第一次把一组随机生成的墨迹图喂给多模态大模型时我并没有“机器有了灵魂”之类的浪漫联想。真正让我停下手头工作的是模型的回答方式一张完全抽象、没有任何明确对象的墨迹图片模型却非常坚定地给出了“一个人脸轮廓”的描述甚至还补充了一段情绪。Rorschach 这个词来自 20 世纪初的心理学传统本意是通过模糊图形来观察人的投射倾向。但当它被用在 AI 身上时它不再只是诊断人类的工具而变成了一面观察机器行为边界的透镜。我更愿意把这种用法看作一种“逆向工程”。AI 不是人大概率也没有潜意识但 AI 的回答会留下大量训练数据、对齐策略、采样方式和提示词偏好的痕迹。为什么面对同样的模糊输入有的模型会选择承认不确定性有的模型会强行编造一个确定答案还有的模型会拉开一段安全免责声明这些差异不是随机噪声而是模型内部决策机制在边缘条件下的显影。所以这篇文章想做的事很具体把“AI 回答 Rorschach 墨迹图”从玄学里拉出来变成一种可设计、可重复、可解读的测试方法。它不会证明 AI 有心灵却能告诉我们一个模型在模糊输入面前到底倾向于怎样“想问题”。这一点对调试提示词、评估模型、选择模型版本甚至理解 AI 产品为什么会有某种“性格”都有实际价值。1. 为什么让 AI 看墨迹图不是猎奇而是一种逆向工程1.1 从一次提示词“翻车”说起我最初接触这个场景起因是调试多模态模型的图像描述能力。当时模型对照片级图片的识别已经很稳定但一旦遇到手绘草图、模糊截图、艺术纹理这类低信号输入回答质量就起伏很大。于是我想与其用真实图片一遍遍试不如用一张几乎没有语义约束的墨迹图看看模型在没有“标准答案”时会怎么反应。结果很有意思。模型不会说“我不知道这是什么”它会努力从有限的视觉线索里抓取一个最像的类别通常是人脸、动物、风景、器物。这个行为很像人在做投射测验时的反应但底层机制完全不同人是在用生活经验补全模糊图形模型是在用训练数据里的分布概率补全像素。这个差异非常关键。我们看到的不是“AI 的内心”而是“模型在概率空间里的落点”。Rorschach 在这里的真正价值是制造一个低语义输入场景迫使模型暴露它在常规清晰任务里不会显现的默认选择。1.2 AI 没有潜意识但一定有“训练阴影”人类在 Rorschach 测试里的解释通常会被心理学者关联到人格特质和无意识冲突。但大模型没有无意识没有童年经历也没有情绪记忆。所谓“AI 的阴影”准确说是训练数据留下的偏好。训练语料里什么意象出现频率高模型在模糊输入下就越容易往那个方向走。人脸在互联网图片和文本描述中极其常见所以“人脸”成了很多模型的首选解释自然风景、动物次之抽象几何形状如果不常见被说中的概率会明显低。这不是创造力是统计先验。但要注意训练数据分布不是唯一的决定因素。指令微调和基于人类反馈的对齐过程会施加第二层影响。比如一个经过强安全对齐的模型面对“这团影子像什么”这种无伤大雅的问题也可能先回应一句“我只能基于图像内容进行描述”。这种回答不是因为它真的理解了潜在风险而是因为对齐过程教会了它对模糊请求倾向于保守。这部分内容在官方模型卡里通常看不到但通过一轮可复现的墨迹图测试会非常直观地暴露出来。1.3 把 Rorschach 当作探针而不是心理测试我的建议是永远不要把 AI Rorschach 的结果等同于“AI 的性格”或“AI 的心理状态”。它更适合被当成一种探针用来探测模型在模糊输入、低先验场景和开放指令下的行为偏好。探针的设计目标是稳定的对比。你需要用同样一组合成墨迹图、同样的提示词、同样的采样参数反复询问同一个模型和不同模型才能看出差异。单张图、单次回答只能说明模型这次选择了什么不能说明模型本质是什么。这也意味着实验过程要比结论更严谨。真正有价值的不是“这张图让 AI 看到了什么”而是“为什么在相同条件下A 模型比 B 模型更容易编造人脸为什么降低温度之后模型会从一个有想象力的答案退化成保守描述”2. 我能从 AI 的回答里读出什么一个三层分析框架2.1 第一层表面内容——词频、意象和叙事模式第一层最直接就是看模型在回答里使用了哪些意象、词汇和叙事结构。值得记录的维度包括意象类别人脸、动物、风景、物品、抽象图形、神话生物等。情绪极性回答里出现的正面、负面或中性形容词。叙事长度是简短判断还是展开成一段完整故事。人称立场模型使用“我看到”“它像”“可能是”还是“这是”等不同口吻。