在人工智能席卷全球的今天，科技骗局也披上了更华丽的外衣。Elizabeth Holmes与Theranos的故事，就像一面照妖镜，折射出人性、资本与技术的纠缠。本文以电影《You Can See Everything》为引，带你穿越科技新闻的喧嚣，学会分辨科技前沿的真伪与陷阱。
从Theranos到《You Can See Everything》：一场精心策划的骗局
电影《You Can See Everything》开篇发问：我们到底在看什么，又是谁想让我们看到？这句话几乎是伊丽莎白·霍姆斯前半生的注脚。作为血液检测公司Theranos的创始人，她曾是科技界最耀眼的明星：私人公司估值高达90亿美元，与Walgreens达成合作，登上《财富》封面，受邀在各种峰会上演讲。她宣称自己的微型血液检测平台只需一滴血，就能筛查出多种疾病。然而，这一切都是建立在谎言之上。Theranos的设备从未真正达到宣称的精度，检测结果荒谬至极，最终被揭穿。电影的核心正是呈现了多种形式的操纵——对投资人、对媒体、对公众，甚至对她自己。当AI Agent技术逐渐普及，伪造数据可能变得更加容易，但霍姆斯的案例提醒我们，真正的骗局往往始于人性对功名的过度渴求。
这部A24出品的电影并非传统传记片，它以悬疑的叙事方式展现她如何一步步滑向深渊。评论界认为，片名《You Can See Everything》隐喻了透明与隐藏的悖论——我们都以为自己看到了全部，却只看到别人让你看到的部分。霍姆斯深谙此道，她用黑色高领衫塑造乔布斯式人设，用深沉的嗓音和坚定的眼神征服投资者。她甚至雇人假装在实验室操作设备，以营造科技感。这种精心策划的表演，与人工智能时代的deepfake异曲同工——但更可怕的，是有人愿意相信。某种意义上，Theranos的成功正是建立在集体渴望之上：投资者渴望下一个乔布斯，媒体渴望颠覆性故事，公众渴望廉价便捷的医疗服务。当所有渴望交汇，骗局便有了生长的土壤。
名声的毒瘾：为什么聪明人也会选择欺骗
“我听过一种说法，在所有药物中，名声是最容易上瘾的。”这句话出自对霍姆斯故事的评论，也精准地击中了她的人格特质。伊丽莎白·霍姆斯不是蠢人，她曾在斯坦福大学攻读化学工程，拥有敏锐的商业嗅觉和非凡的演讲才能。但正是这种聪明，让她误以为自己可以永远操弄局面。创业初期或许她真心相信技术能实现，但当谎言越滚越大，她选择了用新的谎言掩盖旧的谎言。心理学上称之为“认知失调”——当现实与自我形象冲突时，人会不自觉地扭曲事实，甚至最终连自己也骗。
在科技骗局的档案中，霍姆斯并非孤例。从Nicole Perlman的虚构水文创业到各种“癌症治愈”神话，科技圈的造神运动从未停止。投资人追捧指数级增长的独角兽，媒体寻找下一个改变世界的英雄，而创始人则在聚光灯下逐渐迷失。名声的毒瘾会放大一个人的偏执，让人开始相信“结局终将证明手段正当”。霍姆斯曾对员工说：“我们都在为人类的未来而战。”这种使命感固然鼓舞人心，却也成了操纵的借口。
更有趣的是，Theranos的董事会里有一批政商名流：基辛格、舒尔茨、前国防部长马蒂斯。这些聪明人同样被名声的光环和慈善的愿景迷惑，放弃了最基本的技术尽调。这提醒我们，在科技新闻中，头衔和背书并不等于事实。当权力与资本交织，盲从便会成为一种集体心理。要对抗名声的毒瘾，唯一的方法是在内心建立一套独立的判断标准，而不是依赖外界的掌声。
人工智能在医疗诊断中的真实角色
Theranos的核心卖点是所谓的“微型血液检测平台”，公司声称运用了类似于人工智能的算法分析，只需一滴血就能完成数十项检验。实际上，这套设备连基本的基础检验都无法稳定完成。那么，真正的人工智能在医疗诊断中究竟表现如何？答案是：它已经融入现代医疗的各个角落，但远没有科幻电影那么神奇。
目前，AI在医学影像识别方面表现出色。例如，AI可以通过深度学习分析X光片、CT和MRI图像，辅助医生快速标记肺结节、骨折、肿瘤等病灶。在这一过程中，AI图片生成技术也展现出潜力——它能够生成合成医学图像，扩充训练数据集，从而帮助模型识别更罕见的病理特征。但请注意，这些系统都需要海量的标注数据、严谨的临床试验和监管审批，绝不像Theranos那样用一个“魔术盒子”就能包打天下。
