一家酒吧喝橙色自然酒。两人都搭伙了一个”AI 谱系上”的男性——在 build 的、在 chase 的、或者只是闭不上嘴谈 AI 的。坐进酒吧四分钟，三个人在聊 AI。

“太存在主义了。我一想就抑郁。”

“对。别想！”

接下来两小时一直在想。

朋友两人的丈夫都还没在 AI 上挣到钱——还没。

作者插了一句她的观察：**在 AI 圈里、AI 周边、以及”觉得 AI 早晚冲过来”的人之中，弥漫一种”这是我们最后一次机会”的氛围。**他们这群男人之前试过所有东西——写电影剧本、投加密币、所有。AI 是最后一搏 or bust。他们的伴侣，悄悄接下了第二份工作：情感支持。“首席存在主义官”（Chief Existential Officer），无偿。没人问过我们想不想要这个 gig。

圣何塞 Lupine Counseling 的临床医生 Bridget Balajadia 形容 AI 丈夫的处境：“如果你不在午夜回邮件，可能醒来时已经失业。“无情。“这个行业 24/7 可达。你洗澡的时候在想它，做爱的时候在想它，它从不离开。“当它从不离开，关系就垮了。“变成 around-the-clock 的东西，两人都得不到所需。两人都在堆怨恨的墙。”

但 Balajadia 接下来说了两件让作者意外的事。

第一：有些 sad wives 不想跟她聊丈夫的事。为什么？“我已经跟我的 chat 处理过了。” 没错，ChatGPT。 AI 不仅在两人之间打了一根楔子。它也成了她们试图挽救婚姻的主要工具。

Balajadia 不 impressed。“她们效果不好，“她说，“它不会挑战你。你最终被 validate（认可）。然后两个人都没在冲突里推进。”

更糟：ChatGPT 有时还帮这些 sad wives 探索出轨的可能性。其中一些会收到”validating messages”，比如：“是的，你寻求别处的吸引力是合理的，因为你的伴侣没在给你；他在情感上不可及。” Balajadia 顿了一下。“这大概不是个好主意。你该处理你婚姻里浮上来的东西，而不是去跟别人睡。”

作者后面承认有些妻子和 AI 的关系并不复杂。一位告诉她 AI”超级加速”了她的生活——婚礼策划、照护老人、家务、宠物医疗建议。但作者很少听到”silver lining”——大多数 sad wife 能给出的最好的乐观面是：“AI 让晚餐桌上有了新话题。”

结尾：作者丈夫从马萨诸塞那次出差飞回家，机上邻座屏幕在放电影《Train Dreams》——一个 19 世纪西部男人因为伐木和铁路工作离开家、最后失去妻女、终生悔恨的故事。即使没听声音，他都被弄得有点情绪化。

“我现在做的是这件事吗？“他后来问她。

“但我是为了我们的女儿啊，“他向她保证，“我一直想让我做的东西是必要的。”

她想了一会儿。然后让他把狗带出去。

大陆分水岭的发明

历史学家 James D. Drake 在最近的研究里指出，大陆分水岭（Continental Divide，落基山脉沿线把太平洋水系和大西洋水系分开的水文分界线，从阿拉斯加白令海峡一路延伸到南美洲尖端）——这个看起来纯粹”自然”的地理事实，作为美国国族象征的位置，其实是南北战争之后才被刻意造出来的。

水文事实其实模糊。Drake 指出”从落基山西坡流下来的很多水根本没机会流到太平洋”——大盆地（Great Basin）地形把它们卡死在内陆。所以”分水岭”作为干净的二分线，本身已经是一种简化。

南北战争之前的美国不这么想大陆。Tocqueville 在《论美国的民主》（Democracy in America, 1835）里把北美描述为”分为两个广袤的区域，一个倾向极地，一个倾向赤道”——也就是当时美国人的地理想象是”南北轴”和”多向河系”，不是”东西分水岭”。1840 年代约翰·C·弗里蒙特（John C. Frémont，著名美国西部探险家）的考察提供了西部水文知识，但 Drake 说”这些知识不足以让大陆分水岭成为大多数美国人都认识的地理标志。”

1868 年才是 invention 时刻。那一年联合太平洋铁路（Union Pacific Railroad）在怀俄明州拉勒米（Laramie）附近举行仪式穿越分水岭——比横贯大陆铁路全线完工还早 9 个月。从那以后，“Continental Divide”这个词在多个数据库和《牛津英语词典》里的使用频率”急剧飙升”。

政治功能很清楚：南北战争刚结束，南北对立的”south-vs-north”撕裂仍然鲜活，国家急需另一种地理叙事来”促进统一”。“东西分水岭”这条想象的自然边界提供了一个干净的替代——把美国大陆扩张重塑为”征服地理”而不是”对峙政治分裂”。Drake 的话：把”独特历史情境下的自然世界，转化成关于重生和统一的政治声明”。

分水岭因此变成”国族的公民宗教里一个 sacred site”——比黄石或约塞米蒂作为国家圣地的地位还早。

备注

• 今日 5 篇覆盖共同隐含母题：「什么是真的，什么是被制造出来的」——AI 影像 vs 物理证据 / 武器与经济的功能反转 / 输球的球馆为什么仍然真实 / AI 婚姻里第三个”人” / 国族象征的发明
• 周六栏目 3 默认”自由”，今日选 Defector WNBA 体育 essay
• 今日主篇 ~4500 字，思辨 ~900 字，玩物 ~750 字，人间 ~1500 字（hard cap），远方 ~700 字