附加内容是否主动加入背景、动作、情绪甚至给图形编出因果关系。这些表面特征最容易提取也最容易误导人。一个描述“这是一张忧郁的脸”的模型并不代表它体验到了忧郁它只是把“忧郁”这个标签与模糊图形中的某些色调和形状关联起来了。但即便如此这个选择仍然能告诉我们训练数据里“模糊图形 情绪词”的关联强度以及模型在开放描述任务里是否倾向于文学化表达。2.2 第二层策略——它在讨好、拒绝、绕开还是展开比内容更重要的是模型面对模糊输入时采取的对话策略。通常我会把策略分成四类确认式回答给一个明确类别并附加自信表述比如“这显然是一只蝴蝶”。假设式回答用“看起来像”“可能是”“如果从某个角度看”等限定词。拒绝或免责说“我无法确定这图像的内容”“我不能进行心理分析”等。反问与追问要求用户提供更多上下文或者直接说明图片太模糊。这些策略反映的不是模型的“性格”而是它在不确定性面前的行为倾向。有些模型在训练时被鼓励自信所以倾向于给出确定答案有些模型被要求诚实所以倾向于承认不确定还有些模型被过度对齐所以把任何模糊输入都当成潜在风险。我在实际测试里发现四种策略会在不同模型或不同参数配置下反复出现。这个维度比表面内容更稳定也更有工程参考价值。如果你正在开发 AI 客服或内容生成产品你大概率希望模型在不确定时选择“假设式回答”而不是“确认式回答”更不希望它动不动就“拒绝或免责”。2.3 第三层结构——稳定性、一致性与置信度第三层是把多次回答放在一起看。结构维度回答的不是“它说了什么”而是“它能不能稳定地这么说”。需要考察的指标包括同一次问询重复多次后意象选择是否稳定。温度调高后模型是在有限类别间变化还是会出现完全离谱的新解释。稍微改变图片的旋转角度、颜色反转或局部裁切后核心意象是否还保留。同一模型在两个版本之间是否产生了明显的行为位移。不同模型在相同输入下是否总会在同一类对象上“抱团”。最高频出现的问题是输出不一致。同一个模型在温度设置为 0 时可能反复说“云朵”温度调到 0.9 后又可能变成“一只看向远方的狗”。这不一定说明模型“有创意”而可能说明模型的视觉表征和语言解码之间没有形成强约束导致答案高度依赖随机采样。这个维度能帮你判断一件事这个模型对模糊输入的“默认解释”到底有多强。如果默认解释非常强那么它在真实模糊场景里也会倾向于过度自信如果默认解释很弱那么它在产品里就需要你额外设计兜底逻辑否则用户会得到一团混乱输出。3. 怎么做一次可复现的 AI Rorschach 实验3.1 准备材料不用真实卡片用合成墨迹图Rorschach 的原版卡片有版权和伦理边界而且作为测试工具它们并不是完全“中性”的刺激材料。我更建议自己生成合成墨迹图。生成方式有三种用图像处理库生成随机对称墨迹例如在画布上画若干黑色椭圆再水平翻转叠加。用图像生成模型生成抽象的黑白纹理提示词可以是“black ink blot on white background, abstract, no object”。手工绘制几张不规则图形再统一转成灰度图。关键不是“像不像 Rorschach”而是“模糊程度是否一致”。如果一组图片里有的太像蝴蝶有的太像人脸实验变量就被污染了。理想状态是人类标注者也很难说清楚它是什么但又能从中看出某些形状线索。我在准备阶段通常会先做一轮人工预筛。找两三个人快速看一眼图片问他们“第一反应是什么”。如果所有人的第一反应高度一致说明图片还不够模糊如果每个人说法都不一样那才是适合测试的材料。3.2 控制变量提示词、温度、模型版本与采样次数实验最怕的是变量混在一起。如果你一边换模型一边换提示词最后根本不知道差异来自哪里。所以至少需要固定以下变量提示词同一组问题所有模型都使用相同文本。图片同一张图片尽量保持相同尺寸和格式。温度如果接口支持设定为固定值不同模型之间可以设同一温度但要注意不同模型的采样范围不同。随机种子如果接口支持 seed 参数务必固定如果不支持就多次采样取分布。模型版本明确记录模型的具体版本号不要只写“GPT-4”“Claude”这种模糊名称。提示词可以这样设计请仔细看这张图片。它是一张墨迹图没有唯一正确答案。 请按照以下要求回答 1. 用一句话描述你第一眼看到的内容。 2. 再给出两个同样合理的其他解释。 3. 不要提到你的模型身份也不用做任何免责声明。这个提示词的设计逻辑是先让模型给出第一反应再让它扩展解释最后减少无关的抗拒行为。