更重要的是，医疗AI必须嵌入严格的临床流程中。它提供的是“第二意见”，医生仍然是决策主体。科技前沿的AI医疗项目，如Google Health的视网膜筛查、Northwell Hospital的败血症预警系统，都经历多年迭代和外部验证。热力学第二定律在技术上同样成立：没有免费午餐。如果一个“AI诊断方案”声称包治百病、无需验证，那它基本是骗局。这是科技新闻领域反复出现的教训：真正的前沿创新往往低调而严谨，而虚假的神话则总是充满表演性。
科技新闻如何制造神话？媒体与投资者的共谋
霍姆斯的故事之所以成为经典，离不开媒体的推波助澜。《纽约客》曾用温情笔触描写她的“天才蜕变”，《财富》杂志将她评为“全球最年轻白手起家女富豪”，福克斯商业频道更是给她贴上了“下一个乔布斯”的标签。这些报道并非全部是假的，但它们选择性地忽略了关键问题：设备精度未经外部验证，临床结果从未发表同行评审论文。媒体对独家故事的渴望，与投资者对独角兽的痴迷，形成了完美的共谋。
在今天的科技新闻生态中，这种共谋依然存在。为了抢首发、追流量，不少记者依赖创始人提供的数据，却不愿花费数月时间去核实一个芯片的性能指标或一个模型的基准结果。投资者同样如此：在FOMO（错失恐惧）的驱动下，他们可能只凭一份漂亮的PPT和一两个明星背书的董事会就下注。于是，Theranos式的悲剧会在不同赛道重演——也许是自动驾驶，也许是聊天机器人，也许是脑机接口。
打破这种共谋的关键，在于媒体和投资者都要学会“慢新闻”。科技新闻的报道，应当像科学家一样保持怀疑：要求看原始数据、复制实验结果、采访独立专家。对于投资者而言，耐心的尽调远比激进的下注更具财富效应。可悲的是，在逐利的市场中，这种理性往往稀缺。因此，每当一个新技术横空出世，不妨问问：是谁在讲这个故事？他们想让我看到什么？这是从《You Can See Everything》中得出的最深刻的启示。
辨别科技前沿真伪的五大法则
基于Theranos与更多科技骗局的共同特点，我们总结出实用判断法则，帮助读者在科技前沿的大潮中保持清醒。
第一，验证产品而非愿景。霍姆斯卖的是“改变全球医疗”的愿景，而不是一台能跑通数据的设备。真正的创新应当能拿出可重复测试的原型机，而不是只有CG渲染图和承诺。第二，寻找独立第三方验证。Theranos始终拒绝独立审计，而福特、英特尔、SpaceX的早期产品都愿意接受公开测试。如果一家公司害怕检验，那大概率有猫腻。第三，警惕过度保密的黑盒。合法的科技创新可能强调专利和商业秘密，但绝不会拒绝向监管机构披露核心原理。第四，观察科学家团队的专业背景。Theranos的研发团队中，真正有血液检测经验的人少得可怜，而营销和销售背景的人占据高位。这本身就是一个危险信号。第五，运用工具交叉验证。在评估新技术时，不妨借助AI工具箱中的数据分析平台，追踪论文引用、查证专利状态，或者使用AI工具导航寻找行业垂直研究机构的报告。这些工具并不会替你决策，但能帮你快速筛除明显的泡沫。
当然，以上法则并不能保证百分之百避免踩坑，但至少能过滤掉80%的明显骗局。归根结底，科技前沿的探索本来就是一个试错的过程，可怕的是把“不可能”包装成“必然”。我们需要的不是盲目否定，而是理性怀疑。
拥抱人工智能：从警惕骗局到善用工具
我们花了大量篇幅讨论骗局，但人工智能本身并非妖魔鬼怪。恰恰相反，AI是我们这个时代最具威力的创造性工具。关键在于，我们要学会辨别哪些是虚假炒作，哪些是真实可用。从图像生成到文案创作，从音乐编曲到视频剪辑，AI工具已经深入普通人的生活。
假设你是一位自媒体创作者，想配一张科技感十足的封面图。打开AI画图工具，输入“未来城市，赛博朋克，蓝色霓虹”，几十秒后就能得到一张令人惊艳的插画。如果你想进一步提升效率，可以使用文生图模型，将详细描述自动转化为视觉画面，不再需要苦苦寻找无版权素材。这些工具或许不能帮你发明医疗设备，但能极大释放你的创造力。同样，像AI工具导航这类聚合平台，汇总了数百个优质AI应用，让你不用再盲目摸索。
可以说，人工智能正在改变科技新闻的生成方式——自动摘要、语音转写、数据可视化的辅助让记者效率倍增；它也在重塑科技前沿的研发路径——联邦学习、多模态模型让以往的不可能成为可能。但永远记住：技术是工具，决策在人。霍姆斯的故事之所以令人痛心，不是因为她利用了科技，而是因为她背叛了科技的核心精神——诚实与透明。当我们拥抱AI带来的便利，也要保持对真实世界的敬畏。
此刻，回望那句“Can you see everything?”，我们的回答可以充满信心：借助理性、善用工具、保持怀疑，我们真的可以看见更多。