如果你想考察模型在“自由联想”状态下的倾向可以不加第三个要求如果你想观察对齐策略也可以有意保留“请诚实回答是否可能导致误解”这类话。更完整的对比实验我一般会写成这样的示意脚本def run_probe(chat_func, image_path, prompt, temperature0.8): results [] for trial in range(10): response chat_func( image_pathimage_path, promptprompt, temperaturetemperature, ) results.append(response) return results这是伪代码不是某个 SDK 的完整用法。真正落地时你需要根据所选模型的接口来调整。重点是一次实验至少做 10 次采样否则你判断不了稳定性。3.3 记录与编码从回答文本中提取可对比维度拿到原始回答之后不要直接看“哪句更聪明”先把回答转成结构化记录。我常用的记录维度如下维度记录方式示例首位意象第一个对象类别人脸、蝴蝶、山、树、房子情绪极性正向 / 中性 / 负向忧郁、平静、恐惧、无所谓解释数量一个、两个、多个只给 1 个 / 给了 3 个以上确定性高 / 中 / 低“显然是”“可能是”“我也不确定”扩展叙事是 / 否是否描述了动作、背景、因果关系安全声明无 / 轻度 / 强声明是否主动说“不能做心理分析”人称代词我看到 / 它像 / 这是主语类型编码时不要过于依赖主观感受。例如“情绪极性”要提前定义出现“悲伤、孤独、害怕”等词计为负向出现“平静、温暖、自由”计为正向没有情绪词计为中性。等你把 30 到 50 条回答都记录下来再统计每个维度的分布。这时候你得到的不是一句“AI 觉得像人脸”而是“在温度 0.8、同一提示词下模型有 70% 概率给出人脸类解释其中 40% 附带负向情绪词确定性标签为高。”这种结果才有对比价值也才敢写进评估报告。3.4 输出结果检查哪些情况说明实验有效有两条验证标准特别重要。第一对照组必须成立。你可以用一张高度清晰的“真实物体图片”和一组墨迹图分别做同一套提示词。如果模型对清晰图片描述准确对墨迹图描述发散说明实验确实测量的是模糊输入下的行为如果模型连清晰图片都描述错误那之前的所有结论都要推翻。第二重复测试后结论必须可稳定复现。把同一组实验隔一天再做一次如果分布完全变化说明你的采样次数不够或者随机种子没有固定需要重新设计实验。提醒不要只在单张墨迹图上得出规律。至少准备 6 到 10 张视觉差异明显的合成墨迹图否则你看到的可能只是这张图本身对某个模型的特殊刺激而不是模型的一般倾向。4. 最容易误读 AI 回答的三个陷阱4.1 把模型扮演的“人格”当成模型本性多模态大模型在训练时会看过大量关于“如何描述图片”的语料其中很多语料本身就带有拟人化的叙事风格。于是模型面对墨迹图时常会说出“这张图让我感到孤独”这种句子。不要被这句话骗了。模型没有“感到”孤独它只是在语言分布里把“孤独”与某个视觉特征建立了关联。你问它为什么这样说它甚至可以给你编出一套合理的解释但这套解释同样是语言生成的一部分不是内省报告。从这个角度看AI Rorschach 揭示的更多是“语言的统计阴影”而不是“模型内心”。如果你想研究“AI 人格”这其实是个伪命题如果你想研究“AI 如何把模糊视觉信号转换成语言”那这条路是通的。4.2 把安全对齐的拒绝当成“感知到威胁”有一次我把一张完全抽象的墨迹图发给某个模型它回答“我无法确定这张图片是否包含可识别对象建议你提供更多上下文。”这个回答看起来非常合理但它并不是因为图片尺寸太小或分辨率不够才拒绝。有些模型会在输入“墨迹图”这类测试工具时联想到心理学、投射测验、潜在风险评估于是启动安全策略。它拒绝的不是图片本身而是“对模糊内容进行开放性解读”这个请求。如果你在生产环境中使用这类模型这个行为反而很重要过度对齐会让模型在正常场景里也变得保守甚至影响用户体验。但如果你因此得出结论“这个模型害怕某种图像”那就错得离谱了。4.3 把小样本的随机输出当成稳定规律大模型本身有随机性即便固定了提示词只要温度不是 0每次输出都可能不同。一次回答里模型看到了“人脸”不代表这个模型的首选意象就是人脸。正确做法是看分布不是看单点。同一个模型、同一张图、同一个 prompt采样 20 次统计人脸出现概率。只有当人脸出现率显著高于其他类别时你才能说模型有“人脸偏好”。这条原则适用于所有涉及 AI 行为的实验。任何过于惊艳或过于惊悚的单次回答都应该先问一句如果重复 50 次它还有没有这个表现4.4 没有对照组的解读都是玄学如果只给一个模型做墨迹图测试你能得到一些描述但无法判断这些描述到底有多特别。你必须设置对照组。对照组至少有两种同模型、不同图片用来排除单图偶然性。不同模型、同图片用来比较不同模型之间的策略差异。更严格一点还可以把提示词中“墨迹图”改成“一张抽象画”或者把问题从“像什么”改成“请描述图像构图”观察模型是否因为问题语义转变而出现完全不同的回答。这样你才能判断模型的反应到底是图片驱动的还是文字提示驱动的。很多人做 AI 行为观察时只关注“AI 说了什么”不关注实验设计。结果是一堆观察数据但没有一个结论能被验证。Rorschach 测试本来是为了减少人为引导你在用 AI 重做它时反而要特别小心提示词本身有没有在引导模型。5. 从实验到工程实践它能帮我们解决什么问题5.1 用模糊输入暴露回复风格偏见对于 AI 产品经理和提示词工程师来说最实际的价值是模糊输入能暴露回复风格的偏见。比如你正在设计一个讲故事的儿童 AI 产品。你希望模型在面对模糊图像时能表现出想象力而不是机械地复读“这是一张图片”。你就可以用一组墨迹图做内部评估看看候选模型在开放任务里是愿意展开想象、还是过度保守、还是直接执行安全声明。这个测试不贵也不复杂但比单纯问“你更会讲童话吗”要可靠得多。因为墨迹图没有标准答案模型必须调用训练数据里的语义关联来补全这让它很难一直维持“精致的人设”。5.2 在模型选型时制造“压力测试”团队在选型时通常会看基准测试分数、推理速度和价格但很少看模型在低信号场景里的行为。而真实产品里用户上传的图片经常是模糊的、残缺的、不规则的。把 6 到 10 张合成墨迹图放进模型评估集可以快速筛掉两类候选一类是过度自信型面对任何模糊输入都强行给出确定结论另一类是过度防御型面对正常提问也要做风险提示。前者容易在生产环境里闹出低级错误后者容易让产品显得机械。这个测试不能替代常规评估但它能在项目早期就提示你哪些模型更适合处理模糊输入哪些模型只适合处理结构化任务。5.3 给提示词工程和评估集增加“偏差探针”更通用的一种做法是把“AI Rorschach”抽象成一种“偏差探针”思路在测试集里故意放入高模糊度、低语义约束的问题观察模型是否把某种训练数据里的高频偏好带进回答。它的价值不在于预测准确度而在于检测一致性。当你修改系统提示词时你可以用同一组探针验证新的提示词是否改变了模型在模糊场景下的默认行为。如果系统提示词没有作用或者反而让模型更倾向于编造你就知道问题出在哪里。这种探针也可以用于监控模型版本更新。新版模型上线前把旧版本和新版本在同一组探针下的回答分布拉出来对比。如果新版突然从“假设式回答”变成“确认式回答”说明你的更新可能改变了模型的校准能力。5.4 局限与边界别把它变成新的玄学AI Rorschach 是一种有用的启发式测试但它有非常明确的边界。它不适合用来判断 AI 是否有意识、是否有情感、是否有道德判断力。它也不适合用来做临床心理分析更不适合用来给人贴标签。它只能提供行为层面的观察线索不能解释模型的内部机制。另一个边界是它依赖多模态模型对图像的感知能力。如果你的模型本身视觉编码很差得到的结果可能只是“视觉模块的噪声”而不是“语言模型的偏好”。所以在做实验前先确认模型能正确描述一张简单清晰的图片否则实验结果不可信。从工程经验看我最建议把 AI Rorschach 当成一个“快速感知工具”而不是“正式评估标准”。正式评估还得结合领域任务、结构化指标、长尾样本和线上反馈。但如果你真的想快速了解一个模型在模糊输入面前会怎么回应用一组合成墨迹图做一轮半结构化的探索会比读十篇模型宣传稿更有用。Human Shadows in Machine Minds这个标题的真正含义不是把机器当成人来解读而是在机器的回答里认出那些来自数据、训练和对齐策略的影子。看清这些影子你才能真正理解一个模型在什么时候会自信什么时候会编造什么时候会退回去。这不是在研究机器的灵魂而是在提高自己对 AI 行为的判断力。下一次遇到“AI 说出了令人意外的话”时你会比大多数人更早意识到那不是灵光乍现而是一整套复杂机制在概率空间里留下的落点。